Google DeepMind heeft alfagenoom onthuld, een krachtig nieuw AI-model dat is ontworpen om de menselijke genetische code te interpreteren en de functionele gevolgen van DNA-variaties te voorspellen. In de voetsporen van zijn Nobelprijswinnende Alphafold-systeem markeert alfagenoom een belangrijke vooruitgang in de ambitieuze strategie van het bedrijf om AI toe te passen op fundamentele wetenschappelijke uitdagingen, gericht op het dramatisch versnellen van biologisch onderzoek en het begrip van ziekte. Volgens Een rapport in MIT Technology Review , Deepmind’s vice-president van onderzoek, pushmeet koHli, zei het model vele verschillende genom. raamwerk voor het eerst. 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, clarifying that De tool is niet ontworpen voor persoonlijke genoomvoorspelling. Het bedrijf verklaarde dat alfagenoom een onderzoeksinstrument is dat bedoeld is om aanwijzingen te geven over moleculaire details, niet om 23andme-stijl voorspellingen te doen over de eigenschappen van een persoon.
voor Science Blueprint
voor Science Blueprint
voor Science Blueprint
voor Science Blueprint
De release van alfagenoom is de nieuwste pijler in Google Deepmind’s expliciete ‘AI for Science’ initiatief. van Alphafold 3 voor eiwitinteracties. Samen demonstreren deze tools een consistente strategie: het creëren van krachtige, domeinspecifieke AI die enorme combinatorische ruimtes kan parseren om nieuwe oplossingen te vinden en ontdekking te versnellen.
hoe alfagenoom de code ontcijfert
Bij de kern, alfenoom tackelt de belangrijkste technische modellen. Volgens de primaire onderzoekspaper , verwerkt het model een enorme one-megabase-long dNA-sequentie, waardoor het is om duizenden te voorspellen-Cel-veel bij een enkele basispaarresolutie.
De architectuur van het model is gebouwd op een geavanceerd transformator-gebaseerd systeem, en de definitieve versie werd verzoend met behulp van een techniek genaamd ‘Distillation’, zoals gedetailleerd in een Google-onderzoeksblogpost. Dit proces omvatte het trainen van een enkel’student’-model om de gecombineerde kennis van een groot ensemble van 64 onafhankelijk opgeleide ‘leraarmodellen’ te reproduceren, een methode die de robuustheid aanzienlijk verbetert. Voor onderzoekers zal het model beschikbaar zijn voor niet-commercieel gebruik via een online api , met een