Riassunto:
Google DeepMind ha lanciato una nuova generazione di modello di intelligenza artificiale genomica AlphaGenome 2, che mira a prevedere con maggiore precisione il modo in cui le variazioni genetiche del DNA influenzano diversi tipi di cellule nel corpo umano e le attività delle cellule in diversi stati biologici. Questa tecnologia spera di aiutare i ricercatori a identificare i cambiamenti chiave legati alla malattia a partire da massicce informazioni genetiche, rivelare ulteriormente il meccanismo della malattia e trovare nuovi obiettivi per il futuro sviluppo di farmaci.
AlphaGenome 2 è il seguito del modello AlphaGenome lanciato lo scorso anno. La missione principale di entrambi è studiare l'impatto della variazione genetica sull'attività genetica, ma il nuovo modello affina ulteriormente la granularità dell'analisi su tipi e stati cellulari specifici.
Quasi tutte le cellule del corpo umano portano lo stesso DNA, ma cellule diverse svolgono compiti diversi. Ad esempio, le cellule del muscolo cardiaco, le cellule della pelle e le cellule immunitarie responsabili della lotta alle infezioni hanno tutte essenzialmente le stesse informazioni genetiche ma attivano o disattivano geni diversi a seconda della loro funzione. Anche all’interno della stessa cellula, l’attività genetica può cambiare durante la crescita, la differenziazione, l’infezione o altre condizioni fisiologiche.
Ciò significa che la stessa variante genetica può avere effetti completamente diversi in cellule diverse. Se i dati genetici vengono analizzati solo a livello dell’intero tessuto o del corpo, alcune anomalie che compaiono solo in cellule specifiche potrebbero non essere rilevate. AlphaGenome 2 è progettato per risolvere questo problema, sperando di determinare quali cellule influenzerà un determinato cambiamento del DNA e quali conseguenze potrebbe avere in uno specifico stato biologico.
Per ottenere questa previsione più precisa, Google DeepMind ha utilizzato più di 100 milioni di dati di singole cellule per l'addestramento del modello, coprendo 68 tipi di tessuti umani. I ricercatori sperano che con l’aiuto di queste enormi mappe cellulari, il modello non identificherà più solo la correlazione generale tra sequenze di DNA e attività geniche, ma sarà in grado di prevedere il possibile impatto delle variazioni genetiche in base alle caratteristiche biologiche di cellule specifiche.
DeepMind ha affermato che AlphaGenome 2 è in grado di identificare quasi il doppio del numero di variazioni genetiche che possono alterare l'espressione genica cellulare rispetto ai precedenti modelli avanzati. Ciò significa che i ricercatori hanno l’opportunità di scoprire segnali genetici che in passato erano stati trascurati nelle analisi più ampie.
Un'altra importante capacità è che AlphaGenome 2 può prevedere tipi di cellule e stati biologici che non sono apparsi direttamente nei dati di addestramento, senza dover riqualificare il modello per ogni nuovo tipo di cellula. Questa capacità di generalizzazione aiuta i ricercatori a esplorare tipi di cellule per i quali i dati sono relativamente scarsi. Li aiuta anche a scoprire le lacune nei dati sperimentali esistenti e a decidere dove condurre gli esperimenti successivi.
Adam Gayoso, ricercatore di Google DeepMind che ha partecipato al progetto, ritiene che il progresso fondamentale di questo lavoro consista nel collegare più strettamente la genetica umana e la biologia cellulare. I ricercatori possono prima scoprire varianti sospette da studi genetici sulla popolazione su larga scala, quindi utilizzare AlphaGenome 2 per analizzare ulteriormente i possibili effetti di queste varianti a livello cellulare e quindi trovare collegamenti tra loro e malattie specifiche.
Žiga Avsec, responsabile della genomica presso Google DeepMind, ha sottolineato che questo tipo di analisi fine a livello cellulare è particolarmente importante per lo sviluppo di farmaci. I farmaci spesso prendono di mira proteine e tipi di cellule specifici, quindi sapere esattamente quali cellule colpisce una determinata variante genetica e cosa succede a quelle cellule può aiutare i ricercatori a identificare con maggiore precisione i bersagli terapeutici.
I progressi in questo campo hanno beneficiato anche dello sviluppo del sequenziamento di singole cellule e di altre biotecnologie negli ultimi anni. I ricercatori sono ora in grado di catturare singole cellule e i loro stati biologici a risoluzioni più elevate e accumulare set di dati abbastanza grandi da fornire la base per l’addestramento di tali modelli di intelligenza artificiale.
DeepMind prevede inoltre di continuare ad espandere la portata dei dati di addestramento, in particolare per integrare gli stati cellulari attualmente sottorappresentati. Avsec ha affermato che le versioni future potrebbero persino introdurre dati provenienti da più specie, consentendo al modello di apprendere modelli da una gamma più ampia di sistemi biologici. A lungo termine, tali modelli potrebbero diventare una base importante per costruire cellule virtuali, ovvero riprodurre attività biologiche all’interno di cellule reali attraverso la simulazione digitale.
Tuttavia, AlphaGenome 2 non sostituirà immediatamente il modello della generazione precedente. Previsioni più raffinate a livello di cella richiedono più risorse di calcolo e costi di gestione più elevati. L'AlphaGenome Atlas, lanciato in precedenza da DeepMind nel settembre 2026, ha utilizzato l'originale AlphaGenome per pre-calcolare circa 9 miliardi di possibili cambiamenti a base singola e il loro impatto molecolare nel genoma umano. Se AlphaGenome 2, che è più costoso dal punto di vista computazionale, viene utilizzato per completare un compito così enorme, l’efficienza e il consumo di risorse non saranno ideali.
Pertanto, le due generazioni di modelli svolgeranno ancora compiti diversi in questa fase: AlphaGenome è adatto per previsioni su larga scala e a livello dell'intero genoma, mentre AlphaGenome 2 è più adatto per l'analisi approfondita di specifiche variazioni genetiche e tipi di cellule.
Google ha annunciato che AlphaGenome 2 sarà disponibile per i ricercatori non commerciali tramite l'API AlphaGenome a partire dall'11 novembre, fornendo al contempo un accesso limitato in anteprima privata agli istituti di ricerca commerciali. Ciò significa che i ricercatori possono iniziare a utilizzarlo per la ricerca genetica e di biologia cellulare, ma le applicazioni commerciali sono ancora limitate.
Va sottolineato che AlphaGenome 2 è ancora uno strumento di previsione della ricerca scientifica, non un sistema diagnostico o terapeutico clinicamente testato. Le varianti genetiche identificate dal modello e i loro potenziali effetti devono ancora essere ulteriormente confermati attraverso la ricerca sperimentale e l’evidenza clinica, e non possono essere utilizzate direttamente per determinare se una persona ha una determinata malattia.
Da AlphaGenome ad AlphaGenome 2, e poi all'AlphaGenome Atlas che copre circa 9 miliardi di variazioni genetiche, Google DeepMind sta cercando di creare un sistema di ricerca sull'intelligenza artificiale dalle sequenze di DNA, dalle variazioni genetiche alle attività cellulari. Se in futuro i dati provenienti da diversi tessuti, stati cellulari e persino da più specie potranno essere ulteriormente integrati, si prevede che questo tipo di modello aiuterà gli scienziati a comprendere in modo più sistematico come le informazioni genetiche vengono convertite in reali funzioni biologiche e fornirà nuovi strumenti di ricerca per lo studio dei meccanismi delle malattie e lo sviluppo di nuovi farmaci.
Commenti