قدم باحثون من جوجل ديب مايند AlphaGenome 2، وهو نموذج للذكاء الاصطناعي مصمم لفهم كيف تؤثر التغيرات في الحمض النووي على عمل أنواع مختلفة من الخلايا. تُعتبر هذه المشكلة صعبة للغاية، وقد تساعد في تحديد أسباب بعض الأمراض وتوجيه علاجات جديدة.
يأتي AlphaGenome 2 خلفًا لـ AlphaGenome، وهو نموذج للتنبؤ الجينومي كان ديب مايند قد نشره سابقًا. تحتوي جميع خلايا الجسم البشري تقريبًا على نفس الحمض النووي، لكن وظائفها تختلف: فخلية عضلة القلب، وخلية الجلد، والخلية المناعية التي تكافح العدوى لا تنشط الجينات نفسها. كما تختلف أنماط التنشيط هذه حسب ما تفعله الخلية في لحظة معينة. لذلك، يمكن أن يكون لنفس المتغير الجيني، أي تغيير في حرف واحد من الحمض النووي، تأثيرات مختلفة جدًا حسب نوع الخلية وحالتها.
نموذج مُدرَّب على ملايين الملفات الخلوية
صُمم النموذج الجديد للتنبؤ بتأثيرات هذه المتغيرات على أنواع وحالات خلوية محددة. وفقًا لجوجل، فإنه يوفر رؤية أكثر دقة بكثير من النماذج الأكثر عمومية مثل AlphaGenome، ويمكنه إبراز تأثيرات مرتبطة بمرض في خلايا محددة، ربما كانت ستُغفل.
تم تدريب AlphaGenome 2 على أكثر من 100 مليون ملف خلوي فردي، تغطي 68 نسيجًا. تؤكد ديب مايند أن النموذج يحول الأطلس الخلوي الثابت، وهي قواعد بيانات ضخمة تسجل الخلايا بالتفصيل، إلى «محرك تنبؤي للوراثة البشرية». وفقًا للشركة، يحدد AlphaGenome 2 ما يقرب من ضعف عدد المتغيرات القادرة على تغيير التعبير الجيني في الخلايا مقارنة بسابقه، الذي يُوصف بأنه النموذج المرجعي الأفضل في المجال.
كما لاحظ الباحثون أن النموذج يمكنه إجراء تنبؤات حول أنواع خلايا جديدة وحالات بيولوجية جديدة دون الحاجة إلى إعادة تدريبه. ويمكنه أيضًا تحديد الثغرات في البيانات التجريبية، مما قد يساعد العلماء في اختيار ما سيدرسونه بعد ذلك في المختبر.
يعتقد آدم غايوسو، عالم الأبحاث في جوجل ديب مايند والمشارك في المشروع، أن التقدم الكبير يكمن في «ربط الوراثة البشرية بعلم الأحياء الخلوي». وقال لـ The Verge إن النموذج يسمح بفحص المتغيرات المكتشفة في مجموعات سكانية كبيرة ومعرفة تأثيراتها على المستوى الخلوي، قبل ربطها محتملاً بمرض ما.
من جهته، يؤكد زيغا أفسيك، رئيس قسم الجينوميات في جوجل ديب مايند، على أهمية هذه الدقة في البحث عن العلاجات. «عند تطوير الأدوية، نستهدف بروتينات وأنواعًا خلوية محددة»، كما يوضح. وأشار إلى أن نماذج كهذه لم تصبح ممكنة إلا مؤخرًا، بفضل التقنيات القادرة على التقاط الخلايا الفردية وحالاتها بدقة عالية. تعمل ديب مايند الآن على توليد المزيد من البيانات، بما في ذلك للحالات الخلوية التي لا تزال ممثلة تمثيلاً ناقصًا. وقد تُدرَّب النسخ المستقبلية أيضًا على بيانات «عبر أنواع متعددة». على المدى البعيد، يمكن أن تغذي هذه النماذج الجهود الرامية إلى إنشاء خلايا افتراضية، وهي محاكيات رقمية تهدف إلى استنساخ الأنظمة البيولوجية.
وفقًا لأفسيك، لا يُتوقع أن يحل AlphaGenome 2 محل سابقه بسرعة. فتنبؤاته الأكثر تفصيلاً تتطلب تكلفة حسابية أعلى وهي «أكثر تكلفة» في الإنتاج. يجعل هذا القيد استخدامه غير عملي لتوليد الأطلس على مستوى الجينوم الذي نشره ديب مايند في سبتمبر، والذي يغطي «كل تغيير محتمل لحرف واحد في الحمض النووي البشري».
تشير جوجل إلى أن AlphaGenome 2 متاح للبحث غير التجاري عبر واجهة برمجة تطبيقات AlphaGenome، وهي واجهة تتيح للمطورين الوصول إلى النموذج. ومن المقرر توفير وصول محدود، في «عرض خاص»، للبحث التجاري.
يأتي هذا النموذج في إطار سلسلة من الجهود التي تبذلها جوجو ومختبرات الذكاء الاصطناعي الأخرى لمعالجة مشاكل رئيسية في العلوم والطب. وقد ألمح بوشميت كوهلي، رئيس أبحاث الذكاء الاصطناعي للعلوم في ديب مايند، إلى أن نتائج علمية أخرى ستتبع. من ناحيته، يجرب أنثروبيك تصميم الأدوية ووفر لكلود مختبرًا رطبًا، بينما حلّت OpenAI عددًا كبيرًا من المشكلات طويلة الأمد في الرياضيات والمجالات ذات الصلة.
