دیپ‌مایند اطلس آلفاژنوم را برای پیش‌بینی اثرات ۹ میلیارد جهش دی‌ان‌ای رونمایی کرد

تلاش برای رمزگشایی ژنوم انسان در حال حاضر میان دو واقعیت ناسازگار گرفتار شده است. از یک سو، زیست‌شناسان محاسباتی استدلال می‌کنند که مقیاس عظیم دی‌ان‌ای — تقریباً ۳ میلیارد جفت‌باز که به ۹ میلیارد جهش تک‌حرفی ممکن می‌انجامد — برای پیش‌بینی اینکه کدام تغییرات اهمیت دارند، نیازمند هوش مصنوعی است؛ زیرا آزمایش فیزیکی همه آن‌ها غیرممکن است.

از سوی دیگر، محققان علوم انتقالی (Translational researchers) بر این باورند که مدل‌های پیشرفته هوش مصنوعی برای استفاده روزمره در آزمایشگاه از نظر محاسباتی بسیار گران‌قیمت هستند و یک پیش‌بینی تا زمانی که در یک کارآزمایی بالینی فیزیکی تایید نشود، بی‌فایده باقی می‌ماند.[2][3]

گوگل دیپ‌مایند تلاش کرده است تا با حذف مدل هوش مصنوعی از جریان کار کاربر، این تنش را به‌طور کامل دور بزند. در ۸ سپتامبر ۲۰۲۶، این شرکت اطلس آلفاژنوم (AlphaGenome Atlas) را منتشر کرد؛ یک پایگاه داده ۱ پتابایتی که اثر مولکولی هر تغییر تک‌حرفی ممکن در دی‌ان‌ای را از پیش محاسبه می‌کند. اکنون محققان به جای اجرای یک مدل با پردازش محاسباتی سنگین برای آزمایش یک واریانت، می‌توانند به سادگی پاسخ را در یک مرورگر وب جستجو کنند.[1][2][3]

از نظر تاریخی، تحقیقات علمی به شدت روی آن ۲ درصد از ژنوم که مستقیماً پروتئین‌ها را کد می‌کند، متمرکز بوده است. ۹۸ درصد باقی‌مانده که اغلب به عنوان نواحی غیرکدکننده شناخته می‌شوند، چگونگی و زمان روشن یا خاموش شدن آن ژن‌ها را تنظیم می‌کنند. درک این معماری تنظیمی برای ردیابی منشأ صفات و بیماری‌های پیچیده حیاتی است، اما مقیاس ژنوم غیرکدکننده، تحلیل سیستماتیک آن را به شدت دشوار کرده است.[2]

دیپ‌مایند پیش از این با آلفاژنوم، یک مدل هوش مصنوعی با قابلیت پیش‌بینی چگونگی اختلال واریانت‌های ژنتیکی در فرآیندهای بیولوژیکی، به این موضوع پرداخته بود. پوشمیت کوهلی (Pushmeet Kohli)، معاون علمی دیپ‌مایند، و ژیگا آوسک (Žiga Avsec)، سرپرست ابتکار ژنومیک، در بیانیه انتشار نوشتند: «مدل آلفاژنوم ما پیش‌تر نشان داده است که چگونه تغییرات منفرد در این نواحی غیرکدکننده دی‌ان‌ای می‌توانند فرآیندهای مولکولی مانند تولید پروتئین را مختل کنند، اما تصویر بزرگ‌تر هنوز نامشخص بود.»

علاوه بر این، اجرای این مدل روی واریانت‌های منفرد نیازمند منابع محاسباتی قابل‌توجه و تخصص برنامه‌نویسی بود که مانعی برای ورود بسیاری از محققان بیماری‌های نادر و آزمایشگاه‌های کوچک‌تر ایجاد می‌کرد.[2]

برای ساخت این اطلس، دیپ‌مایند مدل آلفاژنوم را از پیش روی تمام ۹ میلیارد واریانت تک‌نوکلئوتیدی ممکن اجرا کرد و اثرات هر ۳ جابجایی حرفی ممکن در هر موقعیت را محاسبه کرد — برای مثال، تغییر یک A به T، C یا G. این پایگاه داده همچنین شامل پیش‌بینی‌هایی برای بیش از ۱۰۰ میلیون درج و حذف کوتاه است. این شرکت با محاسبه پیشاپیش کل میدان احتمالات، هزینه محاسباتی را از بودجه محققان فردی به زیرساخت‌های خود منتقل کرد.[3]

پیمایش در یک مجموعه داده ۱ پتابایتی از پیش‌بینی‌های خام بیولوژیکی، چالش عملیاتی خاص خود را به همراه دارد. برای جلوگیری از غرق شدن محققان در داده‌ها، این اطلس ۱ معیار یکپارچه را معرفی می‌کند: امتیاز اثر واریانت آلفاژنوم (AVI). این عدد واحد، پیش‌بینی‌های ۲ سیستم مجزا را خلاصه می‌کند — آلفاژنوم که نواحی غیرکدکننده را تحلیل می‌کند، و آلفامیس‌سنس (AlphaMissense) که مدل دیپ‌مایند برای واریانت‌های تغییردهنده پروتئین است.[2][3]

امتیاز AVI یک نقطه شروع رتبه‌بندی‌شده برای دانشمندانی که روی مجموعه داده‌های بزرگ ژنتیکی کار می‌کنند، فراهم می‌آورد. تیم‌های آزمایشگاهی به جای غربال کردن هزاران معیار پراکنده در میان صدها نوع سلول، می‌توانند از این امتیاز برای اولویت‌بندی فوری امیدوارکننده‌ترین واریانت‌ها جهت پیگیری‌های آزمایشی استفاده کنند. این ابزار به گونه‌ای طراحی شده است که به عنوان یک تولیدکننده فرضیه عمل کند و میدان احتمالات را پیش از آنکه تیم‌ها زمان و سرمایه آزمایشگاهی خود را صرف کنند، محدود سازد.[2][3]

این اطلس هم‌اکنون در تحقیقات فعال به کار گرفته شده است. در موسسه برود (Broad Institute)، دانشمندان از امتیاز AVI برای اولویت‌بندی واریانت‌ها در پرونده‌های حل‌نشده بیماری‌های نادر استفاده کرده‌اند. در یک مورد، این ابزار یک واریانت غیرکدکننده حیاتی در ژن DNM1 را برجسته کرد و پیش‌بینی نمود که این جهش، یک محل اتصال (splice site) نادرست مرتبط با صرع شدید ایجاد کرده است.[2]

دیپ‌مایند اطلس آلفاژنوم را از طریق یک پورتال وب تعاملی، برای تحقیقات دانشگاهی غیرتجاری به صورت رایگان در دسترس قرار داده و نیاز به مهارت‌های برنامه‌نویسی برای استعلام داده‌ها را از بین برده است. عرضه تجاری از طریق گوگل کلاد برای تاریخ بعدی برنامه‌ریزی شده است؛ موضوعی که نشان‌دهنده یک تغییر بالقوه در نحوه درآمدزایی شرکت‌های ارائه‌دهنده زیرساخت‌های ابری از هوش مصنوعی است — یعنی دریافت هزینه برای دسترسی به مجموعه داده‌های علمی عظیم و از پیش محاسبه‌شده، به جای صرفاً مدل‌های پایه.[2][3]

این انتشار، توالی تحقیقات ژنومیک را به طور بنیادین تغییر می‌دهد. چالش فوری برای رهبران علوم زیستی دیگر تولید فهرستی از فرضیه‌ها در مقیاس ژنوم نیست، بلکه ایجاد فرآیندهای تکرارپذیر و با توان عملیاتی بالا برای تصمیم‌گیری درباره این است که کدام یک از این سرنخ‌های تولیدشده توسط هوش مصنوعی، شایسته اعتبارسنجی فیزیکی در آزمایشگاه هستند.[3]