الرعاية الصحية
كشفت Google DeepMind عن AlphaGenome لتفكيك وظيفة الجينوم البشري
أصدرت Google DeepMind AlphaGenome في 28 يناير، وهو نموذج ذكاء اصطناعي يتنبأ بكيفية ترجمة تسلسلات الدنا إلى وظائف بيولوجية، مع معالجة ما يصل إلى مليون زوج قاعدي في وقت واحد وتفوق النماذج الحالية في 25 من 26 اختبارًا لتنبؤ تأثير المتغيرات.
النموذج، الذي نشر في Nature ووصف في مدونة DeepMind ، يمثل تقدمًا كبيرًا في الجينوميات الحاسوبية. حيث تتطلب النماذج السابقة أنظمة منفصلة لمهام التنبؤ المختلفة، يتعامل AlphaGenome مع كل شيء من التعبير الجيني إلى إمكانية الوصول إلى الكروماتين في بنية موحدة واحدة.
“يمكن لـ AlphaGenome النظر عبر مسافة طويلة من الدنا والتنبؤ بمكان العناصر التنظيمية الحاسمة وأثرها التنازلي على التعبير الجيني”، كتب فريق DeepMind في إعلانهم. يسمح نافذة السياق البالغة مليون رمز للنموذج بالتقاط التفاعلات على المدى الطويل بين مناطق الدنا البعيدة التي تؤثر على كيفية تشغيل الجينات وإيقافها.
كيف يعمل
يجمع AlphaGenome بين هيكليتي شبكة عصبونية: شبكة توافقية أحادية البعد من نمط Borzoi لمعالجة تسلسلات الدنا الخام و هيكل U-Net المعدل من تقنية تحليل الصور. يسمح هذا النهج الهجين للنموذج بالتعامل مع الطبيعة التسلسلية للدنا والعلاقات المكانية المعقدة بين العناصر التنظيمية.
بيانات التدريب تشمل ما يقرب من 7000 مسار جينومي من مشاريع ENCODE و FANTOM – جهود تعاونية ضخمة قامت بفهرسة العناصر الوظيفية عبر الجينوم البشري. يتعلم النموذج التنبؤ بالإشارات من الاختبارات التجريبية التي تقيس التعبير الجيني ووصول الدنا وربط البروتين وتعديل الكروماتين.
للباحثين، القيمة العملية تكمن في تنبؤ تأثير المتغيرات. عندما يحتوي جينوم المريض على طفرة، يحتاج الأطباء إلى معرفة ما إذا كانت تلك الطفرة مهمة. يمكن لـ AlphaGenome التنبؤ بكيفية تأثير تغيير النيوكليوتيد الواحد على المنظر التنظيمي بأكمله، وอาจ يحدد متغيرات تسبب الأمراض التي تفوتها الطرق الحالية.
حقق النموذج نتائج قوية في الاختبارات التي تختبر قدرته على التنبؤ بكيفية تأثير المتغيرات الجينية على التعبير الجيني ونشاط العناصر التنظيمية. على مواقع الخصائص الكمية للتعبير الجيني (eQTLs) – المتغيرات المعروفة لتأثيرها على مستويات التعبير الجيني – متطابقة أو تتجاوز AlphaGenome النماذج المتخصصة التي تم تدريبها خصيصًا لهذه المهام.
التوافر مفتوح المصدر
أصدرت DeepMind كود مصدر AlphaGenome على GitHub للاستخدام غير التجاري، مما ي 继续 نمط مختبر إتاحة أدوات البيولوجيا التأسيسية للجمهور. يحتوي المستودع على أوزان النموذج ورمز الاستدلال والوثائق لتشغيل التنبؤات على التسلسلات المخصصة.
الإصدار المفتوح يتبع النموذج الذي أنشأه AlphaFold، أداة تنبؤ هيكل البروتين من DeepMind، والتي تم استخدامها من قبل أكثر من 3 ملايين باحث منذ إصدارها في 2021. يعالج AlphaGenome مشكلة مكملة: بينما يتنبأ AlphaFold بما يبدو عليه البروتين، يتنبأ AlphaGenome بمتى وأين تنتج الجينات هذه البروتينات.
وضع الرئيس التنفيذي لشركة Google DeepMind، ديميس هاسابيس، البيولوجيا كمنطقة تطبيق رئيسية لقدرات الذكاء الاصطناعي للمختبر. تمتد أعمال الجينوميات إلى طموح DeepMind إلى ما وراء الذكاء الاصطناعي المحادثي ونمذجة اللغة التي تعمل بالمنتجات مثل Gemini، وتطبيق تحسينات هيكلية مماثلة للمشكلات العلمية.
لماذا هذا يهم
يحتوي الجينوم البشري على حوالي 3 مليارات زوج قاعدي، ولكن فقط حوالي 1.5٪ يرمز مباشرة إلى البروتينات. تحتوي نسبة 98.5٪ المتبقية – التي تم التخلي عنها لوقت طويل كـ “دنا زبالة” – على عناصر تنظيمية تتحكم في متى وأين وكيف يتم التعبير عن الجينات. تسبب الطفرات في هذه المناطق غير المشفرة أمراضًا، ولكن تحديد المتغيرات التي تهم كانت صعبة بشكل استثنائي.
الطرق التقليدية تتطلب تجارب مكلفة وطويلة الأمد لاختبار المتغيرات الفردية. يمكن لنمذجة التعلم الآلي مثل AlphaGenome فحص آلاف المتغيرات حاسوبيًا، وتحديد الأولوية للمتغيرات التي تستحق المتابعة التجريبية. لتشخيص الأمراض النادرة، حيث يحمل المرضى عادةً متغيرات جديدة ذات تأثيرات غير معروفة، يمكن لهذه القدرة تسريع المسار من التسلسل إلى التشخيص.
قدرة النموذج على معالجة سياقات تصل إلى مليون زوج قاعدي مهمة بشكل خاص. يمكن للعناصر التنظيمية للجينات أن توجد على بعد مئات الآلاف من الأزواج القاعدية من الجينات التي تتحكم فيها، وتتواصل من خلال طي الدنا ثلاثي الأبعاد المعقد. لم تتمكن النماذج السابقة ذات نافذة السياق الأقصر من التقاط هذه الاعتماديات على المدى الطويل.
ينضم AlphaGenome إلى نظام بيئي متزايد من أدوات الذكاء الاصطناعي التي تحول البحث البيولوجي. يصبح تنبؤ هيكل البروتين واكتشاف الأدوية والتنظيم الجيني الآن مشكلات يمكن حلها بواسطة التعلم الآلي.对于 مجتمع أبحاث الجينيات، توفير النماذج المفتوحة الوصول إلى القدرات الحاسوبية التي كانت مقيدة في الماضي بالمختبرات الممولة جيدًا.
التقييدات الواضحة للنموذج أيضًا من العرض الذي قدمته DeepMind. بينما يتفوق AlphaGenome في التنبؤ بالقياسات التجريبية، يحتاج ترجمة هذه التنبؤات إلى نتائج سريرية إلى التحقق من الصحة الإضافية. يبقى الفجوة بين التنبؤ بإمكانية الوصول إلى الكروماتين وتنبؤ خطر المرض كبيرًا.
لمدة الآن، يخدم AlphaGenome كأداة بحث – واحدة يمكن أن تسريع فهم كيفية عمل الجينوم، حتى لو ظلت التطبيقات السريرية بعيدة الأمد. يشير العلماء 3000 من 160 دولة الذين يستخدمون النموذج بالفعل إلى أن مجتمع البحث يرى قيمة فورية في ما بنته DeepMind.
