Google ДНҚ мутациясын алдын ала болжайтын жасанды интеллектіні таныстырды

Жаңа модель ДНҚ-ның бір миллион «әрпін» бір мезетте талдай алады.

Google ДНҚ мутациясын алдын ала болжайтын жасанды интеллектіні таныстырды
SMARTNEWS.KZ коллажы

SMARTNEWS.KZ басылымының хабарлауынша, Google DeepMind компаниясы ДНҚ-ны «оқып», мутациялардың ықтимал салдарын алдын ала болжай алатын жаңа жасанды интеллект құралын — AlphaGenome моделін таныстырды. Жаңа жүйе ғалымдарға геномның қалай жұмыс істейтінін тереңірек түсінуге және күрделі аурулардың биологиялық тетіктерін ашуға жол ашуы мүмкін.

Адам ДНҚ-сы миллиондаған генетикалық «әріптердің» комбинациясынан тұрады. Сол тізбектегі болмашы ғана өзгерістің өзі жасушалардың жұмысын бұзып, қатерлі ісік секілді ауыр дерттерге әкелуі ықтимал.

AlphaGenome ұзын генетикалық тізбектерді талдап, белгілі бір бөліктердің қалай әрекет ететінін және мутациялар қандай биологиялық өзгерістерге соқтыруы мүмкін екенін болжайды.

Google DeepMind мәліметінше, бұл модель терең оқыту технологияларына негізделген және ДНҚ-ның жұмыс істеу логикасын түсіндіру үшін жасалған.

Компания өкілдері: «Біз AlphaGenome ғылыми қауымдастық үшін құнды ресурсқа айналып, геном функцияларын, ауру биологиясын тереңірек түсінуге және жаңа емдеу тәсілдерін әзірлеуге ықпал етеді деп сенеміз», — деп мәлімдеді.

AlphaGenome нені өзгертеді?

Жаңа модель бір мезетте ДНҚ-ның бір миллионға дейінгі «әрпін» бір әріптік дәлдікпен талдай алады. Бұған дейінгі жүйелер мұндай ауқымда және дәлдікте жұмыс істей алмаған.

ДНҚ төрт нуклеотидтен — A, C, G және T «әріптерінен» тұрады. Сол тізбек ағзаның барлық жасушасына арналған нұсқаулық қызметін атқарады.

Ғалымдардың дерегінше, адам ДНҚ-сының небәрі шамамен екі пайызы ғана ақуыздарды тікелей кодтайды. Қалған 98 пайызы ұзақ уақыт «пайдасыз ДНҚ» деп есептеліп келді.

Алайда кейін бұл бөліктің аса маңызды реттеуші рөл атқаратыны анықталды. Дәл осы аймақтар гендердің қашан, қай жерде және қаншалықты белсенді жұмыс істейтінін анықтайды, қоршаған орта сигналдарына жауап береді және РНҚ-ның «құрастырылу» үдерісіне әсер етеді.

Көп жағдайда ауруға әкелетін өзгерістер де осы реттеуші аймақтарда жасырын болады — олар ақуыздың өзін емес, гендердің белсенділігін өзгертеді.

AlphaGenome — дәл осы күрделі аймақтармен жүйелі түрде жұмыс істей алатын алғашқы терең оқыту моделдерінің бірі.

Практикада қалай қолданылды?

Зерттеушілер модельді жедел лейкоздың бір түріне қатысты тексеріп көрген. Бұл дерт кезінде иммундық жүйедегі Т-лимфоциттер бақылаусыз көбейеді.

Кейбір жағдайда ауруға әкелетін мутациялар ақуыздың құрылымын өзгертпейді, бірақ белгілі бір гендердің «қосылу» күшін немесе уақытын бұзады.

AlphaGenome қалыпты ДНҚ тізбегін мутацияланған нұсқасымен салыстырып, өзгеріс көрші гендердің белсенділігін күшейтуі мүмкін бе, соны болжаған.

Қазіргі кезде модель ғалымдарға тек коммерциялық емес ғылыми зерттеулер үшін тегін қолжетімді. Ол клиникалық мақсатта қолдануға арналмаған.

Ғылымға берер пайдасы қандай?

Зерттеушілердің айтуынша, AlphaGenome молекулалық биологияда «виртуалды зертхана» рөлін атқара алады. Яғни ғалымдар қымбат әрі ұзақ экспериментке кіріспей тұрып, гипотезаларын модельдеу арқылы тексере алады.

Биотехнология саласында ол гендік терапияларды әзірлеуге және нақты тіндерге бағытталған молекулаларды жетілдіруге көмектесуі мүмкін.

Фрэнсис Крик институтының геномика бөлімінің жетекшісі Роберт Голдстоун:
«AlphaGenome — геномдық жасанды интеллект саласындағы маңызды кезең. Оның ұсынатын дәлдігі бұл технологияны теориялық құралдан нақты зерттеу құралына айналдырады», — деп бағалады. Сонымен қатар ол: «AlphaGenome барлық биологиялық мәселелерді шешетін сиқырлы таяқ емес. Бірақ ол геномдағы статикалық кодты ғылыми жаңалықтарға жол ашатын түсінікті тілге айналдыратын сапалы негіз», — деді.

Алайда сарапшылар ескертеді: кез келген жасанды интеллект секілді AlphaGenome-ның нәтижесі де оны үйреткен деректердің сапасына тікелей тәуелді.

Wellcome Sanger институтының генеративті және синтетикалық геномика бағытының жетекшісі Бен Лёнер:

«Қазіргі биологиялық деректердің басым бөлігі жасанды интеллект үшін қолайсыз — жиынтықтар шағын әрі стандартталмаған. Ең үлкен сын-қатер — келесі буындағы модельдерге арналған сапалы деректер базасын қалыптастыру», — дейді.

Материал авторы