Google DeepMind запустила AlphaGenome — революционную ИИ-модель, которая предсказывает, как последовательности ДНК регулируют гены и как мутации влияют на биологические процессы. Представленная 25 июня 2025 года, эта прорывная система способна анализировать последовательности ДНК длиной до миллиона букв и с беспрецедентной точностью прогнозировать тысячи молекулярных свойств.
AlphaGenome представляет собой значительный шаг вперёд по сравнению с предыдущими инструментами геномного анализа, объединяя анализ в широком контексте с точностью на уровне отдельных оснований. Модель предсказывает, где начинаются и заканчиваются гены в различных типах клеток, как происходит сплайсинг, а также количество производимой РНК. Она также может оценивать, как однобуквенные мутации влияют на эти процессы, что делает её ценным инструментом для изучения механизмов заболеваний.
«Это важная веха для отрасли. Впервые у нас есть единая модель, объединяющая широкий контекст, точность на уровне оснований и передовые показатели по всему спектру геномных задач», — отметил исследователь DeepMind. Система превзошла специализированные модели в 22 из 24 тестов на точность геномных прогнозов.
AlphaGenome присоединилась к другим впечатляющим ИИ-новинкам, представленным в этом месяце. Китайские исследователи разработали дроны-разведчики размером с комара — всего 2 сантиметра в длину — для проведения разведывательных миссий. Тем временем заводские роботы, оснащённые интегрированными языковыми моделями, теперь способны выполнять сложные задачи в непредсказуемых условиях благодаря автономному обучению.
В здравоохранении ИИ продолжает спасать жизни и за пределами геномики. Китайская исследовательская группа создала модель глубокого обучения, которая по анализу МРТ плаценты с точностью 90% предсказывает послеродовое кровотечение. Это достижение может существенно снизить материнскую смертность, ведь кровотечения вызывают каждую четвёртую смерть рожениц в мире.
Google DeepMind предоставляет доступ к AlphaGenome через API для некоммерческих исследований и планирует в будущем выпустить полную версию модели. Эта технология способна ускорить исследования болезней, помочь в проектировании синтетической ДНК и углубить понимание функциональных элементов генома.