AlphaGenome 2: AI od DeepMindu predpovedá, ako zmeny v DNA ovplyvnia jednotlivé bunky
Nový model Google DeepMind odhaduje, ako drobné odchýlky v genetickej informácii zmenia správanie konkrétnych typov ľudských buniek. Výskumníci ho môžu na nekomerčný výskum používať zadarmo, na diagnostiku však nie je.
Každá bunka v našom tele nesie rovnakú DNA, no bunka srdcového svalu či imunitná bunka bojujúca s infekciou v nej „zapína“ a „vypína“ iné gény. Drobná odchýlka v DNA — často len jedno písmeno genetického kódu — preto môže v jednej bunke spôsobiť problém a v inej nič. Práve na to cieli AlphaGenome 2, ktorý Google DeepMind predstavil 11. novembra.
Od priemeru tkaniva k jednej bunke
Prvá verzia AlphaGenome z minulého roka predpovedala účinky genetických odchýlok v priemere za celé tkanivá. Nová verzia dostane spolu s úsekom DNA aj konkrétny „stav“ bunky — typ bunky z katalógu alebo dáta z vlastného experimentu výskumníka — a predpovedá, čo odchýlka urobí práve tam. Model sa učil na vyše 100 miliónoch profilov jednotlivých buniek zo 68 tkanív.
V teste na dátach z 28 typov imunitných buniek našiel podľa DeepMindu 30 % pravdepodobných príčinných odchýlok, kým predchádzajúci najlepší prístup 16 %. Zlepšil sa aj v odhade, či odchýlka činnosť génu zosilní alebo oslabí. Tieto čísla pochádzajú z testu samotného DeepMindu; nezávislé porovnania od iných tímov zatiaľ nie sú k dispozícii.
Kto ho môže používať
Model je dostupný cez rozhranie AlphaGenome API bezplatne na nekomerčný výskum a v obmedzenom režime pre firmy. Pracovať s ním teda môžu aj výskumné tímy na slovenských a českých univerzitách či v akadémiách vied, ktoré sa venujú genetike chorôb. DeepMind zároveň zdôrazňuje, že ide o výskumný nástroj, ktorý nie je overený ani schválený na klinické či diagnostické použitie. Ak by sa raz mal využívať pri liečbe pacientov v EÚ, musel by prejsť schvaľovaním ako zdravotnícka pomôcka a spĺňať aj prísnejšie pravidlá AI Actu pre vysokorizikové systémy.
Prečo je to dôležité
Väčšina genetických odchýlok spojených s chorobami neleží priamo v génoch, ale v úsekoch, ktoré riadia ich činnosť — a tie sa skúmajú veľmi ťažko. Nástroj, ktorý vie odhadnúť, ktoré z miliónov odchýlok stoja za pozornosť a v ktorých bunkách, môže výskumníkom ušetriť roky práce, napríklad pri vzácnych ochoreniach či pri vývoji liekov zameraných na konkrétny typ buniek. Predpovede modelu však nenahrádzajú laboratórne experimenty — pomáhajú vedcom vybrať, čo overiť najskôr.
Zdroje
- AlphaGenome 2: Deciphering how cells read DNA to better understand disease — Google DeepMind
- AlphaGenome 2: DeepMind’s DNA model finds nearly 2x more causal variants in cells — Interesting Engineering
Tento článok bol pripravený s pomocou umelej inteligencie a pred zverejnením ho skontrolovala redakcia.