Google DeepMind-მა დაავადებების შესასწავლად AlphaGenome 2 გამოუშვა

Google DeepMind-მა ოთხშაბათს, 11 ნოემბერს, გამოუშვა AlphaGenome 2, მოდელი, რომელიც წინასწარმეტყველებს, თუ როგორ მოქმედებს დნმ-ის მიმდევრობები და მათი ვარიანტები ადამიანის კონკრეტულ უჯრედულ ტიპებსა და მდგომარეობებზე. კომპანია მას აღწერს, როგორც ინსტრუმენტს, რომელიც მეცნიერებს დაავადებების უჯრედული გამომწვევების პოვნაში ეხმარება. მოდელი გაწვრთნილია 68 ქსოვილის 100 მილიონზე მეტ ერთუჯრედიან პროფილზე. კომპანიის თქმით, ის იდენტიფიცირებს თითქმის ორჯერ მეტ ექსპრესიის შემცვლელ ვარიანტს, ვიდრე ორიგინალი AlphaGenome, რომელიც გასულ წელს გამოვიდა.deepmind.google+1

მკვლევარებს შეუძლიათ მოდელის გამოყენება არაკომერციული მიზნებისთვის AlphaGenome API-ის საშუალებით. კომერციული კვლევისთვის წვდომა ამჟამად დახურულ რეჟიმშია. DeepMind აცხადებს, რომ მოდელები განკუთვნილია მხოლოდ კვლევისთვის და არ არის ვალიდირებული ან დამტკიცებული კლინიკური ან დიაგნოსტიკური გამოყენებისთვის.deepmind.google

პირობითი რედიზაინი

პირველი AlphaGenome პარალელურად ათასობით ექსპერიმენტის პროგნოზირებას ახდენდა. AlphaGenome 2 კი პირობითი მოდელია. მილიონი ასოსგან შემდგარ დნმ-ის მიმდევრობასთან ერთად, ის ერთდროულად იღებს ერთ ქსოვილს, უჯრედის ტიპს ან მდგომარეობას, რათა შეისწავლოს, თუ როგორ იკითხება დნმ-ის ერთი და იგივე მონაკვეთი სხვადასხვა უჯრედში. ის გაწვრთნილია ადამიანისა და თაგვის მონაცემებზე, მათ შორის 107 მილიონზე მეტ ინდივიდუალურ უჯრედულ პროფილზე. ის ასევე ამატებს დნმ-ის მეთილირებას პროგნოზირებად მაჩვენებლებს.deepmind.google

DeepMind-მა ის გამოსცადა TenK10K მონაცემთა ბაზაზე, რომელიც მოიცავს იმუნური უჯრედების 28 ტიპს. იქ მან იდენტიფიცირება მოახდინა მიზეზობრივი ვარიანტების 30%-ში, წინა მოდელის 16%-თან შედარებით, ხოლო გენების მიმართულების ეფექტები 43%-ში, წინა 23%-თან შედარებით. მოდელს ასევე შეუძლია იმუშაოს ახალ ერთუჯრედიან მონაცემებთან მხოლოდ რამდენიმე ათეული უჯრედიდან, გადაწვრთნის გარეშე. ერთ-ერთ ტესტში მან აჩვენა, რომ მძიმე COVID-19-თან დაკავშირებული ვარიანტი უფრო ძლიერად არღვევს გენის აქტივობას ვაქცინით გააქტიურებულ T-უჯრედებში.europapress.es+1

გენეტიკის დაკავშირება წამლების სამიზნეებთან

DeepMind-ის გენომიკის ხელმძღვანელმა ჟიგა ავზეცმა The Verge-ს განუცხადა, რომ დეტალების ეს დონე მნიშვნელოვანია წამლების შემუშავებისთვის. "როდესაც თქვენ ავითარებთ წამლებს, თქვენ მიზანში იღებთ კონკრეტულ ცილებს და კონკრეტულ უჯრედულ ტიპებს", – თქვა მან. მან დაამატა, რომ AlphaGenome 2 მალე არ ჩაანაცვლებს თავის წინამორბედს, რადგან მისი პროგნოზების გამოთვლა "უფრო ძვირია". ეს ხარჯი მას არაპრაქტიკულს გახდიდა იმ გენომური ატლასის შესაქმნელად, რომელიც DeepMind-მა სექტემბერში გამოუშვა.theverge.com

სარა ტეიხმანმა, ადამიანის უჯრედების ატლასის თანადამფუძნებელმა, თქვა, რომ მოდელი საინტერესოა იმით, რომ ის "პირდაპირ ერგება ახალ ერთუჯრედიან მონაცემებს გადაწვრთნის გარეშე".businessinsider.es

რა იქნება შემდეგ

DeepMind-ს წინასწარ აქვს გამოთვლილი პროგნოზები ნიშან-თვისებებთან დაკავშირებული ვარიანტებისთვის ასობით უჯრედულ და ქსოვილოვან პირობებში. ის გეგმავს AlphaGenome 2 Skills-ის გამოშვებას თავის Google Antigravity აგენტური განვითარების პლატფორმაზე. პიტერ დონელიმ, Genomics Limited-ის აღმასრულებელმა დირექტორმა, მოდელს უწოდა "შთამბეჭდავი წინსვლა დარგში" და თქვა, რომ მისი კომპანია გეგმავს მის დამატებას თავის Mystra პლატფორმაზე. ავზეცმა აღნიშნა, რომ მსგავსი მოდელები საბოლოოდ შეიძლება გამოყენებულ იქნას "ვირტუალური უჯრედების" შესაქმნელად, რომლებიც ბიოლოგიური სისტემების ციფრული სიმულაციებია.theverge.com+1