Google DeepMind представила ИИ-модель, которая точнее предсказывает влияние мутаций на клетки и может помочь в разработке новых методов лечения

Исследователи Google DeepMind представили новую модель искусственного интеллекта, которая помогает понять, как изменения в ДНК влияют на разные типы клеток. Разработка позволяет ученым гораздо детальнее изучать одну из самых сложных задач современной биологии — и, возможно, приблизиться к пониманию причин заболеваний и созданию новых методов их лечения.

AlphaGenome 2 — преемница модели AlphaGenome, представленной DeepMind в прошлом году. Несмотря на то что практически все клетки человеческого организма содержат одну и ту же ДНК, ведут они себя по-разному. В клетках сердечной мышцы, кожи и иммунной системы активируются разные гены, а другие, напротив, остаются выключенными. Причем эта активность может меняться в зависимости от того, чем именно занята клетка в данный момент.

Поэтому один и тот же генетический вариант способен оказывать совершенно разное воздействие — в зависимости от типа клетки и ее текущего состояния.

Новая модель призвана учитывать эти различия. Она прогнозирует, как генетические варианты влияют на конкретные типы клеток и их состояния. Как сообщила Google в опубликованной в среду статье в корпоративном блоге, AlphaGenome 2 обеспечивает значительно более детальный анализ по сравнению с моделями общего назначения, включая первую версию AlphaGenome. Благодаря этому она может выявлять связанные с заболеваниями эффекты, которые проявляются лишь в определенных клетках и в противном случае могли бы остаться незамеченными.

Чтобы добиться такой точности, AlphaGenome 2 обучали на более чем 100 миллионах индивидуальных клеточных профилей, охватывающих 68 типов тканей. В DeepMind считают, что модель фактически превращает статичные клеточные атласы — масштабные базы данных, в которых подробно описаны и систематизированы отдельные клетки, — «в инструмент прогнозирования для генетики человека».

По данным компании, AlphaGenome 2 выявляет почти вдвое больше генетических вариантов, способных изменять активность генов в клетках, чем предыдущая модель, считавшаяся лучшей в своем классе.

Примечательно, что модель умеет делать прогнозы и для новых типов клеток и биологических состояний, даже если специально дообучать ее на соответствующих данных не требуется. Кроме того, она способна обнаруживать пробелы в экспериментальных данных. Это может помочь ученым определить, какие вопросы стоит исследовать в лаборатории в первую очередь.

Адам Гайосо (Adam Gayoso), научный сотрудник Google DeepMind, участвовавший в разработке проекта, считает главным достижением AlphaGenome 2 возможность «связать генетику человека с клеточной биологией».

Он рассказал, что модель позволяет исследователям детально изучать генетические варианты, выявленные в масштабных популяционных исследованиях, и выяснять, как именно они воздействуют на клетки. В перспективе это поможет установить связь между конкретными клеточными изменениями и развитием заболеваний.

Руководитель направления геномики Google DeepMind Жига Авсек (Žiga Avsec) также подчеркнул, насколько важна такая точность, если задача заключается, например, в поиске способа лечения определенного заболевания.

«Когда вы разрабатываете лекарства, то воздействуете на конкретные белки и определенные типы клеток», — объяснил он. Именно поэтому возможность анализировать биологические процессы на столь детальном уровне имеет принципиальное значение.

По словам Авсека, создать модель вроде AlphaGenome 2 стало возможным лишь недавно. Этому способствовало появление новых технологий, позволяющих с высокой точностью изучать отдельные клетки и их состояния, а также собирать огромные массивы данных, необходимые для обучения ИИ.

Сейчас DeepMind работает над совершенствованием своих генетических моделей и планирует расширять обучающие наборы данных. В частности, компания намерена уделить больше внимания состояниям клеток, которые пока недостаточно представлены в существующих исследованиях.

В будущем, по словам Авсека, новые версии моделей могут обучаться на данных «сразу нескольких видов», что позволит получить более широкое представление о биологических процессах. В долгосрочной перспективе разработки вроде AlphaGenome 2 могут стать частью проектов по созданию так называемых «виртуальных клеток» — цифровых моделей, способных имитировать работу биологических систем.

При этом, хотя Авсек рассматривает AlphaGenome 2 как преемницу первой AlphaGenome, полностью заменять предшественницу новая модель пока не будет. Более детальные прогнозы требуют значительно больших вычислительных ресурсов и обходятся дороже.

Поэтому использовать AlphaGenome 2 для создания масштабного геномного атласа, охватывающего «все возможные изменения отдельных букв ДНК во всем геноме человека», было бы слишком затратно. Именно такой атлас DeepMind представила в сентябре.

Google уже открыла доступ к AlphaGenome 2 для некоммерческих научных исследований через API AlphaGenome. Для коммерческих исследований предусмотрен ограниченный режим предварительного доступа (private preview).

Новая модель стала очередным примером того, как Google и конкурирующие ИИ-компании пытаются использовать искусственный интеллект для решения фундаментальных задач науки и медицины.

Пушмит Кохли (Pushmeet Kohli), возглавляющий в DeepMind направление исследований на стыке ИИ и науки, уже намекнул, что впереди могут появиться еще более впечатляющие научные результаты. Кроме того, в ближайшее время организация, как ожидается, откроет в Великобритании автоматизированную лабораторию для исследований в области материаловедения.

Anthropic тем временем экспериментирует с применением ИИ для разработки лекарств и создания новых молекул, а также предоставила своей модели Claude доступ к полноценной биологической лаборатории.

OpenAI, в свою очередь, добилась заметных успехов в решении целого ряда давних и сложных задач в математике и смежных областях — от фундаментальных математических проблем до вопросов на стыке математики, информатики и физики.

Похоже, искусственный интеллект постепенно превращается не просто в инструмент для обработки научных данных, а в полноценного участника исследовательского процесса. И генетика — одна из областей, где его возможности могут оказаться особенно значимыми.

Источник: The Verge

AI News

Статьи и новости о нейросетях и искусственном интеллекте, просто и понятно о сложных технологиях. Освещает современные тенденции, объясняет, как работают ИИ-системы, и показывает, каким образом нейросети меняют различные сферы жизни. Регулярно собирает подборки и топы полезных нейросетей, тщательно отбирая актуальные инструменты и сервисы, которые могут существенно упростить рабочие и повседневные задачи. В своих подборках делится описаниями возможностей каждой нейросети, а также рекомендациями по их применению, чтобы помочь читателям быстро разобраться в новых технологиях и использовать их с максимальной пользой.

Социальные сети автора: