Google DeepMind пусна AlphaGenome – революционен AI модел, който прогнозира как ДНК последователностите регулират гените и как мутациите влияят върху биологичните процеси. Представена на 25 юни 2025 г., тази пробивна система може да анализира ДНК последователности с дължина до един милион букви и да предсказва хиляди молекулярни свойства с безпрецедентна точност.
AlphaGenome представлява значителен напредък спрямо досегашните инструменти за геномен анализ, като обединява анализ на дългосрочен контекст с прецизност на ниво база. Моделът прогнозира къде започват и свършват гените в различни типове клетки, как се сплайсират и какво количество РНК се произвежда. Освен това може да оценява как еднобуквени мутации могат да повлияят на тези процеси, което го прави ценен за разбирането на механизмите на заболяванията.
„Това е крайъгълен камък за областта. За първи път имаме единен модел, който обединява дългосрочен контекст, прецизност на ниво база и най-висока производителност в цял спектър от геномни задачи“, споделя изследовател от DeepMind. Системата превъзхожда специализирани модели в 22 от 24 бенчмарка за геномни прогнози.
AlphaGenome се нарежда до други впечатляващи AI иновации, обявени този месец. Китайски изследователи са разработили дронове с размер на комар, дълги само 2 сантиметра, предназначени за разузнавателни мисии. Междувременно фабрични роботи, оборудвани с въплътени големи езикови модели, вече могат да изпълняват сложни задачи в непредвидими среди чрез автономно учене.
В здравеопазването AI продължава да спасява животи извън геномиката. Китайски екип е създал дълбок невронен модел, който прогнозира следродилен кръвоизлив с 90% точност чрез анализ на ЯМР сканирания на плацентата. Това постижение може значително да намали майчината смъртност, тъй като кръвоизливът е причина за една от всеки четири смъртни случая сред майките в световен мащаб.
Google DeepMind предоставя AlphaGenome чрез API за некомерсиални изследвания, като планира да пусне пълния модел в бъдеще. Технологията може да ускори изследванията на болести, да насочи дизайна на синтетична ДНК и да задълбочи разбирането ни за функционалните елементи на генома.