Proteinlerden Sonra Google'ın Yapay Zekası DNA'daki Karanlık Maddeyi Okuyor

John Jumper, David Baker ve Damis Hassabis'e 2024 Nobel Kimya Ödülü'nü kazandıran, proteinlerin 3 boyutlu yapısını çözebilen Yapay Zeka modeli AlphaFold'dan sonra , Google DeepMind şirketi AlphaGenome adlı yeni bir AI modeli sunuyor. DNA'nın sözde 'karanlık maddesini' , yani proteinleri kodlamayan ancak aktivitelerini etkileyen genetik diziler kümesini okumak üzere tasarlanmıştır . Yanlış bir şekilde ve uzun süre 'çöp DNA' olarak adlandırılan bu gizemli diziler, insan DNA'sının büyük çoğunluğunu, iyi bir %98'ini oluşturur. AlphaGenome modeli, henüz bilim camiası tarafından incelenmemiş bir makalede açıklanmaktadır. Roma Tor Vergata Üniversitesi'nden genetikçi Giuseppe Novelli, ANSA'ya "Yaklaşık 20 bin genden oluşan genomumuzun kodlama kısmı artık iyi biliniyor " dedi. "Ancak geri kalanı son derece heterojendir : bir kısım tekrarlayan DNA'dan oluşur, diğeri konumlarını değiştirebilen hareketli elemanlardan oluşur. Her durumda, bunlar her zaman 60-63 bin olarak tahmin edilen genlerdir , ancak RNA'yı (DNA ile ilişkili tek zincirli molekül) kodlarlar. Novelli, muazzam miktarları göz önüne alındığında, en azından hangi aileye ait olduklarını gösterebilen böyle bir araca sahip olmanın çok önemli olduğunu vurgular." AlphaGenome , 1 milyon harfe kadar uzun DNA dizilerini okuyabilir ve bunların rolü ve herhangi bir mutasyonun olası etkileri hakkında binlerce tahminde bulunabilir. Bir örnekte, Žiga Avsec liderliğindeki araştırmacılar, modeli lösemiden etkilenen kişilerde belirlenen bazı mutasyonlarla test ettiler ve AlphaGenome, mutasyonların bu tür tümörün en yaygın nedenlerinden biri olarak kabul edilen yakındaki bir geni dolaylı olarak aktive edeceğini doğru bir şekilde tahmin edebildi. Ancak yeni AI hala sınırlı çünkü sadece insanlardan ve farelerden alınan verilerle eğitildi ve mutasyonlar çok uzakta bulunan genleri değiştirirse zorlanıyor. Novelli, " RNA tabanlı ilaçların sahip olduğu ve gelecekte sahip olmaya devam edeceği büyük gelişme göz önüne alındığında," diye ekliyor, "bu moleküllerin hangi rolü oynayacağını tahmin etmemizi sağlayan bir araca sahip olmak, gelecekteki ilaçlar için potansiyel hedefleri daha hızlı belirlememize de yardımcı olabilir."