Google DeepMind har avduket alfagenom, en kraftig ny AI-modell designet for å tolke den menneskelige genetiske koden og forutsi de funksjonelle konsekvensene av DNA-variasjoner. Følgende i fotsporene til det nobelprisvinnende Alphafold-systemet, markerer Alphagenome et betydelig fremskritt i selskapets ambisiøse strategi for å anvende AI på grunnleggende vitenskapelige utfordringer, som tar sikte på å dramatisk akselerere biologisk forskning og forståelsen av sykdom.
Det nye systemet gir forskere et verktøy for å først teste hvordan små endringer i DNA kan tren trigg. I følge , DeepMind’s Vice President of Research, Pushm, PredthM, Preditics, Preditics, Preditics, Preditics, Preditics, Preditics, Preditics, Preditics, Preditics, Preditics, Preditics, Preditics, Preditics, Preditics, Preditics, Preditict,. inn i et enkelt rammeverk for første gang. 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, Avklaring at verktøyet ikke er designet for Personal Genome Prediction. Selskapet uttalte at Alphagenome er et forskningsinstrument som er ment å gi ledetråder om molekylære detaljer, ikke å lage 23andme-stil spådommer om individets egenskap AI for Science Blueprint
Utgivelsen av Alphagenome er den siste søylen i Google DeepMinds eksplisitte ‘AI for Science’-initiativ. Denne innsatsen følger et klart mønster av high-profile-modell kunngjøringer, hvert mål å rangere og oppdage nytt for å få en distinkt vitenskapelig domene.
Hvordan alfagenom dechiphers koden
forskningspapir , som modellen behandler en enorm ut-outcom-opsjon på en enorm Cell-mange ved enkeltbasel-paroppløsning.
Modellens arkitektur er bygget på et sofistikert transformatorbasert system, og den endelige versjonen ble slått sammen med en teknikk kalt ‘Destillation’, som beskrevet i et Google Research-blogginnlegg. Denne prosessen innebar å trene en enkelt ‘student’ modell for å reprodusere den kombinerte kunnskapen om et stort ensemble på 64 uavhengig trente ‘lærer’ modeller, en metode som forbedrer robustheten betydelig. For forskere vil modellen være tilgjengelig for ikke-kommersiell bruk gjennom en online api Også gitt på Github.
fra virtuelle laboratorier til den virkelige verdenskurer
Den umiddelbare effekten av alfagenom vil bli følt av forskere som jobber for å forstå de genetiske røttene til sykdom. Caleb Lareau, en beregningsbiolog ved Memorial Sloan Kettering Cancer Center som hadde tidlig tilgang, Nylig intervju , utdypet administrerende direktør Demis Hassabis sin visjon om å lage en”virtuell celle”, som han beskrev som en”digital tvilling”av biologien. Det endelige målet, forklarte han, er å gå utover enkel spådom til simulering i full skala.”Den virtuelle cellen er en av de store utfordringene. Det handler om å gå fra prediksjon til ekte forståelse og simulering. Se for deg å kunne modellere hele livssyklusen til en celle, introdusere en mutasjon og se hva som skjer. Det er drømmen som driver oss.”