谷歌 DeepMind 的研究人员推出了一种新的人工智能模型，旨在揭示 DNA 的变化如何影响不同的细胞，让科学家们更详细地了解一个众所周知的难题，该问题可能提供有关疾病原因的重要线索，并为新的治疗方法指明道路。
AlphaGenome 2 是 DeepMind 基因组预测 AI 模型 AlphaGenome 的继任者，该模型 去年发布。虽然人体中几乎每个细胞都携带相同的 DNA，但不同类型的细胞（从心肌细胞和皮肤细胞到抵抗感染的免疫细胞）会打开和关闭不同的基因，并且这些模式可能会根据细胞的行为而改变。因此，根据细胞的类型和状态，相同的遗传变异可能会产生截然不同的效果。
新模型旨在捕捉这些差异，预测遗传变异对个体细胞类型和状态的影响。谷歌告诉一个 博客文章 周三发表的文章称，它提供了比 AlphaGenome 等更广泛的模型更详细的视图，有可能揭示特定细胞中与疾病相关的影响，否则这些影响可能会被忽视。
AlphaGenome 2 接受了 68 个组织中超过 1 亿个个体细胞图谱的训练，以提供更详细的图像。 DeepMind 表示该模型可以有效地转换静态细胞图集 — 他们绘制和编录的庞大数据存储库 单个细胞的详细信息——“成为人类遗传学的预测引擎。”据该公司称，AlphaGenome 2 检测到的能够改变细胞基因表达的变异数量几乎是之前最先进模型的两倍。
值得注意的是，研究人员发现 AlphaGenome 2 还可以预测新的细胞类型和生物状态，而无需重新训练。它还可以识别实验数据中的差距，有可能帮助科学家决定下一步在实验室中研究什么。
对于参与该项目的谷歌 DeepMind 研究员 Adam Gayoso 来说，最大的突破是“将人类遗传学与细胞生物学联系起来”。他说，AlphaGenome 2 为研究人员提供了一种研究大量人群中发现的遗传变异的方法，了解它们在细胞水平上可能产生的影响，并可能将这些影响与疾病联系起来。 边缘。
谷歌 DeepMind 基因组学负责人 Žiga Avsec 说道 边缘 如果您有一个目标，例如发现如何治愈某种特定疾病，那么这种特异性就很重要。他解释说：“当你开发药物时，你会针对特定的蛋白质和特定的细胞类型，”这使得这种类型的颗粒化变得至关重要。
Avsec 表示，由于新技术能够以高分辨率捕获单个细胞及其状态并生成训练它所需的大量数据集，构建像 AlphaGenome 2 这样的模型直到最近才成为可能。 DeepMind 目前正致力于通过生成更多数据来改进其遗传模型，其中包括目前尚未得到很好体现的细胞状态。 Avsec 表示，未来的版本还可以根据“跨多个物种”的数据进行训练，从而为模型提供更广阔的生物学视野。他表示，从长远来看，像 AlphaGenome 2 这样的模型可以推动创造“虚拟细胞”，旨在模仿生物系统的数字模拟。
尽管 Avsec 表示将 AlphaGenome 2 视为 AlphaGenome 的继任者，但它不会很快取代它。他表示，其更详细的预测需要计算成本，并且比其前身的预测“更昂贵”。这些要求使得使用 AlphaGenome 2 生成涵盖 DeepMind 9 月份发布的“人类基因组中每一个可能的 DNA 字母变化”的全基因组图谱变得不可行。
谷歌表示，从今天开始，它将通过 AlphaGenome API 将 AlphaGenome 2 用于非商业研究，并为商业研究提供有限的“私人预览”。
该模型是谷歌和竞争对手人工智能实验室不断努力的最新成果，旨在利用该技术解决科学和医学领域的重大问题。 DeepMind 人工智能科学研究负责人 Pushmeet Kohli 表示 他暗示 更多令人印象深刻的科学成果即将出现，该组织预计很快将在英国开设一个自动化材料科学实验室。与此同时，Anthropic 正在试验药物设计，并为 Claude 提供了一个湿实验室，而 OpenAI 正在解决数学和相关领域中大量长期存在的问题。
