كشفت ديب مايند عن AlphaGenome لتفكيك وظيفة الجينوم البشري

أعلنت ديب مايند عن إطلاق AlphaGenome في 28 يناير، وهو نموذج ذكاء اصطناعي يمكنه توقع كيفية ترجمة تسلسلات الحمض النووي إلى وظائف بيولوجية، مع khảية معالجة ما يصل إلى مليون زوج قاعدي في وقت واحد وتفوق النماذج الحالية في 25 من 26 اختبارًا لتنبؤ تأثير المتغيرات.

النموذج، الذي نُشر في مجلة نيتشر وتم توضيحه على مدونة ديب مايند، يمثل تقدمًا كبيرًا في علم الجينوم الحاسوبي. في حين أن النماذج السابقة تتطلب أنظمة منفصلة لمهام التنبؤ المختلفة، يمكن ل AlphaGenome التعامل مع كل شيء من تعبير الجين إلى إمكانية الوصول إلى الكروماتين في بنية موحدة.

“يمكن ل AlphaGenome النظر عبر مسافة طويلة من الحمض النووي وتوقع مكان العناصر التنظيمية الحاسمة وأثرها التنازلي على تعبير الجين”، كتب فريق ديب مايند في إعلانهم. يسمح نافذة السياق التي تبلغ مليون رمز للنموذج بتقاط العلاقات على المدى الطويل بين مناطق الحمض النووي البعيدة التي تؤثر على كيفية تشغيل وإيقاف الجينات.

كيف يعمل

يجمع AlphaGenome بين هيكلين شبكيين عصبيين: شبكة convolutional 1D من نوع Borzoi لمعالجة تسلسلات الحمض النووي الخام و هيكل U-Net المعدل من تقنية تحليل الصور. يسمح هذا النهج الهجين للنموذج بالتعامل مع كل من الطبيعة التسلسلية للحمض النووي والعلاقات المكانية المعقدة بين العناصر التنظيمية.

بيانات التدريب تغطي ما يقرب من 7000 مسار جينومي من مشاريع ENCODE و FANTOM – جهود تعاونية ضخمة قامت بفهرسة العناصر الوظيفية عبر الجينوم البشري. يتعلم النموذج توقع الإشارات من الاختبارات التجريبية التي تقيس تعبير الجين ووصول الحمض النووي وربط البروتين وتعديلات 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 ل AlphaGenome توقع كيف يؤثر تغيير النيوكليوتيد الواحد على المنظر التنظيمي بأكمله، وربما وضع علامة على المتغيرات المسببة للأمراض التي تفوتها الطرق الحالية.

حقق النموذج نتائج قوية في الاختبارات التي تختبر قدرته على توقع كيفية تأثير المتغيرات الجينية على تعبير الجين ونشاط العناصر التنظيمية. على المتغيرات التي تؤثر على مستويات تعبير الجين (eQTLs) – المتغيرات المعروفة لتأثيرها على مستويات تعبير الجين – متطابق أو يفوق AlphaGenome النماذج المتخصصة التي تم تدريبها خصيصًا لهذه المهام.

إتاحة المصدر المفتوح

أصدرت ديب مايند كود مصدر AlphaGenome على GitHub للاستخدام غير التجاري، مما ي 续و نمط مختبر إتاحة أدوات البيولوجيا التأسيسية للجمهور. يتضمن المستودع أوزان النموذج ورمز الاستدلال والوثائق لتشغيل التنبؤات على التسلسلات المخصصة.

تتبع الإصدار المفتوح نموذج AlphaFold، أداة ديب مايند لتنبؤ هيكل البروتين التي استخدمها أكثر من 3 ملايين باحث منذ إصدارها في 2021. يعالج AlphaGenome مشكلة مكملة: في حين يتنبأ AlphaFold بمظهر البروتين، يتنبأ AlphaGenome متى وأين تنتج الجينات تلك البروتينات.

وضع ديب مايند سي إي أو ديميس هاسابيس البيولوجيا كمنطقة تطبيق رئيسية لقدرات مختبر الذكاء الاصطناعي. تمتد أعمال الجينوم إلى طموحات ديب مايند أبعد من الذكاء الاصطناعي الحواري ونماذج اللغة التي تقود المنتجات مثل Gemini، مع تطبيق تحسينات هيكلية مماثلة على المشكلات العلمية.

لماذا يهم هذا

يحتوي الجينوم البشري على حوالي 3 مليارات زوج قاعدي، ولكن فقط حوالي 1.5٪ يشفر مباشرة البروتينات. يحتوي الباقي – 98.5٪ – 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.

تتطلب الطرق التقليدية تجارب باهظة التكلفة ومستهلكة للوقت لاختبار المتغيرات الفردية. يمكن لنماذج الذكاء الاصطناعي مثل AlphaGenome فحص آلاف المتغيرات حسابيًا، وتحديد الأولوية للمتغيرات التي تستحق المتابعة التجريبية.对于 تشخيص الأمراض النادرة، حيث غالبًا ما يحمل المرضى متغيرات جديدة ذات تأثيرات غير معروفة، يمكن لهذه القدرة تسريع المسار من التسلسل إلى التشخيص.

قدرة النموذج على معالجة سياق مليون زوج قاعدي هي مهمة بشكل خاص. يمكن للعناصر التنظيمية للجينات أن توجد على بعد مئات الآلاف من الأزواج القاعدية من الجينات التي تتحكم فيها، والتواصل من خلال طي الحمض النووي المعقد ثلاثي الأبعاد. لم تتمكن النماذج السابقة ذات النوافذ السياقية الأقصر من التقاط هذه الاعتماديات على المدى الطويل.

ينضم AlphaGenome إلى مجموعة متزايدة من أدوات الذكاء الاصطناعي التي تحول أبحاث البيولوجيا. يصبح تنبؤ هيكل البروتين واكتشاف الأدوية والتنظيم الجيني الآن مشكلات قابلة للتسوية بواسطة التعلم الآلي.对于 مجتمع أبحاث الجينات، تُعد إتاحة هذه النماذج مفتوحة المصدر تمكينًا للوصول إلى القدرات الحاسوبية التي كانت مقتصرة في السابق على مختبرات ذات تمويل جيد.

تظهر أيضًا حدود النموذج من العرض الذي قدمته ديب مايند. في حين يتفوق AlphaGenome في توقع القياسات التجريبية، يتطلب ترجمة تلك التنبؤات إلى نتائج سريرية التحقق من الصحة الإضافي. يبقى الفجوة بين توقع إمكانية الوصول إلى الكروماتين وتنبؤ مخاطر الأمراض كبيرة.

للحال، يخدم AlphaGenome كأداة بحث – واحدة يمكن أن تسريع فهم كيفية عمل الجينوم، حتى لو ظلت التطبيقات السريرية بعيدة بعد سنوات. يشير استخدام 3000 عالم عبر 160 دولة للنموذج إلى أن مجتمع البحث يرى قيمة فورية في ما بنته ديب مايند.