Google DeepMind揭示了Alphagenome，這是一種強大的新AI模型，旨在解釋人類遺傳代碼並預測DNA變異的功能後果。遵循其諾貝爾獎獲獎的Alphafold系統的腳步，字母組標誌著該公司雄心勃勃的策略的重大進步，將AI應用於基本科學挑戰的雄心勃勃的策略中，旨在顯著加速生物學研究和對疾病的理解。
新系統使科學家能夠實現對DNA的微小變化的工具，可以使DNA效果觸發特定型Morec的工具。根據 MIT技術評論中的一份報告，Deepmind vernection teepmind of Research in persection tocription intription tocription toppers interife第一次單框架。 This could help researchers finally make sense of the 98% of human genetic variation that is non-coding and has remained largely inscrutable.
However, Google was quick to manage expectations, 澄清該工具不是為個人基因組預測而設計的。該公司表示，字母組合是一種研究工具，旨在提供有關分子細節的線索，而不是對個人特徵進行23和2的預測。
科學藍圖的AI
釋放字母組合是Google Deepmind的明確“科學”計劃中的最新支柱。這項工作遵循高知名模型的清晰模式，每種都針對一個獨特的科學域。慶祝Alphafold 3用於蛋白質相互作用的開源。這些工具共同展示了一種一致的策略:創建功能強大的特定領域的AI，可以解析龐大的組合空間以找到新穎的解決方案並加速發現。
alphagenome deciphers code
在其核心，AlphageNome的核心，Alphagenome固定的技術限制以前的模型。根據主要的研究論文，該模型可以一次性地處理一個巨大的單egabase-long dna序列，從而可以預測千分之一的水平，從而使其能夠構成千分之一的水平，從而構成了群眾的形式-群眾的群體-群眾-群眾-群眾的群體-群眾-單元格-單基對分辨率。
該模型的體系結構建立在基於復雜的變壓器系統的基礎上，並且其最終版本是使用稱為“蒸餾”的技術磨練的，如Google Research Blog文章中所詳細介紹。該過程涉及培訓單個“學生”模型，以重現64個獨立訓練的“老師”模型的大合奏的合併知識，這種方法可顯著提高魯棒性。對於研究人員而言，該模型將通過一個在線api ，帶有也在GitHub上提供。
從虛擬實驗室到現實世界的治療
admagenome的直接影響將被研究人員感受到疾病基因根的研究人員。 Caleb Lareau是紀念Sloan Kettering癌症中心的一名計算生物學家，他早期進入，
這一挑戰突出了DeepMind作品背後的宏偉野心。在A 最近的訪談，首席執行官Demis Hassabis詳細闡述了他創建一個“虛擬細胞”的願景，他將其描述為“數字化twin of Biology”。他解釋說，最終目標是超越簡單的預測，以進行全面模擬。 “虛擬細胞是巨大的挑戰之一。這是關於從預測到真正的理解和模擬。想像一下能夠對單元的整個生命週期建模，引入突變並觀察發生的事情。這就是驅動我們的夢想。 ”
>
。”