Google DeepMind აგრძელებს ბიოლოგიური მეცნიერებების რევოლუციას და კაცობრიობის ისტორიაში ერთ-ერთ ყველაზე ამბიციურ პროექტს ეჭიდება. მას შემდეგ, რაც კომპანიამ AlphaFold-ით სამუდამოდ შეცვალა ცილების სტრუქტურის გაგება და ბიოლოგიის 50-წლიანი პრობლემა გადაჭრა, ახლა ჯერი სიცოცხლის ფუნდამენტურ საწყისზე — დნმ-ზე მიდგა. ახლახანს კომპანიამ წარმოადგინა გარღვევის ტოლფასი მოდელი — AlphaGenome. ეს არის ხელოვნური ინტელექტის სისტემა, რომელიც მეცნიერებს ეხმარება არა მხოლოდ წაიკითხონ ჩვენი გენეტიკური კოდი, არამედ იწინასწარმეტყველონ, თუ რა კონკრეტული მოლეკულური გავლენა ექნება თითოეულ გენეტიკურ ცვლილებას ცოცხალ ორგანიზმზე. თუ AlphaFold იყო ცილების “არქიტექტორი”, AlphaGenome არის სიცოცხლის “მთავარი ინჟინერი”, რომელსაც შეუძლია კოდში არსებული უმცირესი ხარვეზების ეფექტის პროგნოზირება.
რატომ არის AlphaGenome საჭირო? “გენომის ბნელი მატერიის” პრობლემა
თანამედროვე გენეტიკის ერთ-ერთი ყველაზე დიდი და გადაუჭრელი გამოწვევა მონაცემთა ინტერპრეტაციაა. ადამიანის გენომი შეიცავს დაახლოებით 3 მილიარდ წყვილ ფუძეს (“ასოს”). თითოეულ ადამიანს აქვს მილიონობით ვარიაცია, რომელიც მას სხვებისგან განასხვავებს. აქამდე მეცნიერების ყურადღება ძირითადად მიპყრობილი იყო გენომის იმ 1-2%-ზე, რომელიც ცილებს აკოდირებს (ეგზომი). თუმცა, დანარჩენი 98% დიდი ხნის განმავლობაში მიიჩნეოდა “ნაგავ დნმ-ად” (Junk DNA). დღეს ვიცით, რომ ეს ტერმინი მცდარია — სინამდვილეში ეს არის მარეგულირებელი რეგიონები, რომლებიც განსაზღვრავენ, როდის და სად უნდა ჩაირთოს ესა თუ ის გენი. AlphaGenome-ის მთავარი სიძლიერე სწორედ აქ ვლინდება. განსხვავებით წინა მოდელებისგან, ის აანალიზებს მთლიან გენომს, მათ შორის ამ “ბნელ მატერიას”, და შეუძლია იწინასწარმეტყველოს, როგორ შეცვლის არაკოდირებად ნაწილში მომხდარი მუტაცია გენის ექსპრესიას.
განსხვავება AlphaFold-სა და AlphaMissense-ს შორის
მნიშვნელოვანია გავავლოთ მკაფიო ზღვარი DeepMind-ის წინა მიღწევებსა და ახალ მოდელს შორის, რათა თავიდან ავიცილოთ ფაქტობრივი აღრევა და გავიგოთ პროგრესის მასშტაბი. AlphaFold ფოკუსირებული იყო ცილების სამგანზომილებიან სტრუქტურაზე — ანუ იმაზე, თუ როგორ იკეცება ამინომჟავების ჯაჭვი სივრცეში. მოგვიანებით გამოსული AlphaMissense ფოკუსირებული იყო კონკრეტულად “მისენს” მუტაციებზე (როცა ერთი ამინომჟავა იცვლება ცილაში) და ადგენდა, არის თუ არა ეს ცვლილება პათოგენური. AlphaGenome კი უფრო ფართო მასშტაბის, ყოვლისმომცველი მოდელია. ის არ იზღუდება მხოლოდ ცილებით; ის მუშაობს გენური რეგულაციის დონეზე. მას შეუძლია გაიგოს, როგორ მოქმედებს დნმ-ის შეფუთვა (ქრომატინის სტრუქტურა) და სხვა ეპიგენეტიკური ფაქტორები უჯრედის ჯანმრთელობაზე.
როგორ მუშაობს “მოლეკულური ეფექტის” პროგნოზირება?
AlphaGenome-ის მუშაობის პრინციპი ეფუძნება ტრანსფორმერების არქიტექტურას (იგივე ტექნოლოგიას, რაც ChatGPT-ს უდევს საფუძვლად), რომელიც გაწვრთნილია ევოლუციური ბიოლოგიის მონაცემებზე. სისტემამ შეისწავლა მილიონობით სხვადასხვა სახეობის ორგანიზმის გენომი და ისწავლა “ბიოლოგიის ენა”. მან იცის, თუ რომელი გენეტიკური თანმიმდევრობებია “კონსერვატიული” — ანუ უცვლელი მილიონობით წლის განმავლობაში. თუ AlphaGenome ხედავს ცვლილებას ისეთ ადგილას, რომელიც ევოლუციურად ხელუხლებელი უნდა იყოს (თუნდაც ეს არაკოდირებად ნაწილში იყოს), ის ასკვნის, რომ ამ ცვლილებას სავარაუდოდ ნეგატიური მოლეკულური ეფექტი ექნება. სისტემა აგენერირებს არა უბრალოდ სტატისტიკურ ალბათობას, არამედ პროგნოზირებს კონკრეტულ მოლეკულურ შედეგს: მაგალითად, შემცირდება თუ არა კონკრეტული ცილის წარმოება ან დაირღვევა თუ არა რნმ-ის სპლაისინგი.
რევოლუცია იშვიათი დაავადებების დიაგნოსტიკაში
AlphaGenome-ის პრაქტიკული გამოყენება უკვე რადიკალურად ცვლის კლინიკურ რეალობას, განსაკუთრებით იშვიათი გენეტიკური დაავადებების მქონე პაციენტებისთვის. ხშირად ხდება, რომ პაციენტს აქვს მძიმე სიმპტომები, მაგრამ სტანდარტული გენეტიკური ტესტი (რომელიც მხოლოდ ეგზომს ამოწმებს) ვერ პოულობს დარღვევას. ექიმები ხედავენ ე.წ. “გაურკვეველი მნიშვნელობის ვარიანტებს” (VUS) და ვერ ადგენენ დიაგნოზს. AlphaGenome მოქმედებს როგორც სუპერ-დიაგნოსტიკოსი: ის აანალიზებს ამ გაურკვეველ ვარიანტებს და ადგენს მიზეზ-შედეგობრივ კავშირს. ის ეხმარება მეცნიერებს დაინახონ, რომ ერთი შეხედვით უწყინარი ცვლილება დნმ-ის “უდაბნოში” სინამდვილეში თიშავს სასიცოცხლოდ მნიშვნელოვან გენს.
გავლენა ფარმაცევტიკასა და გენურ თერაპიაზე
ახალი მოდელი ასევე კრიტიკულ როლს თამაშობს მედიკამენტების შექმნისა და გენური ინჟინერიის პროცესში. როდესაც ფარმაცევტული კომპანიები ქმნიან ახალ წამალს, მათ უნდა იცოდნენ ზუსტი სამიზნე. AlphaGenome ეხმარება მათ გამოყონ დაავადების რეალური გამომწვევი (“Driver”) მუტაციები თანმხლები, უვნებელი (“Passenger”) მუტაციებისგან. გარდა ამისა, CRISPR-ისა და სხვა გენური რედაქტირების ტექნოლოგიების ეპოქაში უსაფრთხოება უპირველესია. სანამ მეცნიერები შეცვლიან პაციენტის დნმ-ს, AlphaGenome-ს შეუძლია სიმულაციის რეჟიმში აჩვენოს, რა მოხდება შედეგად — გამოიწვევს თუ არა ეს ჩარევა არასასურველ ეფექტებს გენომის სხვა ნაწილებში. ეს ამცირებს კლინიკური კვლევების რისკებს და აჩქარებს უსაფრთხო თერაპიების დანერგვას.
ციფრული ბიოლოგიის ახალი ჰორიზონტი
Google DeepMind-ის AlphaGenome არის მკაფიო განაცხადი იმაზე, რომ ბიოლოგია საბოლოოდ გარდაიქმნა ინფორმაციულ მეცნიერებად. ეს მოდელი არ ანაცვლებს ლაბორატორიულ ექსპერიმენტებს, მაგრამ ის მათ ბევრად უფრო მიზანმიმართულს და ეფექტურს ხდის. ჩვენ შევდივართ ეპოქაში, სადაც ადამიანის გენომის წაკითხვა საკმარისი აღარ არის; AlphaGenome გვაძლევს ინსტრუმენტს, რომ ეს წაკითხული ტექსტი გავიგოთ და, საჭიროების შემთხვევაში, გავასწოროთ კიდეც.