谷歌的 AlphaGenome 2 聚焦疾病的细胞根源

谷歌 DeepMind 的研究人员推出了一种新的人工智能模型，旨在揭示我们 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臭名昭著的难题，该问题可能为疾病原因提供重要线索，并为新的治疗方法指明道路。 AlphaGenome 2是DeepMind去年发布的基因组预测人工智能模型AlphaGenome的后继者。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，而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。谷歌在周三发表的一篇博客文章中表示，它提供了比 AlphaGenome 等更广泛的模型更细粒度的视图，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，以提供更详细的视图。 DeepMind 表示，该模型有效地将静态细胞图谱（详细映射和编目单个细胞的巨大数据存储库）“转变为人类遗传学的预测引擎”。据该公司称，AlphaGenome 2 识别出的可以改变细胞基因表达的变异数量几乎是其之前最先进模型的两倍。值得注意的是，研究人员发现 AlphaGenome 2 还可以预测新型细胞和生物状态，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 研究科学家 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”。他告诉 The Verge，AlphaGenome 2 为研究人员提供了一种深入研究在大量人群中发现的遗传变异的方法，看看它们可能对细胞水平产生什么影响，并可能将这些影响与疾病联系起来。谷歌 DeepMind 基因组学负责人 Žiga Avsec 告诉 The Verge，如果你的目标是弄清楚如何治疗某种特定疾病，那么这种特异性就很重要。他解释说：“当你开发药物时，你的目标是特定的蛋白质和特定的细胞类型，”这使得这种粒度变得至关重要。 Avsec 表示，得益于能够以高分辨率捕获单个细胞及其状态并创建训练所需的大量数据集的新技术，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学模型，包括目前尚未得到很好体现的细胞状态的数据。 Avsec 表示，未来的版本还可能接受“跨多个物种”的数据训练，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 这样的模型可以促进创建“虚拟细胞”的努力，即旨在模仿生物系统的数字模拟。尽管 Avsec 表示他将 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 DeepMind 在 9 月份发布的覆盖“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切实际。谷歌表示，从今天起，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做出的一系列努力中的最新成果，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 暗示，更多令人印象深刻的科学成果即将到来，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 一直在试验药物设计，并为 Claude 提供了一个湿实验室，而 OpenAI 则一直在解决数学和相关领域中大量长期存在的问题。关注此故事中的主题和作者，以在您的个性化主页源中查看更多类似内容并接收电子邮件更新。罗伯特·哈特