Google DeepMind-ը թողարկել է AlphaGenome 2-ը հիվանդությունների ուսումնասիրության համար

Google DeepMind-ը չորեքշաբթի՝ նոյեմբերի 11-ին, թողարկեց AlphaGenome 2-ը՝ մոդել, որը կանխատեսում է, թե ինչպես են ԴՆԹ-ի հաջորդականությունները և դրանց տարբերակները ազդում մարդու բջիջների կոնկրետ տեսակների և վիճակների վրա։ Ընկերությունը այն նկարագրում է որպես գործիք, որը գիտնականներին օգնում է գտնել հիվանդությունների բջջային շարժիչ ուժերը։ Այն մարզվել է 68 հյուսվածքներից ստացված ավելի քան 100 միլիոն միաբջիջ պրոֆիլների վրա։ Ընկերության տվյալներով՝ այն նույնականացնում է գրեթե երկու անգամ ավելի շատ արտահայտությունը փոխող տարբերակներ, քան անցյալ տարի թողարկված օրիգինալ AlphaGenome-ը։deepmind.google+1

Հետազոտողները կարող են օգտագործել մոդելը ոչ առևտրային աշխատանքի համար AlphaGenome API-ի միջոցով։ Առևտրային հետազոտությունների հասանելիությունը գտնվում է փակ նախադիտման փուլում։ DeepMind-ը հայտարարում է, որ մոդելները նախատեսված են միայն հետազոտական նպատակների համար և չեն վավերացվել կամ հաստատվել կլինիկական կամ ախտորոշիչ օգտագործման համար։deepmind.google

Պայմանական վերանախագծում

Առաջին AlphaGenome-ը կանխատեսումներ էր կատարում հազարավոր փորձերի միջոցով զուգահեռաբար։ AlphaGenome 2-ը, փոխարենը, պայմանական մոդել է։ Մեկ միլիոն տառանի ԴՆԹ հաջորդականության հետ մեկտեղ, այն միաժամանակ ընդունում է մեկ հյուսվածք, բջջի տեսակ կամ վիճակ, որպեսզի կարողանա սովորել, թե ինչպես է ԴՆԹ-ի նույն հատվածը տարբեր կերպ կարդացվում տարբեր բջիջներում։ Այն մարզվել է մարդու և մկան տվյալների վրա, ներառյալ ավելի քան 107 միլիոն անհատական բջջային պրոֆիլներ։ Այն նաև ավելացնում է ԴՆԹ-ի մեթիլացումը այն ցուցանիշներին, որոնք կանխատեսում է։deepmind.google

DeepMind-ը այն փորձարկել է TenK10K տվյալների բազայի վրա, որն ընդգրկում է իմունային բջիջների 28 տեսակ։ Այնտեղ այն նույնականացրել է պատճառահետևանքային տարբերակները 30% դեպքերում՝ նախորդ մոդելի 16%-ի համեմատ, և գեների ուղղորդված ազդեցությունները՝ 43% դեպքերում՝ 23%-ի համեմատ։ Մոդելը կարող է նաև աշխատել նոր միաբջիջ տվյալների հետ՝ ընդամենը մի քանի տասնյակ բջիջներից, առանց վերամարզման։ Փորձարկումներից մեկում այն ցույց է տվել, որ COVID-19-ի ծանր ընթացքի հետ կապված տարբերակը ավելի ուժեղ է խաթարում գեների ակտիվությունը պատվաստանյութով ակտիվացված T-բջիջներում։europapress.es+1

Գենետիկայի կապը դեղամիջոցների թիրախների հետ

DeepMind-ի գենոմիկայի ղեկավար Ժիգա Ավսեցը The Verge-ին ասել է, որ մանրամասնության այս մակարդակը կարևոր է դեղերի մշակման համար։ «Երբ դուք մշակում եք դեղամիջոցներ, դուք թիրախավորում եք կոնկրետ սպիտակուցներ և կոնկրետ բջջային տեսակներ», — ասել է նա։ Նա հավելել է, որ AlphaGenome 2-ը շուտով չի փոխարինի իր նախորդին, քանի որ դրա կանխատեսումները «ավելի թանկ» են հաշվարկելու համար։ Այդ ծախսը այն անիրագործելի կդարձներ այն գենոմային ատլասը կառուցելու համար, որը DeepMind-ը թողարկեց սեպտեմբերին։theverge.com

Մարդու բջիջների ատլասի համահիմնադիր Սառա Թեյխմանը ասել է, որ մոդելը հետաքրքիր է նրանով, որ այն «ուղղակիորեն հարմարվում է նոր միաբջիջ տվյալներին՝ առանց վերամարզման»։businessinsider.es

Ինչ է սպասվում հաջորդիվ

DeepMind-ը նախապես հաշվարկել է կանխատեսումներ հատկանիշների հետ կապված տարբերակների համար հարյուրավոր բջջային և հյուսվածքային պայմաններում։ Այն նախատեսում է թողարկել AlphaGenome 2 Skills-ը իր Google Antigravity գործակալական զարգացման հարթակում։ Genomics Limited-ի գործադիր տնօրեն Փիթեր Դոնելին մոդելը անվանել է «ոլորտում տպավորիչ առաջընթաց» և ասել, որ իր ընկերությունը նախատեսում է այն ավելացնել իր Mystra հարթակում։ Ավսեցը նշել է, որ նման մոդելները վերջնականապես կարող են օգտագործվել «վիրտուալ բջիջներ» կառուցելու համար, որոնք կենսաբանական համակարգերի թվային սիմուլյացիաներ են։theverge.com+1