تصور کنید به جای سال‌ها تلاش در آزمایشگاه برای یافتن یک جهش ژنتیکی خاص، بتوانید با یک جست‌وجوی ساده بفهمید کدام تغییر در کد DNA باعث بیماری می‌شود. گوگل دیپ‌مایند با معرفی AlphaGenome Atlas، دقیقاً همین امکان را برای پژوهشگران فراهم کرده است.
این ابزار در واقع نقشه‌ای از ۹ میلیارد جهش احتمالی در ژنوم انسان است. این پلتفرم تلاش می‌کند با شناسایی اثرات تغییرات تک‌حرفی در کد زیستی، مسیر درمان بیماری‌ها را هموار کند. این حرکت بخشی از استراتژی گسترده‌تر گوگل برای به‌کارگیری هوش مصنوعی در علوم پایه است؛ همان‌طور که در تحلیل قبلی ما درباره‌ی Google WeatherNext 3 دیدیم که در آن شبیه‌سازی‌های فیزیکی جای خود را به داده‌های ماهواره‌ای دادند، حالا گوگل روی کد زیستی حیات متمرکز شده است. این چرخش راهبردی با تغییر نقش دمیس هاسابیس (Demis Hassabis)، بنیان‌گذار دیپ‌مایند، برای تمرکز بر کشف دارو در Isomorphic Labs هم‌زمان شده است.
طبق اعلام گوگل در یادداشتی به تاریخ ۸ سپتامبر ۲۰۲۶، این اطلس پیش‌بینی می‌کند که هر جایگزینی تک‌حرفی در میان سه میلیارد جفت‌باز ژنوم انسان، چه تأثیری بر بدن می‌گذارد. برای کاربردی کردن این حجم عظیم از داده، گوگل شاخصی به نام امتیاز تأثیر گونه (Variant Impact Score یا AVI) را معرفی کرده است. این شاخص به محققان اجازه می‌دهد جهش‌ها را بر اساس شدت اثر پیش‌بینی‌شده رتبه‌بندی کنند. برای دستیابی به چنین دقتی، حذف نویزهای تجربی حیاتی است؛ موضوعی که در بررسی ابزار PISA و توانایی آن در پاک‌سازی داده‌های ژنومیک به تفصیل به آن پرداختیم.
مشخصات فنی
- حجم داده‌ها: حدود ۱ پتابایت داده‌های ژنومیک پیش‌محاسبه‌شده.
- دامنه پوشش: شامل مناطق کدکننده پروتئین و بخش‌های وسیع غیرکدکننده که رفتار ژن‌ها را کنترل می‌کنند.
- داده‌های آموزشی: پایگاه‌های داده عمومی ژنوم انسان و موش.
- دسترسی: در حال حاضر برای مصارف غیرتجاری از طریق پورتال وب و پلتفرم عامل‌محور Antigravity در دسترس است؛ دسترسی تجاری از طریق Google Cloud به‌زودی عرضه می‌شود.
این ابزار تکامل‌یافته‌ی مدل‌های پیشین مانند AlphaMissense و نسخه اولیه AlphaGenome است. در حالی که مدل‌های قبلی روی پروتئین‌های خاص یا محرک‌های بیماری متمرکز بودند، Atlas یک کاتالوگ جامع در سطح کل ژنوم ارائه می‌دهد. این یعنی یک مسئله‌ی جست‌وجوی عظیم، به یک جدول ارجاع ساده برای زیست‌شناسان تبدیل شده است.
برای جامعه پزشکی، این اتفاق به معنای کوچک شدن مسئله‌ی «یافتن سوزن در انبار کاه» در ژنومیک است. پژوهشگران اکنون می‌توانند به جای صرف سال‌ها زمان برای بررسی نقص پروتئینی، با بررسی امتیاز AVI، محتمل‌ترین متهمان را اولویت‌بندی کنند.
این تحول، هوش مصنوعی را از ابزاری که صرفاً فرضیه می‌سازد، به نقشه‌ای بنیادی از بیولوژی انسان تبدیل می‌کند. این اثر شبیه به دستاورد AlphaFold است — مدل برنده جایزه نوبل که با حل مسئله تاشدگی پروتئین، یک مرجع پیش‌محاسبه‌شده برای کل گونه انسان فراهم کرد.
محققان اکنون می‌توانند این پیش‌بینی‌ها را از طریق رابط AlphaGenome بررسی کنند یا آن‌ها را در جریان‌های کاری خودکار با استفاده از ابزارهای «دانشمند-همکار» گوگل ادغام نمایند. این ادغام در واقع تکامل همان رویکردی است که در به‌روزرسانی‌های اخیر Co-Scientist برای کاهش نرخ توهمات علمی شاهد بودیم تا هوش مصنوعی به یک شریک آزمایشگاهی قابل اعتماد تبدیل شود.
گام بعدی شما
- اگر پژوهشگر حوزه بیوتکنولوژی هستید، دسترسی غیرتجاری به پورتال وب AlphaGenome را برای اولویت‌بندی جهش‌های مورد مطالعه بررسی کنید.
- برای توسعه‌دهندگان ابزارهای سلامت، دنبال کردن زمان عرضه API تجاری در Google Cloud برای ساخت اپلیکیشن‌های پزشکی شخصی‌سازی‌شده ضروری است.
- مستندات مربوط به امتیاز AVI را مطالعه کنید تا معیارهای شدت جهش را در تحلیل‌های خود به کار ببرید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell و توان پردازشی مورد نیاز برای این حجم از داده‌ها مراجعه کنید.
گفتگو