ورشة مجانية 21–22.11ورشة مجانية لمدة يومين في Vibecoding يومي 21–22 نوفمبر الساعة 16:00 بتوقيت موسكو · الدفعة 3 تبدأ 23.11سجّل مجاناً ←الدفعة 3 (23.11)
إصدارAPI / منتج · جاهز للعملHabr AI→ المصدر

AlphaGenome 2 يتنبأ بعمل الجينات في خلية محددة انطلاقًا من مقطع DNA يصل إلى 1 مليون حرف

قد تغيّر طفرة واحدة في الـDNA عمل الجين بقوة في خلايا معينة، دون أن تؤثر تقريبًا في خلايا أخرى. يقبل نموذج AlphaGenome 2 من Google DeepMind مقطعًا يصل إلى 1 مليون نيوكليوتيد (أحرف الـDNA) مع ملف تعريف الخلية، مثل الخلية اللمفاوية أثناء الالتهاب. أما النسخة الأولى فلم تكن تعرف سوى مجموعة ثابتة من الأنسجة. وبالنسبة لفرق التقنية الحيوية، يوفّر النموذج طريقًا سريعًا من قائمة الطفرات إلى فرضية يمكن اختبارها في المختبر.

معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
AlphaGenome 2 يتنبأ بعمل الجينات في خلية محددة انطلاقًا من مقطع DNA يصل إلى 1 مليون حرف
المصدر: Habr AI. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليHabr AI ↗
رئيس التحرير
حقيقة رئيسية #1في مثال مرض التهاب الأمعاء، عزّز أحد المتغيرات نشاط الجين ETS2 في البلاعم الكبيرة
حقيقة رئيسية #2يبقى AlphaGenome Atlas، الذي يضم 9 مليارات طفرة، أداة للفرز الأولي التقريبي، ثم يأتي دور AlphaGenome 2
حقيقة رئيسية #3الوصول عبر API متاح للأبحاث غير التجارية فقط

قد يغيّر استبدال حرف واحد في الـDNA عمل الجين بقوة في بعض الخلايا، دون أن يؤثر تقريبًا في خلايا أخرى. يشبه ذلك سطرًا في ملف إعدادات: لا يضر في بيئة الاختبار، لكنه يعطّل الخدمة في بيئة الإنتاج لأن البيئة مختلفة. في 11 نوفمبر قدّمت Google DeepMind نموذج AlphaGenome 2. يقبل النموذج مقطعًا من الـDNA يصل طوله إلى 1 مليون نيوكليوتيد (أحرف الشيفرة الوراثية) مع وصف لخلية محددة، مثل الخلية اللمفاوية أثناء الالتهاب، ثم يتنبأ بكيفية تغيير الطفرة لعمل الجينات في هذه الخلية تحديدًا. إذا كنتم تبنون أدوات ذكاء اصطناعي للتقنية الحيوية أو تتابعون العلوم، فهنا أسلوب عملي واضح: يُمرَّر السياق إلى النموذج، ولا يعتمد على صورة متوسطة تشمل جميع الحالات.

لماذا يهم سياق الخلية إلى هذا الحد

تحتوي معظم خلايا الجسم على الـDNA نفسه، لكن الخلية العصبية وخلية العضلات الملساء تحتاجان إلى بروتينات مختلفة. يكمن الفرق في الجينات التي تُقرأ، أي في التعبير الجيني. تُشفّر البروتينات 1–2% فقط من الـDNA. أما الباقي، الذي يصل إلى 98%، فكان يُسمّى سابقًا «الـDNA غير المفيد»، لكن المعروف اليوم أنه يضم مواقع ارتباط للبروتينات المنظِّمة، وجينات الـRNA المساعدة، وعناصر تحدد البنية الثلاثية الأبعاد للكروماتين (معقّد الـDNA مع بروتينات الهستونات). ويتغير ملف التعبير الجيني بتأثير إشارات الجهاز المناعي والهرمونات ومرحلة نمو الخلية ودرجة الحرارة، وحتى التأثير الميكانيكي.

لذلك قد تؤدي طفرة خارج الجينات نفسها إلى مرض أيضًا: فهي تغيّر نشاط الجين، فتفتقر الخلية إلى البروتين المطلوب. ولا يزال التنبؤ بهذه التأثيرات صعبًا.

ما الذي تغيّر مقارنة بالنسخة الأولى

صدرت النسخة الأولى من AlphaGenome في العام الماضي. كانت تقبل حتى 1 مليون نيوكليوتيد، وتُخرج ملفات تعريف متوسطة لمجموعة ثابتة من الأنسجة والخطوط الخلوية الواردة في عيّنة التدريب. يشبه ذلك توقعات الطقس على مستوى البلد: الصورة العامة موجودة، لكن النموذج لا يقول شيئًا عن ساحة منزل بعينه.

أُضيف في النسخة الثانية مشفّر للخلايا (Cell encoder) عند المدخلات. يحوّل المشفّر ملف التعبير الجيني إلى متجه، أي وصف رقمي لحالة الخلية. ويُؤخذ هذا السياق في الحسبان في جميع الطبقات الرئيسية للشبكة. واستُخدمت في التدريب بيانات مشروعي CZ CELLxGENE وHuman Cell Atlas اللذين يصفان ملايين الخلايا المفردة. ويمكن اختيار ملف التعريف من قاعدة بيانات جاهزة أو تحميل ملف خاص. ونتيجة لذلك يُبنى التنبؤ لنوع الخلية ولحالتها معًا.

بقيت البنية المعمارية كما هي: U-Net، حيث تبحث الطبقات الالتفافية (CNN) عن أنماط محلية قصيرة، بينما تربط المحوّلات (Transformers) بين المقاطع المتباعدة بمسافة تصل إلى مليون قاعدة. وفي المخرجات يقدّم النموذج ملف التعبير الجيني وخريطة للتغيرات التنظيمية بدقة تصل إلى نيوكليوتيد واحد. وتبيّن الخريطة المقاطع التي ستبقى مفتوحة للقراءة، والمواضع التي يمكن أن ترتبط بها عوامل النسخ، وكيف ستتغير اتصالات الكروماتين داخل النواة.

مثال وموقع النموذج في سير العمل

يتضمن إعلان DeepMind مثالًا عن مرض التهاب الأمعاء. أعاد النموذج إنتاج نتيجة دراسة تجريبية سابقة، وحدّد متغيرًا في منطقة تنظيمية بعيدة. تعزّز هذه الطفرة بصورة انتقائية نشاط الجين ETS2 في الوحيدات والبلاعم الكبيرة، ولا تمس الخلايا الأخرى تقريبًا. وبالنسبة للباحث، هذا طريق قصير من قائمة المتغيرات المشبوهة إلى فرضية قابلة للاختبار: أي جين تأثر، وفي أي خلايا، وما الذي ينبغي التحقق منه تجريبيًا.

لا يحل AlphaGenome 2 محل AlphaGenome Atlas، وهي القاعدة التي أُطلقت في سبتمبر. حسب النموذج مسبقًا في هذه القاعدة تأثير 9 مليارات طفرة أحادية الحرف: يضم الجينوم نحو 3 مليارات قاعدة، ولكل قاعدة ثلاثة متغيرات للاستبدال. وتمرير هذا العدد من المتغيرات عبر شبكة سياقية ثقيلة لكل حالة خلوية مكلف جدًا من حيث الموارد. لذلك تُفرز الاحتمالات أولًا بشكل تقريبي عبر Atlas، ثم تُحسب الأكثر إثارة للاهتمام في AlphaGenome 2. ويمكن هناك أيضًا إدخال تركيبات أكثر تعقيدًا من الطفرات.

يدخل النموذج ضمن منظومة DeepMind لعلم الأحياء: يقيّم AlphaMissense خطورة استبدالات الأحماض الأمينية، ويتنبأ AlphaFold ببنى البروتينات، ويصمّم AlphaProteo بروتينات لهدف محدد.

القيود والخلاصة العملية

حتى التنبؤات الدقيقة في الحالات المهمة سريريًا تحتاج إلى تأكيد تجريبي. ويبيّن مثال ETS2 أن النموذج كرّر نتيجة معروفة سلفًا، ولا يمكن عدّها اكتشافًا مستقلًا. يمكن تجربة AlphaGenome 2 عبر API، لكن للأبحاث غير التجارية فقط. أما الشيفرة والأوزان فهي متاحة للعامة للنسخة الأولى فقط.

أما الخلاصة للفرق التي تبني أدوات للمختبرات فهي التالية. يصلح نهج «مرجع رخيص في الخطوة الأولى، ونموذج مكلف يراعي السياق في الخطوة الثانية» خارج علم الجينوم أيضًا. وإذا كنتم تبنون منتجًا للبحث عن الأهداف الدوائية أو لتحليل المتغيرات، فمن المفيد دراسة API مسبقًا والتفكير في كيفية دمجه في خط المعالجة. ولم تعلن DeepMind بعد عن الشروط التجارية، ولذلك من المبكر بناء منتج يعتمد على AlphaGenome 2 وحده.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول لماذا يهم سياق الخلية إلى هذا الحد؟

تحتوي معظم خلايا الجسم على الـDNA نفسه، لكن الخلية العصبية وخلية العضلات الملساء تحتاجان إلى بروتينات مختلفة. يكمن الفرق في الجينات التي تُقرأ، أي في التعبير الجيني. تُشفّر البروتينات 1–2% فقط من الـDNA. أما الباقي، الذي يصل إلى 98%، فكان يُسمّى سابقًا «الـDNA غير المفيد»، لكن المعروف اليوم أنه يضم مواقع ارتباط للبروتينات المنظِّمة، وجينات الـRNA المساعدة، وعناصر تحدد البنية الثلاثية الأبعاد للكروماتين (معقّد الـDNA مع بروتينات الهستونات).

ما أبرز التفاصيل حول ما الذي تغيّر مقارنة بالنسخة الأولى؟

صدرت النسخة الأولى من AlphaGenome في العام الماضي. كانت تقبل حتى 1 مليون نيوكليوتيد، وتُخرج ملفات تعريف متوسطة لمجموعة ثابتة من الأنسجة والخطوط الخلوية الواردة في عيّنة التدريب. يشبه ذلك توقعات الطقس على مستوى البلد: الصورة العامة موجودة، لكن النموذج لا يقول شيئًا عن ساحة منزل بعينه. أُضيف في النسخة الثانية مشفّر للخلايا (Cell encoder) عند المدخلات. يحوّل المشفّر ملف التعبير الجيني إلى متجه، أي وصف رقمي لحالة الخلية. ويُؤخذ هذا السياق في الحسبان في جميع الطبقات الرئيسية للشبكة.

ما أبرز التفاصيل حول مثال وموقع النموذج في سير العمل؟

يتضمن إعلان DeepMind مثالًا عن مرض التهاب الأمعاء. أعاد النموذج إنتاج نتيجة دراسة تجريبية سابقة، وحدّد متغيرًا في منطقة تنظيمية بعيدة. تعزّز هذه الطفرة بصورة انتقائية نشاط الجين ETS2 في الوحيدات والبلاعم الكبيرة، ولا تمس الخلايا الأخرى تقريبًا. وبالنسبة للباحث، هذا طريق قصير من قائمة المتغيرات المشبوهة إلى فرضية قابلة للاختبار: أي جين تأثر، وفي أي خلايا، وما الذي ينبغي التحقق منه تجريبيًا. لا يحل AlphaGenome 2 محل AlphaGenome Atlas، وهي القاعدة التي أُطلقت في سبتمبر.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…