Google Deepmind on paljastanut alfagenomin, voimakkaan uuden AI-mallin, joka on suunniteltu tulkitsemaan ihmisen geneettistä koodia ja ennustamaan DNA-variaatioiden toiminnallisia seurauksia. Nobel-palkittujen Alphafold-järjestelmän jalanjäljen seurauksena alfagenomi merkitsee merkittävää edistystä yrityksen kunnianhimoisessa strategiassa AI: n soveltamiseksi perustieteellisiin haasteisiin, joiden tavoitteena on dramaattisesti kiihdyttää biologista tutkimusta ja sairauden ymmärtämistä. MIT-teknologiakatsaus , Deepmindin varainhoitotutkimusten genomic Genomic Genomic Genomic-raportti. Kehys ensimmäistä kertaa. Tämä voisi auttaa tutkijoita lopulta ymmärtämään 98% ihmisen geneettisestä variaatiosta, joka ei ole koodaava ja joka on pysynyt suurelta osin käsittämättömänä. Target=”_ tyhjä”> selventämällä , että työkalua ei ole suunniteltu henkilökohtaiseen genomin ennustamiseen. Yhtiö totesi, että alfagenome on tutkimusväline, jonka tarkoituksena on antaa vihjeitä molekyylitiedoista, ei 23andMe-style-ennusteiden tekemistä yksilön piirteistä.
Mallin arkkitehtuuri on rakennettu hienostuneelle muuntajapohjaiselle järjestelmälle, ja sen lopullinen versio hiottiin käyttämällä tekniikkaa nimeltä’tislaus’, kuten Google Research Blog Post-tapahtumassa on yksityiskohtaisesti. Tämä prosessi sisälsi yhden’opiskelija’-mallin kouluttamisen 64 itsenäisesti koulutetun’opettaja’-mallin suuren ryhmän yhdistetyn tiedon toistamiseksi, menetelmä, joka parantaa merkittävästi kestävyyttä. Tutkijoille malli on saatavana ei-kaupalliseen käyttöön online-api , Toimitetaan myös GitHubissa. Caleb Lareau, Memorial Sloan Kettering-syöpäkeskuksen laskennallinen biologi, jolla oli varhainen pääsy,
Tämä haaste korostaa Deepmindin työn takana olevaa suurta kunnianhimoa. A äskettäinen haastattelu , toimitusjohtaja Demis Hassabis kehitti näkemyksensä”virtuaalikennon”luomisesta, jota hän kuvaili”biologian digitaaliseksi kaksoseksi”. Hän selitti, että perimmäinen tavoite on siirtyä yksinkertaisen ennusteen ulkopuolelle täysimittaiseen simulointiin.”Virtuaalisolu on yksi suurista haasteista. Kyse on siirtymisestä ennusteesta todelliseen ymmärrykseen ja simulointiin. Kuvittele, että pystyt mallintamaan solun koko elinkaaren, ottamaan käyttöön mutaation ja katsomaan mitä tapahtuu. Se on unelma, joka ajaa meidät.”
