Google DeepMind تطلق AlphaGenome 2 لتحسين دقة توقع تأثيرات التغيرات الجينية على الخلايا البشرية

أطلقت Google DeepMind مؤخرًا AlphaGenome 2، وهو نموذج مطور لتسلسل DNA، يهدف إلى توقع كيفية تأثير التغيرات الوراثية على أنواع مختلفة من الخلايا البشرية، مما يساعد الباحثين في استكشاف الآليات الوراثية وراء الأمراض. يعتمد هذا النموذج على النسخة الأصلية من AlphaGenome، التي كانت قادرة على رسم النشاط الجزيئي في الأنسجة المختلفة، وتغطي المناطق المشفرة وغير المشفرة من الجينوم، مما يوفر طريقة موحدة لتقييم التأثيرات المحتملة للتغيرات الوراثية. في وقت سابق من هذا العام، أطلقت الشركة أيضًا AlphaGenome Atlas، وهو مورد توقع مستقل، يرسم تأثير كل تغيير محتمل في DNA من نوع حرف واحد في الجينوم البشري.

وظائف وميزات AlphaGenome 2

وفقًا لمعلومات الشركة، فإن AlphaGenome 2 لا تقتصر على متوسطات مستويات الأنسجة الواسعة، بل تقوم بتحليل أنواع الخلايا الفردية وحالاتها. هذا يمكّن الباحثين من فحص كيفية تأثير التغيرات الوراثية على الخلايا المرتبطة بالأمراض، وكذلك الاختلافات المحتملة في هذه التأثيرات تحت ظروف خلوية مختلفة. تم تدريب النموذج على أكثر من 17 مليون بيانات خلايا فردية من عينات بشرية وفئران، تغطي 68 نوعًا من الأنسجة. على عكس سابقتها، يأخذ النموذج في الاعتبار الظروف البيولوجية المحددة وتسلسل DNA عند الإدخال.

يمكن للباحثين اختيار نوع خلية من دليل المرجع، أو استخدام بياناتهم الخاصة من الخلايا الفردية لفحص حالات خلوية لم يسبق رؤيتها. كما يمكن للنموذج تقدير البيانات التجريبية المفقودة من بيانات أخرى متاحة، مثل قابلية الوصول إلى الكروماتين.

في اختبارات المعايير باستخدام TenK10K، وهو مجموعة بيانات فردية تغطي 28 نوعًا رئيسيًا من الخلايا المناعية، تعرف AlphaGenome 2 على 30% من التغيرات السببية، مقارنةً بالنموذج الأصلي الذي تعرف على 16% فقط بعد التعديل على بيانات الخلايا الفردية وأدوات أخرى متخصصة. كما حسّن النموذج من قدرته على الحكم على اتجاه تأثير التغيرات على النشاط الجيني. في 43% من الحالات، تعرف النموذج بشكل صحيح على ما إذا كانت التغيرات تزيد أو تقلل من التعبير الجيني، بينما كانت النسبة للنموذج الأصلي والأدوات المقارنة 23% فقط.

تشير هذه النتائج إلى أن النظام المحدث قد يساعد الباحثين في تضييق نطاق التغيرات الوراثية الأكثر احتمالاً التي تؤثر على العمليات المرتبطة بالأمراض في أنواع الخلايا المحددة.

أمثلة على التوقعات الخاصة بالخلايا

عرضت Google DeepMind أيضًا قدرة النموذج على فحص التأثيرات الوراثية في ظروف خلوية لم يسبق مواجهتها. في أحد الأمثلة، استخدم الباحثون بيانات خلايا فردية من أشخاص تلقوا لقاح COVID-19 mRNA. تمكنت AlphaGenome 2 من تمييز بين خلايا T المناعية النشطة والخاملة، واكتشفت أن تغييرًا مرتبطًا بحالات COVID-19 الشديدة يؤثر بشكل أكبر على النشاط الجيني للخلايا النشطة. كما استخدمت الشركة النموذج لإعادة إنتاج حسابيًا الاكتشافات المرتبطة بالتهاب الأمعاء (IBD).

أظهرت التغيرات الموجودة في المناطق البعيدة من تنظيم DNA أنها قادرة على تعزيز نشاط جين ETS2 في البلعميات المعوية. توقع النموذج أن هذا التأثير يتركز في هذه الخلايا، وليس بشكل عام في أنواع الخلايا الأخرى. توضح هذه الأمثلة كيف يمكن أن تساعد التوقعات الخاصة بالخلايا الباحثين في ربط التغيرات الوراثية بالخلايا والعمليات البيولوجية المشاركة في الأمراض. ومع ذلك، لا تزال التوقعات الحسابية بحاجة إلى التحقق التجريبي.

أصبح AlphaGenome 2 متاحًا للاستخدام في الأبحاث غير التجارية عبر AlphaGenome API، بينما يمكن للباحثين في الأبحاث التجارية الوصول إلى النموذج من خلال معاينة خاصة. وأكدت Google DeepMind أن النموذج مصمم للاستخدام في الأبحاث، ولم يحصل بعد على التحقق أو الموافقة للاستخدام السريري أو التشخيصي.

أهمية AlphaGenome 2 في أبحاث الجينات

يمثل إطلاق AlphaGenome 2 تقدمًا مهمًا في أبحاث الجينوم، حيث إنه لا يقتصر فقط على توقع تأثيرات التغيرات الوراثية، بل يقوم أيضًا بتحليلها بالنسبة لأنواع الخلايا المحددة. تساعد هذه التوقعات الخاصة بالخلايا الباحثين على فهم الأسس الوراثية للأمراض بدقة أكبر، وقد تعزز من تطوير علاجات جديدة. على الرغم من أن النموذج لديه إمكانيات في الاستخدامات البحثية، إلا أنه لا يزال بحاجة إلى مزيد من التحقق التجريبي لتأكيد دقة وموثوقية توقعاته.