Google DeepMind'ın AlphaGenome 2'si DNA varyantlarının bireysel hücre türlerini nasıl etkilediğini öngörüyor

Genoma daha keskin bir bakış

Google DeepMind, DNA'daki değişimlerin farklı hücre türlerinde nasıl sonuçlar doğurduğunu öngörmek üzere tasarlanmış AlphaGenome 2 adlı yapay zeka modelini yayımladı; şirket bu yeteneğin, daha kaba modellerin gözünden kaçan hastalık ipuçlarını ortaya çıkarabileceğini söylüyor. The Verge'in haberine göre model, DeepMind'ın geçen yıl yayımladığı önceki genom öngörü sistemi AlphaGenome'un yerini alıyor.

Modelin hedef aldığı biyolojik sorun inceliklidir. Vücuttaki neredeyse her hücre aynı DNA'yı taşır; ancak bir kalp kası hücresi, bir deri hücresi ve bir bağışıklık hücresi çok farklı davranır, çünkü her biri farklı gen kümelerini açıp kapatır ve bu desenler hücrenin o an ne yaptığına göre değişir. Dolayısıyla tek bir genetik varyant, söz konusu hücreye bağlı olarak birbirinden çok farklı sonuçlar doğurabilir. AlphaGenome 2, bu değişkenliği doğrudan modellemek üzere tasarlanmıştır ve bir varyantın etkilerini dokular genelinde ortalamak yerine bireysel hücre türleri ve hücre durumları düzeyinde öngörür.

Tek hücre ölçeğinde eğitim

The Verge'e göre DeepMind, bu çözünürlüğe ulaşmak için modeli 68 dokuya yayılan 100 milyondan fazla bireysel hücre profili üzerinde eğitti. Şirket bu sonucu, statik hücre atlaslarını — bireysel hücreleri kataloglayan devasa referans veri kümelerini — insana dair genetik için öngörüsel bir araca dönüştürmek olarak tanımlıyor. DeepMind, yeni modelin önceki en gelişmiş sistemine kıyasla gen ifadesini değiştirebilen varyantların neredeyse iki katını tespit ettiğini iddia ediyor.

İki yetenek daha öne çıkıyor. Araştırmacılar AlphaGenome 2'nin, yeniden eğitilmeye gerek olmadan eğitim sırasında hiç görmediği hücre türlerine ve biyolojik durumlara genellenebildiğini bildiriyor. Model ayrıca mevcut deneysel verilerdeki boşlukları işaretleyebiliyor; bu da bilim insanlarının laboratuvarda bundan sonra neyi çalışacaklarına karar vermelerine yardımcı olabilir.

İlaç geliştirmeye yönelik bir araç

Projede yer alan DeepMind çalışanları tıbbi getiriyi vurguladı. DeepMind'da araştırma bilimcisi olan Adam Gayoso, The Verge'e yaptığı açıklamada temel ilerlemenin insan genetiğini hücre biyolojisiyle birbirine bağlamak olduğunu söyledi: araştırmacılar, büyük popülasyon çalışmalarında işaretlenen varyantları alıp bunların belirli hücrelerin içinde gerçekte ne yaptığını inceleyebiliyor ve bu etkileri hastalıkla ilişkilendirebiliyor. DeepMind'da genomik ekibini yöneten Žiga Avsec ise ilaç geliştirmenin belirli hücre türlerindeki belirli proteinleri hedeflediğini, bu yüzden hedef belirli bir hastalığı tedavi etmek olduğunda bu düzeydeki detayın önemli olduğunu belirtti.

Avsec'e göre böyle bir modeli kurmak ancak yakın zamanda mümkün oldu, çünkü tek hücre teknolojileri artık hücreleri ve durumlarını yüksek çözünürlükte yakalayabiliyor ve eğitim için gereken büyük veri kümelerini üretebiliyor.

Maliyet ve erişilebilirlik

AlphaGenome 2, selefini emekliye ayırmıyor. Avsec, The Verge'e daha ince taneli öngörülerin hesaplama açısından daha maliyetli olduğunu, bu nedenle DeepMind'ın Eylül'de yayımladığı ve insan DNA'sındaki olası her tek harfli değişimi kapsayan genom çapındaki atlası oluştururken önceki modele dayandığını söyledi. Google, AlphaGenome 2'yi duyuru tarihi itibarıyla AlphaGenome API üzerinden ticari olmayan araştırmalar için erişime açıyor; ticari araştırmalar için ise sınırlı bir özel önizleme sunuluyor.

Neden önemli

Popülasyon çalışmalarında hastalıkla ilişkilendirilen genetik varyantların çoğu, mekanizma konusunda pek açıklama sunmuyor: varyant hangi dokuda, hangi hücrede, hücrenin yaşamındaki hangi anda zararını veriyor? Bireysel hücre türleri düzeyinde varyant etkilerini öngören bir model, araştırmacılara ipuçlarını önceliklendirme, daha keskin deneyler tasarlama ve nihayetinde ilaç hedeflerini daha fazla kanıtla gerekçelendirme imkânı veriyor. Daha uzun vadeli hedefler daha da büyük: Avsec, gelecekteki modellerin biyolojiye daha geniş bir bakış için birden çok tür üzerinde eğitilebileceğini ve AlphaGenome 2 gibi sistemlerin canlı hücrelerin dijital simülasyonlarına beslenebileceğini öne sürdü. Bu yayım, yapay zeka laboratuvarlarının bilimsel sorunlara saldırdığı daha geniş bir yarışa da uyuyor; The Verge bu bağlamda Anthropic'in ilaç tasarımı deneylerine ve ıslak laboratuvarına, OpenAI'nin matematikteki sonuçlarına ve DeepMind'ın İngiltere'de planladığı otomatik malzeme bilimi laboratuvarına işaret ediyor.