Google DeepMind เปิดตัวโมเดล AI AlphaGenome เพื่อสนับสนุนข้อมูลเชิงลึกที่มากขึ้นเกี่ยวกับ DNA ของมนุษย์
ในบทสรุป
Google DeepMind เปิดตัว AlphaGenome ซึ่งเป็นโมเดล AI ที่ช่วยให้นักวิทยาศาสตร์เข้าใจ DNA โดยคาดการณ์ผลกระทบของการเปลี่ยนแปลงทางพันธุกรรมเพื่อเร่งการวิจัยและการค้นพบ
หน่วย AI ของบริษัทเทคโนโลยี Google Google DeepMind เปิดตัว AlphaGenome ซึ่งเป็นโมเดล AI ที่ออกแบบมาเพื่อทำนายผลกระทบของรูปแบบทางพันธุกรรมหรือการกลายพันธุ์แต่ละตัวต่อกระบวนการทางชีววิทยาต่างๆ ที่เกี่ยวข้องกับการควบคุมยีนได้แม่นยำและละเอียดมากขึ้น ความสามารถนี้ได้รับการสนับสนุนบางส่วนจากการพัฒนาทางเทคนิคที่ช่วยให้โมเดลสามารถวิเคราะห์ลำดับ DNA ที่ขยายออกและสร้างผลลัพธ์เชิงทำนายที่มีความละเอียดสูงได้
เพื่อสนับสนุนความพยายามทางวิทยาศาสตร์ที่กำลังดำเนินอยู่ ปัจจุบัน AlphaGenome กำลังนำเสนอในระยะการแสดงตัวอย่างผ่าน AlphaGenome API สำหรับการใช้เพื่อการศึกษาที่ไม่ใช่เชิงพาณิชย์ โดยมีแผนที่จะเปิดตัวรุ่นที่กว้างขึ้นในภายหลัง
แบบจำลอง AlphaGenome ที่พัฒนาโดย Google DeepMind ประมวลผลส่วนต่างๆ ของ DNA ที่ขยายออกไปได้มากถึงหนึ่งล้านคู่เบส และสร้างการคาดการณ์ผ่านคุณสมบัติโมเลกุลที่หลากหลายซึ่งกำหนดลักษณะการควบคุมยีน นอกจากนี้ยังสามารถประเมินผลกระทบทางการทำงานของรูปแบบทางพันธุกรรมหรือการกลายพันธุ์ที่เฉพาะเจาะจงได้โดยการเปรียบเทียบผลลัพธ์ที่คาดการณ์ไว้ของลำดับที่เปลี่ยนแปลงกับคู่ที่ไม่ได้ดัดแปลง คุณสมบัติที่คาดการณ์ได้ ได้แก่ จุดเริ่มต้นและจุดสิ้นสุดของยีนในเซลล์และเนื้อเยื่อต่างๆ จุดต่อ RNA ระดับการแสดงออกของ RNA การเข้าถึงเบสของ DNA ความใกล้ชิดในเชิงพื้นที่ และปฏิสัมพันธ์การจับกับโปรตีนควบคุม ข้อมูลการฝึกอบรมสำหรับแบบจำลองนี้ดึงมาจากชุดข้อมูลสาธารณะที่จัดทำโดยกลุ่มต่างๆ เช่น ENCODE, GTEx, 4D Nucleome และ FANTOM5 ซึ่งครอบคลุมกระบวนการควบคุมยีนที่หลากหลายในเซลล์และเนื้อเยื่อของมนุษย์และหนูหลายร้อยประเภท
สถาปัตยกรรมของ AlphaGenome ผสมผสานเลเยอร์แบบ Convolution ที่ตรวจจับโมทีฟสั้น ๆ ในลำดับ DNA ส่วนประกอบของทรานสฟอร์มเมอร์ที่ช่วยให้แลกเปลี่ยนข้อมูลได้ตลอดความยาวลำดับทั้งหมด และเลเยอร์การทำนายขั้นสุดท้ายที่ส่งออกข้อมูลเชิงลึกในระดับโมเลกุลผ่านโหมดทางชีวภาพที่แตกต่างกัน การฝึกของแต่ละลำดับถูกกระจายไปทั่วหน่วยประมวลผล Tensor (TPU) ที่เชื่อมต่อกันหลายตัว แบบจำลองนี้สร้างขึ้นจากงานก่อนหน้านี้ด้วย Enformer และเสริม AlphaMissense ซึ่งเน้นเฉพาะที่บริเวณเข้ารหัสโปรตีน ในขณะที่บริเวณเข้ารหัสโปรตีนประกอบด้วยประมาณ 2% ของจีโนม AlphaGenome กำหนดเป้าหมายที่ 98% ที่เหลือ ซึ่งเป็นบริเวณที่ไม่เข้ารหัส ซึ่งเป็นที่รู้จักจากบทบาทในการควบคุมกิจกรรมของยีนและความเชื่อมโยงกับตัวแปรที่เชื่อมโยงกับโรคต่างๆ
คุณสมบัติที่โดดเด่นของ AlphaGenome ได้แก่ ความสามารถในการวิเคราะห์ลำดับดีเอ็นเอยาวที่ความละเอียดระดับฐาน ซึ่งช่วยให้สามารถระบุบริเวณควบคุมที่อยู่ห่างจากยีนที่ได้รับผลกระทบจากลำดับดังกล่าวได้ ในขณะที่ยังคงสามารถจับภาพรายละเอียดทางชีววิทยาในระดับละเอียดได้ โมเดลก่อนหน้านี้มักต้องแลกกับความยาวของลำดับและความละเอียด ซึ่งจำกัดความสามารถในการสร้างแบบจำลองคุณลักษณะควบคุมที่ซับซ้อนร่วมกัน AlphaGenome เอาชนะปัญหานี้ได้ด้วยการรักษาประสิทธิภาพในการฝึกอบรม ซึ่งใช้เวลาเพียงสี่ชั่วโมงและใช้ทรัพยากรในการคำนวณเพียงครึ่งหนึ่งที่จำเป็นสำหรับโมเดล Enformer ดั้งเดิม
ความสามารถของโมเดลสำหรับการทำนายแบบหลายโหมดทำให้สามารถแสดงมุมมองที่ครอบคลุมของกลไกการควบคุม ทำให้เหล่านักวิทยาศาสตร์ได้รับข้อมูลเชิงลึกโดยละเอียดเกี่ยวกับชั้นต่างๆ ของการควบคุมยีน นอกจากนี้ยังรองรับการให้คะแนนตัวแปรที่มีประสิทธิภาพโดยการเปรียบเทียบลำดับที่กลายพันธุ์และไม่กลายพันธุ์อย่างรวดเร็ว และสรุปความแตกต่างตามบริบทโมเลกุลที่เกี่ยวข้อง
AlphaGenome แนะนำความสามารถใหม่ในการสร้างแบบจำลองจุดเชื่อมต่อของ RNA จากข้อมูลลำดับ DNA โดยตรง ซึ่งมีความเกี่ยวข้องโดยเฉพาะกับการทำความเข้าใจสภาพทางพันธุกรรมที่เกี่ยวข้องกับข้อผิดพลาดในการตัดต่อ เช่น กล้ามเนื้ออ่อนแรงและโรคซีสต์ไฟโบรซิสบางประเภท โดยการคาดการณ์ทั้งตำแหน่งและระดับการแสดงออกของจุดเชื่อมต่อเหล่านี้ โมเดลนี้ให้มุมมองที่ละเอียดขึ้นเกี่ยวกับวิธีที่ตัวแปรทางพันธุกรรมอาจส่งผลต่อการประมวลผล RNA
ข้อดีของโมเดลพื้นฐานและผลกระทบต่อการวิจัยในอนาคต
ความสามารถในการนำไปใช้งานของ AlphaGenome อย่างกว้างขวางทำให้ผู้วิจัยสามารถตรวจสอบผลกระทบของตัวแปรทางพันธุกรรมในโมเลกุลหลายรูปแบบโดยใช้คำขอ API เดียว แนวทางที่ปรับปรุงใหม่นี้ช่วยให้สร้างและทดสอบสมมติฐานได้เร็วขึ้นโดยไม่จำเป็นต้องพึ่งพาแบบจำลองแยกต่างหากสำหรับคุณลักษณะการควบคุมเฉพาะแต่ละรายการ ประสิทธิภาพการทำนายที่แข็งแกร่งของแบบจำลองนี้แสดงให้เห็นว่าได้พัฒนาความเข้าใจทั่วไปเกี่ยวกับพฤติกรรมของลำดับดีเอ็นเอภายในกรอบการทำงานของการควบคุมยีน ซึ่งนำเสนอแพลตฟอร์มที่ผู้อื่นในชุมชนวิทยาศาสตร์สามารถขยายหรือปรับแต่งได้ หลังจากเปิดตัวเต็มรูปแบบแล้ว แบบจำลองจะพร้อมให้ปรับแต่งด้วยชุดข้อมูลที่กำหนดเองได้ ช่วยให้ผู้วิจัยปรับแต่งความสามารถเพื่อตอบคำถามทางวิทยาศาสตร์ที่เฉพาะเจาะจงได้
สถาปัตยกรรมพื้นฐานได้รับการออกแบบมาให้ปรับขนาดได้และปรับเปลี่ยนได้ ด้วยข้อมูลการฝึกอบรมเพิ่มเติม AlphaGenome จึงมีศักยภาพในการเพิ่มความแม่นยำ ขยายประโยชน์ใช้สอยให้ครอบคลุมสปีชีส์ต่างๆ และผสานรวมรูปแบบใหม่ๆ เข้าด้วยกัน จึงทำให้ครอบคลุมและเจาะลึกมากขึ้น
คำทำนายของ AlphaGenome อาจสนับสนุนแนวทางการวิจัยต่างๆ ได้มากมาย ในบริบทของการศึกษาโรคต่างๆ AlphaGenome อาจช่วยปรับปรุงการระบุและตีความตัวแปรทางพันธุกรรมที่เกี่ยวข้องกับการทำงาน โดยเฉพาะตัวแปรที่เกี่ยวข้องกับโรคหายาก ส่งผลให้เข้าใจกลไกของโรคและระบุเป้าหมายการรักษาที่เป็นไปได้ได้ชัดเจนยิ่งขึ้น ในทางชีววิทยาสังเคราะห์ ผลลัพธ์ที่ได้จาก AlphaGenome อาจช่วยกำหนดทิศทางการพัฒนาลำดับ DNA ที่ออกแบบเองโดยมีหน้าที่ควบคุมเป้าหมาย เช่น การเปิดใช้งานการแสดงออกของยีนในเซลล์ประเภทเฉพาะ สำหรับการวิจัยจีโนมพื้นฐาน AlphaGenome อาจช่วยในการทำแผนที่องค์ประกอบจีโนมเชิงหน้าที่อย่างเป็นระบบ และช่วยชี้แจงบทบาทขององค์ประกอบเหล่านี้ในการควบคุมกิจกรรมของเซลล์
ข้อจำกัดความรับผิดชอบ
สอดคล้องกับ แนวทางโครงการที่เชื่อถือได้โปรดทราบว่าข้อมูลที่ให้ไว้ในหน้านี้ไม่ได้มีจุดมุ่งหมายและไม่ควรตีความว่าเป็นคำแนะนำทางกฎหมาย ภาษี การลงทุน การเงิน หรือรูปแบบอื่นใด สิ่งสำคัญคือต้องลงทุนเฉพาะในสิ่งที่คุณสามารถที่จะสูญเสียได้ และขอคำแนะนำทางการเงินที่เป็นอิสระหากคุณมีข้อสงสัยใดๆ สำหรับข้อมูลเพิ่มเติม เราขอแนะนำให้อ้างอิงข้อกำหนดและเงื่อนไขตลอดจนหน้าช่วยเหลือและสนับสนุนที่ผู้ออกหรือผู้ลงโฆษณาให้ไว้ MetaversePost มุ่งมั่นที่จะรายงานที่ถูกต้องและเป็นกลาง แต่สภาวะตลาดอาจมีการเปลี่ยนแปลงได้โดยไม่ต้องแจ้งให้ทราบล่วงหน้า
เกี่ยวกับผู้เขียน
อลิสา นักข่าวผู้ทุ่มเทของ MPostเชี่ยวชาญด้านสกุลเงินดิจิทัล การพิสูจน์ความรู้เป็นศูนย์ การลงทุน และขอบเขตที่กว้างขวางของ Web3- ด้วยสายตาที่กระตือรือร้นต่อแนวโน้มและเทคโนโลยีที่เกิดขึ้นใหม่ เธอจึงนำเสนอความครอบคลุมที่ครอบคลุมเพื่อแจ้งและดึงดูดผู้อ่านเกี่ยวกับภูมิทัศน์ทางการเงินดิจิทัลที่พัฒนาอยู่ตลอดเวลา
บทความอื่น ๆ
อลิสา นักข่าวผู้ทุ่มเทของ MPostเชี่ยวชาญด้านสกุลเงินดิจิทัล การพิสูจน์ความรู้เป็นศูนย์ การลงทุน และขอบเขตที่กว้างขวางของ Web3- ด้วยสายตาที่กระตือรือร้นต่อแนวโน้มและเทคโนโลยีที่เกิดขึ้นใหม่ เธอจึงนำเสนอความครอบคลุมที่ครอบคลุมเพื่อแจ้งและดึงดูดผู้อ่านเกี่ยวกับภูมิทัศน์ทางการเงินดิจิทัลที่พัฒนาอยู่ตลอดเวลา
