AlphaGenome گوگل دیپ‌مایند: هوش مصنوعی متحول‌کننده درک DNA و کشف دارو

AlphaGenome: گامی بزرگ در شناخت ژنوم

مدل AlphaGenome به دانشمندان این امکان را می‌دهد تا دلایل افزایش خطر ابتلا به بیماری‌هایی نظیر فشار خون بالا، زوال عقل و چاقی را که ناشی از تفاوت‌های جزئی در DNA هستند، درک کنند. هرچند این مدل هنوز در مراحل اولیه توسعه قرار دارد، اما از آن به عنوان یک «دستاورد باورنکردنی» و «نقطه عطفی بزرگ» در علم یاد می‌شود.

ژنوم انسان از سه میلیارد حرف کد DNA (شامل حروف A، C، G و T) تشکیل شده است. جالب است بدانید که تنها حدود ۲ درصد از این کدها به ژن‌هایی مربوط می‌شوند که پروتئین‌های مورد نیاز بدن را تولید می‌کنند. ۹۸ درصد باقی‌مانده که کمتر شناخته شده است، «ژنوم تاریک» نامیده می‌شود. این بخش نقشی حیاتی در تنظیم نحوه استفاده از ژن‌ها در بدن ایفا می‌کند و بسیاری از جهش‌های مرتبط با بیماری‌ها در همین منطقه یافت می‌شوند.

AlphaGenome قادر است در هر لحظه یک میلیون حرف از این کدها را تحلیل کرده و پیچیدگی‌های ژنوم تاریک را آشکار سازد. این مدل نه تنها مکان ژن‌ها را پیش‌بینی می‌کند، بلکه تأثیر ژنوم تاریک بر «بیان ژن» و «پیرایش ژن» (ابزاری که بدن برای ساخت پروتئین‌های مختلف از یک ژن واحد به کار می‌برد) را نیز تشخیص می‌دهد. نکته کلیدی اینجاست که این هوش مصنوعی می‌تواند پیامد تغییر حتی یک حرف در کد ژنتیکی را پیش‌بینی کند.

کاربردهای AlphaGenome در پزشکی

«ناتاشا لاتیشوا»، مهندس تحقیقات در دیپ‌مایند، بر این باور است که AlphaGenome می‌تواند جهش‌های عامل بیماری را شناسایی کرده و در تعیین علت بیماری‌های ژنتیکی نادر مؤثر باشد. دکتر «گرت هاکس» از دانشگاه اکستر، که از این ابزار برای مطالعه دیابت و چاقی استفاده می‌کند، اظهار داشت:

«نمی‌توان گفت AlphaGenome معمای بخش تاریک ژنوم را حل کرده است، اما این یک پیشرفت بزرگ است. این پیش‌بینی‌ها به ما می‌گویند که گونه‌های ژنتیکی بر کدام فرایندهای بیولوژیکی تأثیر می‌گذارند و مسیر توسعه داروهای جدید را هموار می‌کنند.»

تفاوت AlphaGenome با مدل‌های زبانی

برخلاف مدل‌های زبانی بزرگ (مانند ChatGPT) که بر پیش‌بینی کلمه بعدی تمرکز دارند، AlphaGenome یک مدل «توالی به عملکرد» (sequence-to-function) است. این مدل بررسی می‌کند که چگونه تغییرات در متن (کد DNA) عملکرد بیولوژیکی را تغییر می‌دهد. سیستم AlphaGenome با استفاده از پایگاه‌های داده عمومی آزمایش‌های سلولی انسان و موش آموزش دیده است.

چالش‌ها و افق‌های آینده

با وجود موفقیت‌های چشمگیر، چالش‌هایی نیز پیش روی این مدل قرار دارد. دقت AlphaGenome در پیش‌بینی تنظیم ژن‌ها در فواصل طولانی (بیش از ۱۰۰ هزار حرف) همچنان نیازمند بهبود است. علاوه بر این، تیم دیپ‌مایند در تلاش است تا دقت مدل را در بافت‌های مختلف بدن افزایش دهد؛ چرا که برای مثال، یک نورون مغزی و یک سلول قلبی، با داشتن کد ژنتیکی یکسان، نحوه اجرای دستورالعمل‌ها در آنها کاملاً متفاوت است.

تیم دیپ‌مایند، که پیش از این در سال ۲۰۲۴ برای مدل AlphaFold برنده جایزه نوبل شیمی شده بود، حالا با AlphaGenome عصر جدیدی از پیشرفت‌های علمی را آغاز کرده است که در آن هوش مصنوعی، زیست‌شناسی و پزشکی با یکدیگر ترکیب می‌شوند.