El Alfaganom AI de Google puede leer ADN, y está en Github

El alfagenoma de Google Deepemind, anunciado hoy, no es otra entrada en la carrera armamentista de AI por ciencia. Con el acceso a la API a la investigación no comercial y tiene una amplia gama de documentación y comunidad apoyada en GitHub, una vez limitado a la genómica, laboratorios especiales y datos de Peavald, se está moviendo rápidamente hacia la ciencia abierta.

Este es un negocio muy grande.

G es un manual de instrucciones gigantes de cómo su ADN funciona en su cuerpo. Durante mucho tiempo, los científicos solo pueden comprender realmente las partes que le dicen a su cuerpo cómo construir cosas como proteínas. Pero la mayoría de tu ADN, más del 90% de ellos, no le gustan. No construye nada directamente. La gente lo llamó «ADN basura».

Ahora sabemos que la «basura» en realidad está haciendo algo importante: ayuda a controlar cuándo y dónde se utilizan las instrucciones reales, como un panel de control lleno de interruptores y dial. El problema? Es realmente difícil de leer y entender.

Ahí es donde llega el alfagenoma.

El alfagenoma es un poderoso modelo de IA construido por Google Deep Mind, que puede leer estas partes confusas de ADN antes de todo. Utiliza un aprendizaje automático avanzado (tipo anterior de generadores de imágenes o chatbots) para mirar grandes secciones de ADN, hasta un millón de caracteres, y para descubrir qué partes son importantes, cómo afectan sus genes y también descubrir cómo las transformaciones pueden conducir a la enfermedad.

Es como un microscopio AI súper inteligente que no solo lee el manual, sino que también calcula cómo se enciende y apagan todo el sistema y qué sucede cuando las cosas salen mal.

El hecho genial es que Deep Mind está compartiendo esta herramienta a través de la API (las computadoras son una forma de hablar con ella), por lo que los científicos e investigadores médicos de todo el mundo pueden usarla de forma gratuita en su investigación. Esto significa que ayuda a acelerar invenciones como enfermedades genéticas, medicina personalizada y tratamientos antihoraces.

En resumen: el alfagenoma ayuda a los científicos a leer partes de nuestro ADN que nunca hemos entendido antes, y podemos cambiar todo sobre cómo consideramos la enfermedad.

Alphaganom es un modelo de aprendizaje profundo diseñado para analizar cómo las secuencias de ADN regulan la expresión génica y otras funciones críticas. A diferencia de los modelos antiguos analizados por pequeñas piezas de ADN, el alfagenoma puede procesar la longitud de un millón de pares de bases, que es una cantidad sin precedentes, que le permite capturar comunicaciones de controlador distantes de métodos anteriores.

La principal potencia del alfagenoma es su motor de predición multimodal. A diferencia de los modelos anteriores que pueden ser un tipo de actividad genómica, este modelo ofrece una alta resolución para la expresión génica (ARN-SEC, CAGE), eventos de empalme, condiciones de cromatina (incluidas la sensibilidad a los ADN y las modificaciones de histonas) y los mapas de contacto de cromatina 3D.

No solo es identificar qué genes se activan o apagan en la célula, sino también para comprender la coreografía compleja del genoma plegable, edición y acceso.

La arquitectura es notable, pero sigue siendo familiar si usa una transmisión localmente consistente o una LLM de código abierto regular: Alphagenome utiliza una red nerviosa inducida por U-Net, con aproximadamente 450 millones de parámetros de entrenamiento.

Sí, es muy bajo si se configura con los modelos de lenguaje débiles y pequeños que funcionan con mil millones de parámetros. Sin embargo, teniendo en cuenta que el ADN se ocupa de solo 4 bases y solo dos pares, todo el genoma humano es una combinación de 3 mil millones de pares de cartas AT y CG, que es un modelo específico, diseñado para hacer un solo trabajo bien.

El modelo tiene un codificador de secuencia que reduce la entrada de la resolución de base única a representaciones aproximadas, y luego el modelo de transformador devuelve dependientes de largo alcance a un nivel de base única antes de reconstruir el decodificador PPP. Esto permite pronósticos en diversas resoluciones, lo que permite análisis regulatorios de grano sensible y amplios.

La capacitación modelo depende de una amplia gama de conjuntos de datos disponibles públicamente, incluidos Code, GTEX, 4D Nucleom y Phantom 5 – Recursos, que representan miles de perfiles prácticos en tipos de células humanas y de ratones.

Y el proceso también fue bastante rápido: utilizando TPS personalizados de Google, Deep Mind completó el proceso de pre -entrenamiento y destilación en solo cuatro horas, utilizando la mitad de un presupuesto computacional requerido.

Alphagenom 24 ha superado los modelos sofisticados en 22 en pruebas de pronóstico de secuencia, y 26 pronósticos de pronóstico de transformación en 24, el aumento de las mejoras es un barrido limpio raro. Hace bien el trabajo, de hecho, se puede comparar con el ADN mutante y no controlado, lo que hace el impacto de las mutaciones genéticas en segundos, es una herramienta crucial para los investigadores que mapean las fuentes de la enfermedad.

Esto es importante, porque contiene muchos interruptores regulatorios que controlan la función y el riesgo de la enfermedad de la no codificación. Anteriormente, modelos como el alfagenoma han revelado cuánta biología humana está controlada por áreas opacas.

Es difícil ignorar la influencia de la IA en la biología hoy. Tome el lenguaje de proteínas modelado ANK desarrollado por equipos de la Universidad Técnica de Munich y Startup Protinia en la Universidad de Columbia. La proteína, como el lenguaje Annks, considera nuevas proteínas y tinge su comportamiento, es similar a cómo el controlador de ADN de Alfagenoma traduce la «gramática».

Otra tecnología adyacente, NVDI, muestra la capacidad de IA de las mutaciones virales de golpe de fundición y las variantes genéticas de agrupación para la investigación infecciosa. Mientras tanto, el uso de IA para promover el progreso en las intervenciones antisabares basadas en productos químicos y genéticos destaca la genómica, el aprendizaje automático y.

Una de las contribuciones más importantes del alfagenoma es su entrada. Este modelo está disponible a través de API pública para la investigación no comercial, en lugar de limitado a aplicaciones comerciales.

Aunque aún no está completamente abierto, aún no está completamente abierto, es decir, los investigadores no pueden descargarlo o modificarlo localmente, y los recursos acompañantes permiten a los científicos producir profecías para los científicos, adaptarse a varias especies o tipos de células, y formular liberaciones futuras. Deep Mind se refiere a un espacioso planes de lanzamiento de código abierto.

Las variantes relacionadas con la enfermedad de la enfermedad del alfagenoma que analizan las variantes no codificantes pueden desbloquear una nueva comprensión de la herencia de área y las enfermedades raras. Su transformación de alta velocidad también respalda la puntuación de puntuación de la medicina personalizada, donde los tratamientos están en línea con el perfil de ADN único del individuo.

Actualmente, el genoma no codificador es menor que el cuadro negro, y solo está listo para expandir el papel de IA en la genómica. Alphaganom no debería ser un modelo que nos lleva al «Brave New World» de Huxley, pero es una clara señal de a dónde va: altos datos, buenos pronósticos y una comprensión profunda de cómo funciona la vida.