კვი, 22 ნოე, 2026
ახალი ინტერაქტიული ქვიზები დაემატა საიტს — შეამოწმე შენი ცოდნა. ნახვა →
მეცნიერება

Google DeepMind-ის AI-მოდელი AlphaGenome 2 დნმ-ის სახიფათო ცვლილებებს ორჯერ უკეთ პოულობს

ახალი სისტემა სამეცნიერო კვლევებისთვის არის შექმნილი და სამედიცინო დიაგნოზის დასასმელად არ გამოიყენება. Google DeepMind-მა 11 ნოემბერს ოფიციალურ ბლოგზე ახალი AI-მოდელი AlphaGenome 2...

ახალი სისტემა სამეცნიერო კვლევებისთვის არის შექმნილი და სამედიცინო დიაგნოზის დასასმელად არ გამოიყენება.

Google DeepMind-მა 11 ნოემბერს ოფიციალურ ბლოგზე ახალი AI-მოდელი AlphaGenome 2 წარადგინა. ეს შარშან გამოსული AlphaGenome-ის მემკვიდრეა და წინასწარ ითვლის, როგორ მოქმედებს დნმ-ში მომხდარი უმცირესი ცვლილებები ადამიანის კონკრეტულ უჯრედებზე. მოდელი გენების მუშაობის შემცვლელ თითქმის ორჯერ მეტ ვარიანტს პოულობს, ვიდრე მისი წინამორბედი. არაკომერციული კვლევებისთვის ის უკვე უფასოდ არის ხელმისაწვდომი.

რატომ მუშაობს ერთი დნმ სხვადასხვაგვარად

შენი სხეულის თითქმის ყველა უჯრედში ზუსტად ერთი და იგივე დნმ დევს. მაშ, რატომ განსხვავდება გულის კუნთის უჯრედი კანის ან ინფექციასთან მებრძოლი იმუნური უჯრედისგან? საქმე ისაა, რომ თითოეული მათგანი სხვადასხვა გენს რთავს და თიშავს. ამის გამო დნმ-ის კოდში ერთი ასოს შეცვლა, რასაც მეცნიერები ვარიანტს ეძახიან, კანის უჯრედში შეიძლება სრულიად უვნებელი იყოს, გულში კი მძიმე დაავადება გამოიწვიოს.

სწორედ ამ კავშირის დანახვა ეხმარება მეცნიერებს დაავადების ნამდვილი მიზეზის პოვნაში. Google DeepMind-ის გენომიკის მიმართულების ხელმძღვანელი Ziga Avsec გამოცემა The Verge-თან ამბობს: „როდესაც წამლებს ქმნი, სამიზნედ კონკრეტულ ცილებსა და კონკრეტული ტიპის უჯრედებს ირჩევ“. მკვლევარი Adam Gayoso კი მთავარ მიღწევად „ადამიანის გენეტიკისა და უჯრედის ბიოლოგიის ერთმანეთთან დაკავშირებას“ ასახელებს.

AlphaGenome 2 ას მილიონზე მეტი ცალკეული უჯრედის მონაცემებზე გაწვრთნეს. შედეგად, მოდელს ერთდროულად მილიონი ასოს სიგრძის დნმ-ის მონაკვეთის წაკითხვა შეუძლია. იმუნური უჯრედების TenK10K ტესტში მან დაავადების გამომწვევი ვარიანტების 30% აღმოაჩინა, მაშინ როცა ძველი მოდელი მხოლოდ 16%-ს პოულობდა.

როგორ მუშაობს მიზნობრივი მიდგომა

პირველი AlphaGenome ათასობით მაჩვენებელს ბევრ სხვადასხვა ქსოვილში ერთდროულად ითვლიდა, AlphaGenome 2 კი ეგრეთ წოდებული პირობითი მოდელია. ეს ნიშნავს, რომ მეცნიერი მას დნმ-თან ერთად ერთ კონკრეტულ პირობას აწვდის, მაგალითად, ქსოვილს, უჯრედის ტიპს ან მის მდგომარეობას. პროგრამაც პროგნოზს მხოლოდ ამ ერთი გარემოსთვის აკეთებს, რის გამოც მონათესავე უჯრედებს შორის უმცირეს სხვაობებსაც კი ამჩნევს.

მკვლევრებს შეუძლიათ, უჯრედის ტიპი მზა კატალოგიდან აირჩიონ ან სისტემაში საკუთარი ექსპერიმენტის მონაცემები შეიყვანონ. მოდელი ისეთ უჯრედულ მდგომარეობებსაც აანალიზებს, რომლებიც წვრთნისას საერთოდ არ უნახავს, და ამისთვის ხელახალი სწავლება არ სჭირდება. ის გამოტოვებულ ლაბორატორიულ გაზომვებსაც ვარაუდობს და მეცნიერებს კარნახობს, შემდეგი ცდა რაზე ჩაატარონ. კომპანიის თქმით, ეს მიდგომა Human Cell Atlas-ის მსგავს უზარმაზარ, უძრავ კატალოგებს „ადამიანის გენეტიკის პროგნოზირების ძრავად“ აქცევს.

არაკომერციული კვლევებისთვის მოდელი AlphaGenome API-ს მეშვეობით დღესვე ხელმისაწვდომია, კომერციული სექტორისთვის კი დახურულ რეჟიმში იტესტება, თუმცა მას თავისი საზღვრები აქვს. ასეთი დეტალური გამოთვლები დიდ კომპიუტერულ რესურსს მოითხოვს, ამიტომ ახალი სისტემა სრულად ვერ ჩაანაცვლებს ვერც პირველ AlphaGenome-ს და ვერც AlphaGenome Atlas-ს, რომელიც 9 მილიარდი შესაძლო ცვლილების მზა ბაზას ინახავს.

სასწავლო ბაზა დაახლოებით 107 მილიონი უჯრედის პროფილი (ადამიანისა და თაგვის ნიმუშები)
ქსოვილების რაოდენობა 68 ქსოვილი
დნმ-ის წაკითხვის სიგრძე 1 მილიონი ასო
TenK10K ტესტის შედეგი 30% (წინა მოდელის 16%-ის ნაცვლად)
AlphaGenome Atlas-ის მოცულობა 9 მილიარდი შესაძლო ცვლილება
წვდომა უფასო არაკომერციული კვლევებისთვის AlphaGenome API-თ, დახურული ტესტირება კომერციული კვლევებისთვის

წყარო: Google DeepMind blog: AlphaGenome 2, deciphering how cells read DNA to better understand disease (11 Nov 2026) | The Verge: Google’s AlphaGenome 2 zooms in on the cellular roots of disease (11 Nov 2026) | Interesting Engineering: AlphaGenome 2 finds nearly 2x more causal variants in cells (12 Nov 2026)

ეს სტატია შეიქმნა AI ხელსაწყოებით, პროცესში ადამიანის ჩართულობა დაახლოებით 10%-ია.