Google DeepMind wprowadziło AlphaGenome – rewolucyjny model sztucznej inteligencji, który przewiduje, w jaki sposób sekwencje DNA regulują geny oraz jak mutacje wpływają na procesy biologiczne. System, udostępniony 25 czerwca 2025 roku, potrafi analizować sekwencje DNA o długości do miliona znaków i z niespotykaną dotąd precyzją przewidywać tysiące właściwości molekularnych.
AlphaGenome to znaczący postęp względem wcześniejszych narzędzi do analizy genomu, łącząc analizę kontekstu na dużą skalę z dokładnością na poziomie pojedynczych zasad. Model przewiduje, gdzie w różnych typach komórek zaczynają się i kończą geny, jak są składane oraz ile RNA jest produkowane. Może także ocenić, jak pojedyncze mutacje wpływają na te procesy, co czyni go cennym narzędziem w badaniu mechanizmów chorób.
"To kamień milowy dla tej dziedziny. Po raz pierwszy mamy jeden model, który łączy analizę kontekstu na dużą skalę, precyzję na poziomie zasad oraz najwyższą wydajność w szerokim zakresie zadań genomowych" – powiedział jeden z badaczy DeepMind. System przewyższył wyspecjalizowane modele w 22 z 24 testów predykcyjnych w genomice.
AlphaGenome dołącza do innych imponujących innowacji AI ogłoszonych w tym miesiącu. Chińscy naukowcy opracowali drony zwiadowcze wielkości komara, mierzące zaledwie 2 centymetry, przeznaczone do misji rozpoznawczych. Z kolei roboty fabryczne wyposażone w ucieleśnione duże modele językowe potrafią teraz samodzielnie wykonywać złożone zadania w nieprzewidywalnych warunkach dzięki autonomicznemu uczeniu się.
W ochronie zdrowia sztuczna inteligencja ratuje życie także poza genomiką. Chiński zespół badawczy stworzył model głębokiego uczenia, który na podstawie analizy rezonansu magnetycznego łożyska przewiduje ryzyko krwotoku poporodowego z 90% skutecznością. To osiągnięcie może znacząco zmniejszyć śmiertelność matek, ponieważ krwotok odpowiada za jedną czwartą zgonów okołoporodowych na świecie.
Google DeepMind udostępnia AlphaGenome poprzez API do niekomercyjnych badań, a w przyszłości planuje opublikować pełny model. Technologia ta może przyspieszyć badania nad chorobami, wspomóc projektowanie syntetycznego DNA oraz pogłębić naszą wiedzę o funkcjonalnych elementach genomu.