كشف باحثون في شركة جوجل ديب مايند عن نموذج جديد للذكاء الاصطناعي مصمم لكشف كيفية تأثير التغيرات في حمضنا النووي على الخلايا المختلفة، مما يمنح العلماء رؤية أكثر تفصيلاً لمشكلة صعبة تشتهر بتعقيدها، وهو ما قد يحمل أدلة مهمة حول أسباب الأمراض ويمهد الطريق نحو علاجات جديدة.
يُعد نموذج "أفا جينوم 2" (AlphaGenome 2) الخليفة لنموذج الذكاء الاصطناعي للتنبؤ بالجينوم الذي أطلقته ديب مايند العام الماضي. وعلى الرغم من أني كل خلية في جسم الإنسان تحمل نفس الحمض النووي تقريباً، إلا أن أنواع الخلايا المختلفة بدءاً من خلايا عضلات القلب وخلايا الجلد وصولاً إلى الخلايا المناعية التي تكافح العدوى تنشط جينات مختلفة وتعطل أخرى، ويمكن أن تتغير تلك الأنماط بناءً على ما تفعله الخلية. ونتيجة لذلك، يمكن لنفس المتغير الجيني أن يخلّف تأثيرات مختلفة للغاية اعتماداً على نوع الخلية وحالتها.
وقد صُمم النموذج الجديد لالتقاط تلك الاختلافات، متنبئاً بتأثيرات المتغيرات الجينية على أنواع الخلايا الفردية وحالاتها. وقالت جوجل في منشور على مدونتها يوم الأربعاء إنه يقدم رؤية أدق بكثير مقارنة بالنماذج الأوسع نطاقاً مثل الإصدار السابق، مما قد يكشف عن تأثيرات ذات صلة بالأمراض في خلايا محددة كان من الممكن أن تمر دون أن ملاحظة.
تم تدريب "أفا جينوم 2" على أكثر من 100 مليون ملف تعريف خلوي فردي موزعة على 68 نسيجاً لمنحه هذه الرؤية الأكثر تفصيلاً. وتقول شركة ديب مايند إن النموذج يحول بفعالية الأطلس الخلوي الثابت وهو مستودعات بيانات ضخمة تقوم برسم خائط وفهرسة الخلايا الفردية بالتفصيل إلى "محرك تنبؤي لعلم الوراثة البشري". ووفقاً للشركة، يحدد "أفا جينوم 2" ما يقرب من ضعف عدد المتغيرات التي يمكن أن تغير التعبير الجيني في الخلايا مقارنة بنموذجها السابق المتطور.
والجدير بالذكر أن الباحثين وجدوا أن "أفا جينوم 2" يمكنه أيضاً تقديم تنبؤات حول أنواع جديدة من الخلايا والحالات البيولوجية دون الحاجة إلى إعادة التدريب. كما يمكنه تحديد الثغرات في البيانات التجريبية، مما قد يساعد العلماء في تحديد ما يجب التحقيق فيه بعد ذلك في المختبر.
وبالنسبة لآدم غايوسو، الباحث العلمي في جوجل ديب مايند والمشارك في المشروع، فإن الإنجاز الكبير يكمن في "ربط علم الوراثة البشري بعلم الأحياء الخلوي". وقال لصحيفة "ذا فيرج" إن "أفا جينوم 2" يمنح الباحثين طريقة التعمق في المتغيرات الجينية التي يتم تحديدها في التجمعات السكانية الكبيرة، لمعرفة التأثيرات التي قد تحدثها على مستوى الخلايا، وربط تلك التأثيرات بالمرض.
وأوضح زيغا أفسيك، المسؤول عن قسم الجينوميات في جوجل ديب مايند، لصحيفة "ذا فيرج" أن هذه الدقة أمر مهم إذا كان لديك هدف مثل معرفة كيفية علاج مرض معين. وأضاف شارحاً: "عندما تقوم بتطوير الأدوية، فأنت تستهدف بروتينات محددة وأنواع خلايا محددة"، مما يجعل امتلاك هذا النوع من الدقة أمراً بالغ الأهمية.
وقال أفسيك إن بناء نموذج مثل "أفا جينوم 2" أصبح ممكناً مؤخراً فقط بفضل التقنيات الجديدة التي يمكنها التقاط الخلايا الفردية وحالاتها بدقة عالية وإنشاء مجموعات البيانات الهائلة اللازمة لتدريبه. وتعمل ديب مايند الآن على تحسين نماذج الوراثة الخاصة بها من خلال توليد المزيد من البيانات، بما في ذلك حالات الخلايا يتم تمثيلها بشكل جيد اليوم. وأشار أفسيك إلى أن الإصدارات المستقبلية قد يتم تدريبها أيضاً على بيانات "عبر أنواع متعددة"، مما يمنح النماذج نظرة أوسع على علم الأحياء. وعلى المدى الطويل، قال إن نماذج مثل "أفا جينوم 2" يمكن أن تغذي الجهود المبذولة لإنشاء "خلايا افتراضية"، وهي محاكاة رقمية مصممة لتقليد الأنظمة البيولوجية.
وعلى الرغم من أن أفسيك يعتبر "أفا جينوم 2" خليفة لنموذج "أفا جينوم"، إلا أنه لن يحل محله في القريب العاجل. وأوضح أن تنبؤاته الأكثر تفصيلاً تأتي بتكلفة حسابية وهي "أكثر تكلفة" في الإنتاج مقارنة بسلفه. ومثل هذه المتطلبات كانت ستجعل استخدام "أفا جينوم 2" غير عملي لإنتاج الأطلس الشامل للجينوم الذي يغطي "كل تغيير محتمل لحرف الحمض النووي في الجينوم البشري" والذي أطلقته ديب مايند في سبتمبر.
وتقول جوجل إنها توفر نموذج "أفا جينوم 2" للبحوث غير التجارية عبر واجهة برمجة التطبيقات الخاصة بـ "أفا جينوم" بدءاً من اليوم، مع توفير "معاينة خاصة" محدودة للأبحاث التجارية.
ويُعد هذا النموذج أحدث إضافة إلى مجموعة متنامية من الجهود التي تبذلها جوجل ومختبرات الذكاء الاصطناعي المنافسة لاستخدام هذه التكنولوجيا لمعالجة المشكلات الكبرى في العلوم والطب. وقد ألمح بوشميت كوهلي، الذي يرأس أبحاث الذكاء الاصطناعي للعلوم في ديب مايند، إلى أن المزيد من النتائج العلمية المثيرة للإعجاب في طريقها، ومن المتوقع أن تفتتح المنظمة مختبراً آلياً لعلوم المواد في المملكة المتحدة قريباً. وفي الوقت نفسه، كانت شركة "أنثروبيك" تجرب تصميم الأدوية ومنحت نظام "كلاود" مختبراً مبللاً، بينما تواصل "أوبن إيه آي" تحقيق تقدم مثير للإعجاب في حل المشكلات طويلة الأمد في الرياضيات والمجالات ذات الصلة.
