GN News
NaukaGN News Redakcija

Google objašnjava kako AlphaGenome pomaže naučnicima da traže promene DNK povezane s bolestima

DeepMind modeli AlphaGenome i AlphaGenome Atlas procenjuju moguće posledice genetskih varijanti. Alat istraživačima može da skrati izbor kandidata za laboratorijske provere, ali ne postavlja dijagnozu samostalno.

Google logotip kao ilustracija kompanije koja razvija AlphaGenome, javni domen uz zaštićen žig. Ne prikazuje stvarne rezultate analize DNK ni pacijente.
Google LLC / Wikimedia Commons. Public domain. Izvor: https://commons.wikimedia.org/wiki/File:Google_2015_logo.svg. Obrada: WebP.

Od čitanja DNK do procene njenih promena

Google je u okviru serijala razgovora s istraživačima predstavio kako njegovi modeli AlphaGenome i AlphaGenome Atlas mogu pomoći u proučavanju genetskih promena koje se povezuju s bolestima. Istraživač Google DeepMinda Žiga Avsec objašnjava da ljudska DNK sadrži oko tri milijarde parova baza, dok se mnoge biološke posledice određenih promena još ne razumeju dovoljno. Sekvenciranje genoma može pokazati gde se nečiji DNK razlikuje od referentnog genoma, ali samo po sebi ne govori koja je od tih razlika zaista važna.

Poseban problem predstavljaju brojne pojedinačne zamene jednog slova genetskog koda. Pošto svaka pozicija može da se promeni na tri druga načina, ukupno postoji oko devet milijardi mogućih jednostrukih zamena. Naučnici ne mogu jednostavno da provere svaku promenu u laboratoriji, pa su im potrebni alati koji ukazuju na varijante vredne detaljnijeg ispitivanja. To je namena modela, a ne automatsko određivanje bolesti kod konkretnog pacijenta.

Kako AlphaGenome Atlas sužava pretragu

Prema Googleu, AlphaGenome može da analizira segment DNK dužine do milion baznih parova i izračuna hiljade predviđanja o njegovoj biološkoj ulozi. Na toj osnovi AlphaGenome Atlas nudi veliki skup unapred pripremljenih procena za moguće promene pojedinačnih baza. Umesto pokretanja zasebnog eksperimenta za svaku varijantu, istraživači mogu najpre da uporede procenjeni uticaj i usmere pažnju na one koje izgledaju najznačajnije.

Jedan od pokazatelja naziva se AVI, skraćeno od AlphaGenome Variant Impact. On predstavlja način da se promene rangiraju prema mogućem biološkom značaju. U intervjuu se navodi primer analize genoma osobe sa retkom bolešću: poređenje sa referentnim sekvencama može dati milione razlika, a čak i nakon izdvajanja retkih varijanti preostaje veliki broj kandidata. AVI skor može pomoći pri izboru šta dalje proveriti, ali sama visoka ocena ne dokazuje uzrok određene bolesti.

Primeri iz istraživanja retkih bolesti i telesne mase

Google kao primer navodi rad istraživača Garetha Hawkesa sa Univerziteta Ekseter. On je koristio AlphaGenome Atlas da izdvoji prioritetne grupe među velikim brojem genetskih varijanti povezanih sa indeksom telesne mase. Na taj način računarski rezultati služe kao polazna tačka za naredna naučna istraživanja, a ne kao neposredna preporuka pojedincima o ishrani, terapiji ili promeni načina života.

Drugi primer odnosi se na Lauru Covill iz Broad instituta, koja je AVI skor koristila za izbor varijanti pri proučavanju retkih bolesti sa nerazjašnjenim uzrokom. Google navodi da je Atlas pomogao pri pronalaženju naročito važne varijante u genu povezanom sa neurorazvojnim poremećajima. Takav nalaz može ojačati istraživačku hipotezu i pomoći daljoj obradi slučaja, ali je konačna medicinska procena složen postupak u kojem se uzimaju u obzir i laboratorijski, klinički i porodični podaci.

Šta model još ne može da uradi

Prema zvaničnom razgovoru, AlphaGenome je predstavljen u junu 2025. godine, a Atlas u septembru 2026. Google opisuje i AlphaGenome 2 kao naredni korak namenjen proučavanju efekata genetskih promena u pojedinim tipovima ćelija. To je značajno zato što različite ćelije, iako dele isti genom, ne koriste sve gene na isti način. Model obučen na podacima celog tkiva ne mora jednako precizno predstavljati svaki specifičan tip ćelije.

Istraživači ističu da se još radi na proceni pouzdanosti modelskih predviđanja. Cilj je da naučnici dobiju bolje smernice za eksperimente i da jednog dana razviju detaljnije simulacije ćelijskih procesa. To ne znači da već postoji potpuna digitalna kopija ljudske ćelije ili da AI samostalno može da dijagnostikuje i izleči genetske bolesti. Ovaj tekst zasniva se na zvaničnom Googleovom istraživačkom razgovoru, dok je uz vest korišćen Googleov logotip kao jasno označena ilustracija kompanije.

Izvori

Podeli vest

Pošaljite ovu vest prijateljima. Link prikazuje naslov i fotografiju članka.

Komentari

Prikaz odobrenih komentara je dostupan. Slanje novih komentara biće uključeno kada se završe zaštita od zloupotreba i urednička moderacija.