DeepMind AlphaGenome 2, DNA Mutasyonlarının Hücre Bazındaki Etkilerini Tahmin Ediyor

Google DeepMind bünyesindeki araştırmacılar, insan DNA'sındaki değişimlerin farklı hücre türlerini nasıl etkilediğini çözmeye yönelik yeni bir yapay zeka modeli olan AlphaGenome 2'yi duyurdu. Son derece zorlu bir bilimsel soruna odaklanan bu model, bilimsel çevrelerin hastalıkların kökenlerine dair yeni ipuçları elde etmesine ve yeni tedavi yöntemlerinin geliştirilmesine yol gösterme potansiyeline sahip görünüyor. Bu model, geçen yıl piyasaya sürülen ve genom tahmini yapma becerisine sahip AlphaGenome modelinin devamı niteliğinde geliştirilmiştir.
İnsan vücudundaki hücrelerin neredeyse tamamı aynı DNA'yı barındırsa da kalp kası hücreleri, deri hücreleri ve enfeksiyonlarla mücadele eden bağışıklık hücreleri gibi farklı hücre türleri, işlevlerine göre farklı genleri açıp kapatır. Bu durum, aynı genetik değişimin bir hücre türü ve durumuna göre son derece farklı etkiler doğurmasına yol açar. AlphaGenome 2, bu ince farklılıkları yakalayıp tahmin etme yeteneğine sahip olarak tasarlanmıştır.

Geniş ölçekli veri eğitimine dayanan yeni model​

Şirketin Çarşamba günü yayınladığı bir blog gönderisine göre, yeni model, önceki AlphaGenome gibi geniş kapsamlı modellere kıyasla çok daha detaylı bir bakış açısı sunmaktadır. Bu detay, genellikle gözden kaçan ve hastalıkla doğrudan ilgili olabilecek hücrelere özgü etkilerin ortaya çıkmasına olanak tanıyabilir. Modelin bu yetkinlik kazanması için 68 farklı doku üzerinde 100 milyondan fazla bireysel hücre profili üzerinde eğitim verilmesi sağlanmıştır. DeepMind, modelin statik hücre atlaslarını, yani tek tek hücreleri haritalayan ve kataloglayan devasa veri depolarını, insan genetiği için bir 'tahmin motoruna' dönüştürdüğünü belirtmektedir. Şirketin açıklamasına göre AlphaGenome 2, hücrelerdeki gen ekspresyonunu değiştirebilen varyantları, önceki en gelişmiş modele kıyasla neredeyse iki kat daha fazla tespit edebilmektedir.
Projeyle doğrudan ilişkili olan bir diğer gelişme ise, AlphaGenome 2'nin yeniden eğitim gerektirmeden henüz görülmemiş yeni hücre türleri ve biyolojik durumlar hakkında tahminlerde bulunabilmesidir. Bu özellik, modelin deneysel verilerdeki boşlukları tespit etmesini sağlayarak araştırmacıların laboratuvar ortamında sıradaki adımı planlamasına yardımcı olabilir. Google DeepMind'da projeyle ilişkili olan araştırma bilim insanı Adam Gayoso, en büyük atılımın 'insan genetiğini hücre biyolojisine bağlamak' olduğunu ifade etmiştir. Gayoso'ya göre bu model, büyük nüfus çalışmalarıyla tespit edilen genetik değişimlerin hücresel düzeyde ne gibi etkiler yarattığını inceleme ve bu etkileri hastalıklarla ilişkilendirme imkânı sunmaktadır.

Tedavi süreçleri için yüksek granülerlik​

Google DeepMind'in genomik alanından sorumlu yöneticisi Žiga Avsec, belirli bir hastalığın tedavi edilebilmesi hedefi doğrultusunda bu düzeydeki ayrıntıya duyulan ihtiyacı vurgulamıştır. Avsec, ilaç geliştirme sürecinde hedef olarak belirli proteinler ve hücre türlerinin seçildiğini belirterek bu tür bir detay seviyesinin hayati önem taşıdığını açıklamıştır. Avsec, yeni teknolojilerin yüksek çözünürlükte bireysel hücreleri ve durumlarını yakalayıp devasa veri kümelerini üretmesine olanak sağlaması sayesinde bu denli detaylı bir modelin ancak yakın zamanda geliştirilebilmiş olduğunu aktarmıştır. Gelecekteki versiyonların çok çeşitli türler üzerindeki verilerle eğitilmesi, biyolojiye daha geniş bir perspektiften bakılmasına olanak tanıyabilir. Uzun vadede ise bu tür modeller, biyolojik sistemleri taklit eden dijital 'sanal hücre' simülasyonlarının oluşturulma süreçlerine entegre edilebilecektir.
Yeni modelin daha detaylı tahminleri hesaplama maliyeti yüksek olduğu için AlphaGenome'un yerini kısa vadede tamamen alamayacaktır. DeepMind, bu talep düzeyinin, Eylül ayında yayımlanan ve insan genomundaki her olası DNA değişimini kapsayan tüm genom Atlas'ını üretmek için AlphaGenome 2'nin pratik kullanılamayacağı anlamına geldiğini belirtmiştir. Şirket, AlphaGenome 2'yi ticari olmayan araştırma amacıyla AlphaGenome API üzerinden bugünden itibaren erişime açarken, ticari araştırmalara yönelik sınırlı bir 'özel önizleme' sunmaktadır. Google'ın rakip yapay zeka laboratuvarlarıyla birlikte bilimde ve tıpta köklü sorunları çözmek için bu teknolojiyi kullanma çabaları artarak sürmektedir. Bu kapsamda DeepMind'ın yapay zeka bilimi araştırma bölümü başkanı Pushmeet Kohli, daha çarpıcı bilimsel sonuçların yakında açıklanacağını ima etmiş, kuruluştan kısa süre içinde Birleşik Krallık'ta otomatik bir malzeme bilimi laboratuvarı açılmasının beklenildiği aktarılmıştır. Anthropic de kendi ilaç tasarım deneylerini sürdüren ve yapay zeka modeli Claude'a ıslak laboratuvar imkânı tanıyan, OpenAI gibi rakip kuruluşlarla birlikte bu alandaki rekabeti tırmandıran diğer bir şirkettir.

Sıkça Sorulan Sorular​

AlphaGenome 2 hangi veri seti üzerinde eğitim görülmüştür?​

Yeni modelin detaylı görünüm kazanması için 68 farklı doku üzerinde 100 milyondan fazla bireysel hücre profili üzerinde eğitim verilmiştir.

Önceki AlphaGenome modeline kıyasla en büyük fark nedir?​

AlphaGenome 2, hücrelerdeki gen ekspresyonunu değiştirebilen varyantları, önceki en gelişmiş modele kıyasla neredeyse iki kat daha fazla tespit edebilmektedir ve farklı hücre türleri için ince detaylar sunmaktadır.

Araştırmacılar yeni modeli nasıl kullanabilir?​

Google, AlphaGenome 2'yi ticari olmayan araştırma amacıyla AlphaGenome API üzerinden erişime açmış olup, ticari araştırmalar için de sınırlı bir özel önizleme imkânı sunmaktadır.

Model yeniden eğitim gerektirmeden ne yapabilmektedir?​

AlphaGenome 2, yeniden eğitim ihtiyacı olmaksızın henüz görülmemiş yeni hücre türleri ve biyolojik durumlar hakkında tahminde bulunabilir ve deneysel verilerdeki eksiklikleri tespit edebilir.

Modelin en büyük hesaplamamsal dezavantajı nedir?​

AlphaGenome 2'nin daha detaylı tahminleri, hesaplama açısından daha maliyetlidir; bu nedenle Eylül ayında yayımlanan geniş kapsamlı genom Atlas'ı gibi devasa ölçekli işler için pratik kullanımı sınırlıdır.