Google Deepmind zaprezentował alfagenom, potężny nowy model AI zaprojektowany do interpretacji ludzkiego kodu genetycznego i przewidywania funkcjonalnych konsekwencji zmian DNA. Podążając śladami swojego systemu alfafoldów Nagrody Nobla, Alphagenome oznacza znaczny postęp w ambitnej strategii firmy w zakresie stosowania AI do podstawowych wyzwań naukowych, mając na celu radykalne przyspieszenie badań biologicznych i zrozumienia choroby.
Nowy system daje naukowcom narzędzie do praktycznie sprawdzania, w jaki sposób niewielkie zmiany w DNA może uczynić specyficzne badania biologiczne. Według Raport w recenzji technologii MIT , wiceprezes deepmindindy, pushmeet kohli, wspomniał Model wiele innych genów genów. ramy po raz pierwszy. Może to pomóc badaczom w końcu zrozumieć 98% ludzkiej zmienności genetycznej, która nie jest kodującą i pozostała w dużej mierze nieodgadniona.
Jednak Google szybko zarządzał oczekiwaniami, Wyjaśnienie że narzędzie nie jest przeznaczone do prognozowania genomu osobistego. Firma stwierdziła, że alfagenom jest instrumentem badawczym przeznaczonym na wskazówki na temat szczegółów molekularnych, a nie prognozy w stylu 23andme na temat cech jednostki.
Wydanie alfagenomu jest najnowszym filarem w wyraźnej inicjatywie „AI for Science” Google Deepmind. Wysiłek to wynika z wyraźnego wzorca głośnych ogłoszeń modeli, każde ukierunkowane na odrębne dziedzinę naukową. Portfolio obejmuje gnome. Open-sourcing alfafold 3 dla interakcji białkowych. Razem narzędzia te pokazują spójną strategię: tworzenie potężnej, specyficznej dla domeny sztucznej inteligencji, która może przeanalizować rozległe przestrzenie kombinatoryczne w celu znalezienia nowych rozwiązań i przyspieszenia odkrycia. U jego rdzenia, alfagenomu kluczowe ograniczenia techniczne, które ograniczyły poprzednie modele. Zgodnie z podstawową dokument badawczy , model przetwarza rozległą jedną megabasową sekwencję DNA na raz, co pozwala mu przewidzieć tysiące molekularnych wyrażeń expression na tym, jak DNE w zakresie ekspresji DNA do DNA w zakresie DNA w opakowaniu DNA w opakowaniu DNA w opakowaniu DNA w opakowaniu na DNE w opakowaniu. Cell-wiele w rozdzielczości pojedynczej pary podstawowej. Architektura modelu jest zbudowana na wyrafinowanym systemie opartym na transformatorze, a jej ostateczna wersja została dopracowana przy użyciu techniki zwanej „destylacja”, jak szczegółowo opisano w poście na blogu Google Research. Proces ten polegał na szkoleniu pojedynczego modelu „studenckiego” w celu odtworzenia łącznej wiedzy o dużym zespole 64 niezależnie przeszkolonych modeli „nauczycieli”, co znacznie poprawia odporność. Dla badaczy model będzie dostępny do użytku niekomercyjnego za pośrednictwem API online z interpretacją wyjaśniono do MIT TECHNICHNIA TEGO SYSTEMIS THE STILSPO SUPES. Dobre pierwsze zgadnij, co będzie robił każdy wariant, gdy obserwujemy to u człowieka “. Może to być szczególnie przydatne w zawężeniu potencjalnych przyczyn rzadkich nowotworów i chorób genetycznych poprzez szybkie określenie, które z tysięcy wariantów są funkcjonalnie ważne. To wyzwanie podkreśla wielkie ambicje stojące za dziełem Deepmind. W niedawny wywiad , CEO Demis Hassabis opracował swoją wizję tworzenia „wirtualnej komórki”, którą opisał jako „cyfrową podwójną biologię”. Wyjaśnił, że ostatecznym celem jest wyjście poza prostą prognozę do symulacji na pełną skalę. „Komórka wirtualna jest jednym z wielkich wyzwań. Chodzi o przejście od przewidywania do prawdziwej zrozumienia i symulacji. Wyobraź sobie, że mogę modelować cały cykl życia komórki, wprowadzić mutację i obserwować, co się dzieje. To marzenie, które nas napędza.” “. Jak alfagenomu rozszyfrował kod
