AlphaGenome Atlas گوگل دیپ‌مایند حالا با ۹ میلیارد پیش‌بینی روی ژنوم انسانی در دسترس است
۹۸ درصد ژنوم انسان کدکننده پروتئین نیست، و همین بخش تا امروز عملاً کور بود؛ گوگل دیپ‌مایند حالا برای هر یک از ۹ میلیارد نوکلئوتید تک‌بازی در ژنوم انسانی، هزاران پیش‌بینی اثر مولکولی منتشر کرده و آن را در قالب اطلسی به نام AlphaGenome Atlas در دسترس پژوهشگران گذاشته است.
۹۸ درصد ژنوم انسان کدکننده پروتئین نیست، و همین بخش تا امروز عملاً کور بود؛ گوگل دیپ‌مایند حالا برای هر یک از ۹ میلیارد نوکلئوتید تک‌بازی در ژنوم انسانی، هزاران پیش‌بینی اثر مولکولی منتشر کرده و آن را در قالب اطلسی به نام AlphaGenome Atlas در دسترس پژوهشگران گذاشته است.
چرا ۹۸ درصد ژنوم تا امروز عملاً بدون نقشه بود
تنها ۲ درصد ژنوم انسانی کدکننده پروتئین است؛ باقی ۹۸ درصد، یعنی بخش غالب DNA شما، نقش تنظیمی دارد و همین بخش همیشه سخت‌ترین قسمت برای تفسیر بوده. مدل AlphaGenome برای هر واریانت هزاران پیش‌بینی اثر مولکولی تولید می‌کند، این پیش‌بینی‌ها را در صدها نوع سلول و بافت انسانی و موشی می‌سنجد، و بیش از ۲۵۰۰ موتیف تکرارشونده DNA را هم پوشش می‌دهد. تا اینجا این فقط یک مدل بود؛ چیزی که تازه منتشر شده، پیش‌محاسبه‌ی همین پیش‌بینی‌ها برای کل ژنوم و در مقیاس کامل است، و این تفاوت است که اطلس را از یک ابزار پرس‌وجو به یک منبع داده‌ی از‌پیش‌آماده تبدیل می‌کند.
یک عدد که کدینگ و غیرکدینگ را روی یک خط‌کش می‌گذارد
AlphaGenome Atlas یک پتابایت داده است، بیش از سی برابر بزرگ‌تر از پایگاه داده AlphaFold، و هسته‌ی آن امتیازی به نام AlphaGenome Variant Impact یا AVI است. این امتیاز، خروجی AlphaGenome را با AlphaMissense ترکیب می‌کند تا واریانت‌ها در هر دو نوع منطقه، کدکننده و غیرکدکننده، روی یک مقیاس واحد رتبه‌بندی شوند. نکته‌ی عملی‌تر اینکه AVI فقط یک عدد نیست؛ فیچر اتریبیوشن‌های آن مشخص می‌کنند کدام فرآیند مولکولی احتمالاً با یک واریانت مختل شده، یعنی پژوهشگر می‌تواند بفهمد چرا یک واریانت مشکوک است، نه فقط اینکه هست.
وقتی این امتیاز روی داده‌های واقعی بیماران آزمایش شد
این ادعاها روی کاغذ نماندند. در پژوهشی روی بیماری‌های نادر حل‌نشده، تیمی با استفاده از AVI یک واریانت در ژن DNM1 را که با آنسفالوپاتی صرعی مرتبط بود شناسایی کرد، و آزمایش‌های تجربی بعدی اثر پیش‌بینی‌شده‌ی همان واریانت را تأیید کردند. در مقیاسی بزرگ‌تر، تحلیل داده‌های بیوبانک بریتانیا روی بیش از ۵۴ هزار شرکت‌کننده با کمک این اطلس ۲۲ درصد ارتباط ژنتیکی غیرکدکننده‌ی بیشتر را نسبت به قبل شناسایی کرد؛ و در تحلیلی دیگر، با تمرکز صرفاً روی همان یک درصد از واریانت‌های غیرکدکننده که پیش‌بینی شده بود بیشترین اثر را دارند، ۱۹ منطقه‌ی ژنتیکی مرتبط با شاخص توده بدنی پیدا شد. این سه مثال یک الگوی مشترک دارند: در هر سه، فیلترکردن واریانت‌ها بر اساس AVI پیش از هر آزمایش تجربی، چیزی را روی صفحه آورد که بدون آن گم می‌شد.
چطور می‌توان همین امروز به این دیتاست دسترسی داشت
AlphaGenome Atlas برای استفاده‌ی غیرتجاری و پژوهش‌های آکادمیک از طریق پورتال وب دیپ‌مایند رایگان است؛ همان مسیر برای هر پژوهشگری که می‌خواهد واریانت‌های خودش را جست‌وجو یا رتبه‌بندی کند باز است. برای کسانی که نیاز به دسترسی برنامه‌نویسی‌شده دارند، AlphaGenome API همین داده را در دسترس می‌گذارد، و برای کار در محیط توسعه، مسیر سوم Google Antigravity است. دسترسی تجاری روی گوگل کلاود هنوز در مرحله‌ی برنامه‌ریزی است و فعلاً منتشر نشده. یک نکته‌ی مهم برای هر کاربری قبل از هر تصمیم بالینی: AlphaGenome هنوز برای استفاده‌ی بالینی اعتبارسنجی یا تأیید نشده و در همین مرحله باید صرفاً به‌عنوان ابزار پژوهشی دیده شود.
مشخصات
- حجم دیتاست: ۱ پتابایت
- واریانت‌های پوشش‌داده‌شده: ۹ میلیارد واریانت تک‌نوکلئوتیدی
- موتیف‌های DNA: بیش از ۲۵۰۰ توالی تکرارشونده
- امتیاز مدل: AlphaGenome Variant Impact (AVI)
- پوشش بافتی: سلول‌ها و بافت‌های انسانی و موشی
- مسیرهای دسترسی: پورتال وب، AlphaGenome API، و Google Antigravity
منابع
- AlphaGenome Atlas — Google DeepMind