تقریباً تمام سلول‌های بدن انسان از دستورالعمل ژنتیکی یکسانی پیروی می‌کنند، اما چرا سلول قلب با سلول پوست تفاوت دارد؟ چرا یک تغییر کوچک در DNA ممکن است در برخی سلول‌ها بی‌اثر باشد، اما در سلول‌های دیگر خطر ابتلا به بیماری را افزایش دهد؟ گوگل با معرفی نسل جدید هوش مصنوعی آلفاژنوم، تلاش می‌کند به چنین پرسش‌هایی پاسخ دهد.

پژوهشگران گوگل دیپ‌مایند می‌گویند آلفاژنوم ۲ (AlphaGenome 2) می‌تواند اثر تغییرات ژنتیکی را بر انواع مختلف سلول‌های بدن پیش‌بینی کند. این فناوری با بررسی دقیق‌تر فعالیت ژن‌ها، به دانشمندان کمک می‌کند ارتباط میان تغییرات DNA و بیماری‌های انسانی را بهتر درک کنند.

آلفاژنوم ۲ جانشین مدل آلفاژنوم محسوب می‌شود که سال گذشته معرفی شد. نسل قبلی می‌توانست اثر تغییرات ژنتیکی را بر فعالیت مولکولی در بافت‌های مختلف پیش‌بینی کند، اما مدل جدید یک گام فراتر می‌رود و تفاوت میان سلول‌های منفرد و وضعیت‌های مختلف آن‌ها را نیز در نظر می‌گیرد.

بیشتر سلول‌های بدن تقریباً DNA یکسانی دارند، اما تمام ژن‌ها در همه‌ی سلول‌ها فعال نیستند. برای مثال، سلول‌های عضله‌ی قلب، سلول‌های پوست و سلول‌های دستگاه ایمنی برای انجام وظایف متفاوتشان، مجموعه‌های مختلفی از ژن‌ها را فعال یا غیرفعال می‌کنند.

حتی فعالیت ژن‌ها در یک نوع سلول نیز همیشه ثابت نیست. سلولی از دستگاه ایمنی ممکن است هنگام مقابله با عفونت، الگوی فعالیت ژنی متفاوتی نسبت‌به حالت استراحت داشته باشد.

همین تفاوت‌ها باعث می‌شود که یک تغییر ژنتیکی مشخص، بسته به نوع سلول و وضعیت آن، آثار متفاوتی ایجاد کند. مسئله‌ای که شناسایی نقش دقیق تغییرات DNA در بروز بیماری‌ها را دشوار کرده است.

براساس اطلاعیه‌ی رسمی گوگل دیپ‌مایند، آلفاژنوم ۲ با استفاده از اطلاعات بیش از ۱۰۷ میلیون سلول منفرد از ۶۸ بافت مختلف آموزش دیده است. این داده‌ها شامل نمونه‌های انسان و موش هستند و به مدل کمک می‌کنند الگوهای فعالیت ژن‌ها را در شرایط گوناگون شناسایی کند.

مدل جدید می‌تواند توالی DNA شامل یک میلیون حرف ژنتیکی را دریافت کند و پیش‌بینی کند که تغییرات این توالی چگونه بر فعالیت ژن‌ها در سلول یا وضعیت زیستی مشخصی تأثیر می‌گذارند.

در مدل اولیه‌ی آلفاژنوم، پیش‌بینی‌ها به‌طور هم‌زمان برای مجموعه‌ای از بافت‌ها و شرایط زیستی انجام می‌شد. این روش ازنظر محاسباتی کارآمد بود، اما تشخیص تفاوت‌های ظریف میان سلول‌های مشابه را دشوار می‌کرد.

گوگل معماری نسل جدید را تغییر داده است تا مدل بتواند هنگام بررسی DNA، روی یک نوع سلول یا وضعیت زیستی مشخص تمرکز کند. برای مثال، پژوهشگران می‌توانند بررسی کنند که یک تغییر ژنتیکی چگونه بر فعالیت ژن‌های سلول‌های ایمنی روده تأثیر می‌گذارد، بدون اینکه نتیجه‌ی آن با اطلاعات سایر سلول‌های همان بافت درهم آمیخته شود.

گوگل می‌گوید آلفاژنوم ۲ در مقایسه با مدل‌های پیشین، می‌تواند تقریباً دو برابر تغییرات ژنتیکی مؤثر بر فعالیت ژن‌ها را شناسایی کند.

در یکی از ارزیابی‌ها با استفاده از مجموعه‌داده‌ی TenK10K که اطلاعات ۲۸ نوع سلول ایمنی را در بر می‌گیرد، مدل جدید توانست ۳۰ درصد از تغییرات ژنتیکی علّی را شناسایی کند؛ درحالی‌که مدل قبلی و ابزارهای مقایسه‌شده به نتیجه‌ی ۱۶ درصدی رسیده بودند.

همچنین عملکرد مدل در پیش‌بینی جهت اثر تغییرات ژنتیکی بر فعالیت ژن‌ها، از ۲۳ درصد به ۴۳ درصد افزایش یافته است. این قابلیت به پژوهشگران کمک می‌کند تشخیص دهند که یک تغییر DNA احتمالاً باعث افزایش فعالیت ژنی مشخص می‌شود یا آن را کاهش می‌دهد.

آلفاژنوم ۲ علاوه‌بر پیش‌بینی میزان فعالیت ژن‌ها، می‌تواند ویژگی‌های دیگری مانند تغییرات شیمیایی مرتبط با DNA و پروتئین‌های بسته‌بندی‌کننده‌ی آن، دسترسی‌پذیری کروماتین و متیلاسیون DNA را نیز بررسی کند.

متیلاسیون DNA یکی از سازوکارهای تنظیم فعالیت ژن‌ها است که بدون تغییر توالی اصلی DNA می‌تواند بر نحوه‌ی عملکرد آن‌ها اثر بگذارد.

یکی از کاربردهای مهم آلفاژنوم ۲، بررسی تغییرات ژنتیکی مرتبط با بیماری‌هایی است که علت دقیق آن‌ها هنوز به‌طور کامل شناخته نشده است.

پژوهش‌های ژنتیکی گسترده معمولاً می‌توانند بخش‌هایی از ژنوم را شناسایی کنند که با افزایش احتمال ابتلا به بیماری ارتباط دارند. بااین‌حال، مشخص‌کردن اینکه کدام تغییر ژنتیکی واقعاً در بروز بیماری نقش دارد و اثر آن در چه سلولی ظاهر می‌شود، بسیار دشوارتر است.

تحقیقات پیشین نشان داده بودند که یک تغییر ژنتیکی در بخش تنظیم‌کننده‌ی DNA می‌تواند با افزایش فعالیت ژن ETS2 در سلول‌های ایمنی روده، در ایجاد بیماری التهابی روده نقش داشته باشد. گوگل اعلام کرده است که آلفاژنوم ۲ توانسته این یافته را در بررسی‌های محاسباتی بازتولید کند. مدل، تغییر ژنتیکی مؤثر را شناسایی کرده و پیش‌بینی کرده است که این تغییر به‌طور ویژه باعث افزایش فعالیت ژن ETS2 در ماکروفاژهای روده می‌شود، درحالی‌که اثر آن بر سایر سلول‌ها و ژن‌ها بسیار محدودتر است.

این نمونه نشان می‌دهد که بررسی اثر یک تغییر ژنتیکی در سطح سلول‌های مشخص، چگونه می‌تواند اطلاعات دقیق‌تری درباره‌ی سازوکار بیماری ارائه دهد.

آدام گایوسو، پژوهشگر گوگل دیپ‌مایند و از اعضای تیم توسعه‌ی آلفاژنوم ۲، در گفت‌وگو با ورج توضیح داد که یکی از مهم‌ترین دستاوردهای مدل، ایجاد ارتباط میان ژنتیک انسان و زیست‌شناسی سلولی است.

به‌گفته‌ی او، پژوهشگران می‌توانند تغییرات ژنتیکی شناسایی‌شده در مطالعات جمعیتی را دقیق‌تر بررسی کنند و ببینند این تغییرات چگونه بر عملکرد سلول‌ها تأثیر می‌گذارند.

ژیگا آوسک، مدیر تحقیقات ژنومیک گوگل دیپ‌مایند، نیز تأکید کرده است که چنین دقتی برای توسعه‌ی داروها اهمیت دارد؛ زیرا داروها معمولاً پروتئین‌های مشخص یا انواع خاصی از سلول‌ها را هدف قرار می‌دهند.

برای مثال، اگر پژوهشگران بتوانند بفهمند یک تغییر ژنتیکی چگونه فعالیت پروتئینی خاص را در سلول‌های ایمنی افزایش می‌دهد، ممکن است بتوانند مسیرهای مناسب‌تری را برای بررسی داروهای هدفمند شناسایی کنند.

البته آلفاژنوم ۲ در حال حاضر دارویی تولید نمی‌کند و کاربرد آن پیش‌بینی اثرات مولکولی و کمک به تحقیقات زیستی است. تبدیل چنین یافته‌هایی به روش‌های درمانی جدید همچنان به مطالعات آزمایشگاهی، آزمایش‌های پیش‌بالینی و کارآزمایی‌های بالینی نیاز دارد.

آوسک توضیح داده است که پیش‌بینی‌های دقیق‌تر آلفاژنوم ۲ به توان پردازشی بیشتری نیاز دارند و تولید آن‌ها در مقایسه با نسل قبلی پرهزینه‌تر است. همین تفاوت باعث می‌شود مدل اولیه همچنان برای برخی تحلیل‌های بسیار گسترده مناسب‌تر باشد.

گوگل شهریور امسال از پروژه‌ی AlphaGenome Atlas رونمایی کرد که شامل پیش‌بینی اثر حدود ۹ میلیارد تغییر تک‌حرفی ممکن در ژنوم انسان است.

تولید چنین پایگاه داده‌ی عظیمی با استفاده از آلفاژنوم ۲، به‌دلیل هزینه‌ی محاسباتی بالاتر، در عمل بسیار دشوارتر خواهد بود.

بنابراین، دو مدل می‌توانند کاربردهای مکملی داشته باشند؛ آلفاژنوم اولیه برای بررسی گسترده‌ی تغییرات ژنتیکی و آلفاژنوم ۲ برای تحلیل دقیق‌تر اثر آن‌ها در سلول‌ها و وضعیت‌های زیستی مشخص.