Natukoy ang palatandaan ng sakit sa loob ng 30 minuto
Inilunsad ng Google DeepMind ang AlphaGenome 2 noong Nobyembre 11, 2026, matapos sanayin ang modelo ng artificial intelligence gamit ang mahigit 107 milyong profile ng indibidwal na selula mula sa 68 tissue. Pangunahing layunin nitong hulaan kung aling mga pagbabago sa DNA ang nakaaapekto sa aling mga selula, upang matulungan ang mga mananaliksik na iugnay ang mga pahiwatig sa henetika sa mga prosesong biyolohikal na nasa likod ng sakit.
Mga Nilalaman
- Natukoy ang palatandaan ng sakit sa loob ng 30 minuto
- Bakit magkakaiba ang kilos ng iisang DNA
- Modelong nakatuon sa selulang pinag-aaralan
- Kahulugan ng mga bilang sa performance
- Pagtukoy sa mga bagong kalagayan ng selula nang hindi muling nagsasanay
- Mula sa henetikong senyas tungo sa posibleng target ng gamot
- Papel ng Atlas na may siyam na bilyong baryante
- Mga nagawa na ng mga mananaliksik gamit ang AlphaGenome
- Access, gastos at mga susunod na eksperimento
- Mahahalagang Punto
Sa isang demonstrasyon, nagawa ng modelo na ulitin sa loob ng humigit-kumulang 30 minuto ang isang mahalagang natuklasan mula sa isang pag-aaral noong 2024 tungkol sa inflammatory bowel disease. Umabot ng isang taon at kalahati ang mga eksperimento ng mga mananaliksik upang matukoy kung paano pinatataas ng isang baryante sa DNA ang aktibidad ng gene na ETS2 sa mga selulang panlaban sa sakit na sangkot sa pamamaga ng bituka.
Nasa bahagi ng DNA ang baryante na malayo sa gene na kinokontrol nito. Pinili ito ng AlphaGenome 2 mula sa pitong kandidato at hinulaan ang epekto nito sa ETS2, na humigit-kumulang 290,000 letra ng DNA ang layo. Binigyang-diin ng DeepMind ang kakayahan nitong matukoy ang pagtaas ng aktibidad ng ETS2 partikular sa mga macrophage sa bituka, mga selulang panlaban sa sakit na tumutulong magdepensa sa katawan at mag-alis ng mga kalat ng selula.
Ganito inilarawan ang resulta ng pagkompyut ni James Lee, isang immunologist at geneticist sa Francis Crick Institute sa London na nanguna sa naunang pag-aaral:
Nagawa nilang matukoy ang sagot sa loob ng 30 minuto, samantalang umabot sa amin ng isang taon at kalahati ng mga eksperimento.
Ang praktikal na pakinabang nito ay ang pagtulong sa mga laboratoryo na magpasya kung aling mga eksperimento ang dapat unahin. Gumagawa ang AlphaGenome 2 ng mga hula tungkol sa aktibidad ng mga molekula; kailangan pa rin ng mga mananaliksik ng mga pagsusuri sa laboratoryo upang kumpirmahin ang mga natuklasan nito. Ayon sa DeepMind, para sa pananaliksik ang mga modelong AlphaGenome at hindi pa napatutunayan o naaaprubahan para sa klinikal o diagnostikong paggamit.
Bakit magkakaiba ang kilos ng iisang DNA
Tinatayang 2% ng genome ng tao ang naglalaman ng mga tagubilin para gumawa ng mga protina. Ang natitirang humigit-kumulang 98% ay tinatawag na noncoding DNA. May ilang bahagi nito na naglalaman ng mga regulatory sequence na kumokontrol kung kailan nagiging aktibo ang mga gene, kung saan gumagana ang mga ito at kung gaano karami ang nagagawa ng isang selula mula sa mga ito.
Maaaring ihambing ito sa isang gusaling maraming silid na iisa ang mga plano sa kuryente. Iba-iba ang switch na ginagamit sa bawat silid. Gayundin, halos magkapareho ang DNA ng selula ng kalamnan sa puso at ng selulang panlaban sa sakit, pero magkakaibang hanay ng mga gene ang ginagamit ng mga ito upang magampanan ang kani-kanilang tungkulin.
Ang baryante sa DNA ay pagbabago sa pagkakasunod-sunod ng mga letra ng DNA. Maaaring pataasin ng baryante sa isang regulatory switch ang aktibidad ng gene sa isang uri ng selula ngunit kaunti lang ang epekto nito sa ibang uri. Maaari ring magbago ang epekto nito kapag nagiging aktibo ang isang selula habang may impeksiyon o tumutugon sa bakuna.
Inilalarawan sa anunsiyo ng AlphaGenome 2 ng DeepMind ang bagong modelo bilang pag-usad mula sa malawakang average ng mga tissue tungo sa mga indibidwal na uri at kalagayan ng selula. Mahalaga ito dahil halo-halong mga selula ang bumubuo sa isang tissue. Maaaring mas mahirap matukoy ang epektong limitado sa maliit na grupo ng mga selula kapag ina-average ang mga sukat ng mga ito.
Ipinakikita ng halimbawa ng inflammatory bowel disease kung bakit maaaring makalito ang lokasyon lamang. Nasa gene desert ang baryante, isang rehiyong kakaunti o walang sequence na direktang nagko-code para sa mga protina. Bahagi ito ng enhancer, isang regulatory sequence na maaaring makaapekto sa gene na malayo rito. Para masundan ang ugnayang ito, kailangang matukoy ang target na gene at ang mga selulang pinaggagamitan ng switch.
Modelong nakatuon sa selulang pinag-aaralan
Tumatanggap ang orihinal na AlphaGenome, na ipinakilala noong 2025, ng sequence ng DNA na may isang milyong letra at hinuhulaan nito ang mga molekular na katangian sa maraming tissue at eksperimento nang sabay-sabay. Saklaw ng mga resulta nito ang nakatakdang pangkat ng mga kondisyon ng tissue at selula, kaya mahirap makuha ang banayad na pagkakaiba ng magkakalapit na uri ng selula.
Sa halip, ginagamit ng AlphaGenome 2 bilang input ang sequence ng DNA at isang biyolohikal na kondisyon. Maaaring tissue, uri ng selula o kalagayan ng selula ang kondisyong ito. Ginagamit ng modelo ang impormasyong ito sa buong proseso ng paghula nito at nakatuon sa isang kondisyon sa bawat pagkakataon.
Tinatawag ito ng mga mananaliksik na conditional model. Sa payak na pananalita, nagbabago ang tanong mula sa kung ano ang karaniwang ginagawa ng isang sequence ng DNA tungo sa kung ano ang ginagawa nito sa isang partikular na uri ng selula sa ilalim ng mga partikular na kalagayan.
Pinagsama sa pagsasanay ang mga sukat mula sa mga sample na halo-halong tissue at ang mga datos na nakalap mula sa indibidwal na selula ng tao at daga. Saklaw nito ang 637 uri ng selula ng tao at 311 uri ng selula ng daga. Nagbibigay sa modelo ng mga halimbawa kung paano nag-iiba ang aktibidad ng gene sa mga espesyalisadong selula ang mahigit 107 milyong profile mula sa 68 tissue.
Inilalarawan sa pahayag ng paglulunsad sa Korea ng DeepMind ang kaparehong muling pagdisenyo at ang pagdaragdag ng mga hula tungkol sa DNA methylation. Kabilang sa DNA methylation ang mga markang kemikal sa DNA na maaaring tumulong sa pagkontrol ng aktibidad ng gene. Kabilang sa iba pang sinusukat na hinuhulaan ang ekspresyon ng gene, mga pagbabagong kemikal sa mga protinang kaugnay ng DNA, at accessibility ng chromatin, na naglalarawan kung gaano kalantad ang DNA sa mga mekanismong bumabasa rito.
Kahulugan ng mga bilang sa performance
Sinuri ng DeepMind ang AlphaGenome 2 gamit ang TenK10K, isang malaking dataset na sumasaklaw sa 28 uri ng pangunahing selulang panlaban sa sakit ng tao. Iniulat ng kompanya na natukoy ng modelo ang 30% ng mga baryanteng sanhi ng epekto sa pagsusuri, kumpara sa 16% ng naunang AlphaGenome na iniangkop sa datos ng iisang selula.
Pag-angat ito ng 14 na percentage point, o humigit-kumulang 88% kumpara sa naunang bilang. Ipinapaliwanag nito kung bakit inilalarawan ng DeepMind ang modelo bilang nakatutukoy ng halos doble ang dami ng mga baryanteng nagpapabago sa ekspresyon ng gene sa mga partikular na selula.
Gumaling din ang kakayahan nitong tukuyin ang direksiyon ng epekto ng baryante. Umakyat ang iniulat na bilang mula 23% tungo sa 43%, pagtaas ng 20 percentage point. Mahalaga ang direksiyon dahil kailangang malaman ng mananaliksik kung pinatataas o pinabababa ng pagbabago sa DNA ang aktibidad ng gene bago magpasya kung paano sisiyasatin ang papel nito sa sakit.
Sinuri rin sa isa pang pagsusuri ang mga regulatory switch na nasa 100,000 hanggang 2.5 milyong letra ng DNA ang layo mula sa isang gene. Sa paghahambing sa mga resulta mula sa CRISPR interference screen, na nagpapababa ng aktibidad sa mga piniling bahagi ng DNA at sumusukat sa tugon, nakakuha ang AlphaGenome 2 ng 0.62 sa panukat na pinagsasama ang precision at recall, kumpara sa 0.48 ng naunang modelo.
Sinusukat ng precision kung ilan sa mga napiling kandidato ang tama; sinusukat naman ng recall kung ilan sa mga kaugnay na kandidato ang natukoy ng modelo. Sinasabi sa papel ng pananaliksik na hindi pa rin natutukoy ng modelo ang karamihan sa mga baryanteng pinaniniwalaang sanhi ng sakit kapag mataas ang hinihinging antas ng kumpiyansa. Kaya kailangang mamili ang mga siyentipiko sa pagitan ng mas maikling listahan ng mas matitibay na hula at mas malawak na hanay ng mga posibleng pahiwatig.
Pagtukoy sa mga bagong kalagayan ng selula nang hindi muling nagsasanay
Maaari ring gumamit ang AlphaGenome 2 ng mga sukat mula sa mga selulang wala sa orihinal nitong pangkat ng pagsasanay. Maaaring mag-upload ang mga mananaliksik ng datos mula sa single-cell RNA sequencing, na nagtatala ng aktibidad ng gene sa mga indibidwal na selula, mula sa sample na iilang dosenang selula lamang ang laman.
Pinaiikli ng modelo ang mga sukat na ito upang makabuo ng representasyon ng kalagayan ng selula at ginagamit ito upang gumabay sa mga hula. Dahil dito, hindi kailangang muling sanayin ang buong modelo tuwing nagtatala ang isang laboratoryo ng bagong biyolohikal na kondisyon.
Binigyang-diin ni Sarah Teichmann, kapwa nagtatag ng konsorsiyum na Human Cell Atlas at propesor ng stem cell medicine sa University of Cambridge, ang tampok na ito sa anunsiyo ng DeepMind:
Nakakatuwa sa AlphaGenome 2 ang tuwiran nitong pag-angkop sa bagong datos ng iisang selula nang hindi na kailangang muling sanayin, at ang paghula kung paano kumikilos ang mga baryante sa DNA sa mga bagong nasuring kalagayan ng selula, kahit mula sa maliit na sample ng mga selula
Sa isang demonstrasyong gumamit ng datos na hindi pa nakita noon mula sa isang pag-aaral tungkol sa bakunang COVID-19 na mRNA, naipagkaiba ng AlphaGenome 2 ang mga aktibong T cell sa mga nakapahingang T cell. Mga selulang panlaban sa sakit ang T cell na nagbabago ng aktibidad ng gene habang tumutugon sa isang banta.
Hinulaan din ng modelo na mas matinding naaantala ng isang baryanteng kaugnay ng malubhang COVID-19 ang aktibidad ng gene sa mga aktibong selula. Ipinakikita ng halimbawang ito na bahagi ng paliwanag sa henetika ang kalagayan ng selula: maaaring nakadepende ang epekto ng baryante sa ginagawa ng selula kapag sinusuri ito ng mga mananaliksik.
Maaari ring gamitin ng mga mananaliksik ang isang uri ng sukat upang hulaan ang ibang sukat na wala. Halimbawa, makatutulong ang datos ng aktibidad ng gene sa modelo upang tantiyahin ang accessibility ng chromatin. Maaaring makatulong ang prosesong ito, na tinatawag na cross-modality imputation, sa isang laboratoryo na pumili kung aling mga karagdagang sukat ang pinakamahalagang kunin.
Mula sa henetikong senyas tungo sa posibleng target ng gamot
Naghahanap ang mga genome-wide association study, na karaniwang pinaikli bilang GWAS, ng mga pagkakaiba sa DNA na kaugnay ng mga sakit o katangian sa maraming tao. Kadalasan, natutukoy ng mga ito ang rehiyong naglalaman ng ilang posibleng baryante. Kailangang alamin pa ng mga mananaliksik kung aling baryante ang mahalaga, aling gene ang naaapektuhan nito at kung saan sa katawan nagaganap ang epektong iyon.
Nagawa na ng DeepMind nang maaga ang mga hula ng AlphaGenome 2 para sa mga baryanteng kaugnay ng mga katangian sa daan-daang kondisyon ng selula at tissue ng tao. Layunin nitong gawing mas madali ang pagsusuri sa mga ugnayang ito nang hindi kailangang magpatakbo ang bawat laboratoryo ng malalaking prosesong pangkompyut.
Iniuugnay rin ng mga hula ang mga enhancer sa mga target na gene sa mga pangunahing selula ng tao, kabilang ang mga astrocyte sa utak, na sumusuporta at nagpoprotekta sa mga neuron. Maaaring mahirap imapa sa pamamagitan ng eksperimento ang mga ugnayang ito dahil maraming CRISPR screen ang gumagamit ng matatatag na selulang pinalaki sa laboratoryo sa halip na mga espesyalisadong selulang matatagpuan sa katawan.
Pinagsasama ng demonstrasyon tungkol sa inflammatory bowel disease ang mga gawaing ito. Iniuugnay ng modelo ang isang malayong regulatory baryante sa ETS2 at tinutukoy ang mga kaugnay na selulang panlaban sa sakit. Natukoy rin sa naunang pananaliksik na gumamit ng eksperimento ang mga posibleng target ng paggamot, kaya may biyolohikal na natuklasan ang mga siyentipiko na maaari nilang pagbatayan sa pagsuri sa hula.
Ganito ipinaliwanag ni Peter Donnelly, punong ehekutibo ng Genomics Limited, ang hirap na gawing pananaliksik sa gamot ang mga ugnayang henetiko sa anunsiyo ng DeepMind:
Sentral dito ang GWAS, pero mahirap lumipat mula sa senyas ng ugnayan tungo sa impormasyong kailangan ng isang programa sa pagbuo ng gamot.
Ayon kay Donnelly, inaasahan ng kompanya na maisama ang AlphaGenome 2 sa Mystra, ang plataporma nito para magsuri ng mga target ng gamot gamit ang henetika ng tao. Walang inihayag na petsa ng integrasyon o resulta mula sa kompanyang gumagawa ng gamot na gumamit ng bagong modelo.
Papel ng Atlas na may siyam na bilyong baryante
Kasunod ang AlphaGenome 2 ng isa pang inilabas sa kaparehong programa ng pananaliksik: ang AlphaGenome Atlas, isang katalogo na naglalaman ng mga hula para sa lahat ng siyam na bilyong posibleng pagbabago sa iisang letra ng DNA sa genome ng tao. Inilabas ng DeepMind ang Atlas mga dalawang buwan bago nito ianunsiyo ang bagong modelo.
Inilalarawan sa pangkalahatang-ideya ng pananaliksik sa AlphaGenome ng kompanya ang Atlas bilang dataset na isang petabyte ang laki. Kabilang dito ang AlphaGenome Variant Impact score, o AVI score, na tumutulong sa mga siyentipiko na ihanay ang mga baryante ayon sa hinulaang mga molekular na epekto ng mga ito.
Magkaiba ang pangangailangan sa pagkompyut na tinutugunan ng dalawang kasangkapan. Nagbibigay ang orihinal na modelo ng malawak na saklaw para sa napakalaking katalogo. Nakatuon naman ang AlphaGenome 2 sa mas detalyadong mga tanong tungkol sa partikular na mga selula at kalagayan, kapalit ng mas mataas na gastos sa pagkompyut para sa mas espesipikong mga hula nito.
Inilarawan ni Ziga Avsec, mananaliksik ng DeepMind na namumuno sa pangkat ng AlphaGenome, ang paggamit sa orihinal na modelo para sa malawakang pagsaklaw sa genome at sa AlphaGenome 2 para sa mas masusing pagsisiyasat sa mga mekanismo ng sakit at posibleng target ng gamot. Para sa mga mananaliksik, nagpapahiwatig ito ng prosesong nagsisimula sa malawak na paghahanap at sinusundan ng pagsusuri sa mga piling kandidato sa mga kaugnay na selula.
Sinundan ng pag-unlad ang maikling sunod-sunod na pangyayari:
- 2024: Natukoy ng pangkat ni Lee sa pamamagitan ng mga eksperimento sa laboratoryo ang mekanismo ng ETS2 sa inflammatory bowel disease.
- 2025: Ipinakilala ng DeepMind ang orihinal na modelong AlphaGenome.
- Bandang Setyembre 2026: Inilabas ang AlphaGenome Atlas, na may mga hula para sa siyam na bilyong posibleng pagbabago sa iisang letra ng DNA.
- Nobyembre 11, 2026: Inanunsiyo ng DeepMind ang AlphaGenome 2 at ang access para sa pananaliksik.
- Nobyembre 30, 2026: Huling araw ng pagsusumite ng mga proyekto ng mga mananaliksik para posibleng maitanghal at mabigyan ng dagdag na quota o kredito sa pagkompyut.
Mga nagawa na ng mga mananaliksik gamit ang AlphaGenome
May mga halimbawang inilalahad sa pangkalahatang-ideya ng pananaliksik ng DeepMind tungkol sa paggamit ng mga siyentipiko sa mas malawak na mga kasangkapan ng AlphaGenome. Sa Broad Institute, gumamit si Laura Covill ng mga AVI score upang matukoy ang baryante sa DNM1 na kaugnay ng pagkakamali sa pagproseso ng gene. Pinatunayan ng mga eksperimento sa laboratoryo ang hula at sinuportahan ang muling pag-uuri sa baryante.
Sa University of Exeter, ginamit ni Gareth Hawkes ang AlphaGenome sa pananaliksik na kinasangkutan ng mahigit 54,000 kalahok sa UK Biobank. Sinuri sa pag-aaral ang mga bihirang noncoding baryante at mga katangiang gaya ng antas ng protina sa plasma. Sa isang rehiyon, bumaba ang listahan ng mga kandidato mula 526 baryante tungo sa apat, na nagpapakita kung paano makapagtutuon ng pansin sa mga eksperimento ang mga hula.
Ginamit ni Julia Zeitlinger sa Stowers Institute for Medical Research ang AlphaGenome upang siyasatin ang maiikling regulatory sequence ng DNA at kung paano nagkakaiba ang mga epekto ng mga ito sa iba't ibang uri ng selula. Tinutugunan ng kanyang pananaliksik ang mga tuntunin kung paano pinasisigla o binabawasan ng mga selula ang aktibidad ng gene.
Sa University of Copenhagen, ginamit nina Cesar Cunha at Marc Pielies Avelli, sa pangangasiwa ni Tuomas Kilpelainen, ang AlphaGenome upang subaybayan sa iba't ibang tissue ang mga senyas ng henetikong panganib sa Alzheimer's. Natukoy sa pagsusuri nila ang mga hinulaang epekto sa regulasyon sa mga tissue ng panlaban sa sakit at metabolismo, gayundin sa utak.
Ipinakikita ng mga halimbawang ito ang ilang praktikal na paraan para magamit ang mga hula sa pananaliksik: pagraranggo sa mga kandidatong may bihirang sakit, pagpapaliit ng mahabang listahan ng mga baryante, pagsusuri sa mga regulatory sequence at pagsubaybay sa mga henetikong senyas sa buong katawan. Nagdaragdag ang AlphaGenome 2 ng mas detalyadong pagtuon sa mga partikular na selula at kalagayang sangkot.
Access, gastos at mga susunod na eksperimento
Libre ang AlphaGenome 2 para sa di-komersiyal na pananaliksik sa pamamagitan ng application programming interface ng AlphaGenome, o API, na nagbibigay-daan sa mga mananaliksik na magpadala ng mga kahilingan sa modelo gamit ang software. Maaaring humiling ng access ang mga komersiyal na mananaliksik sa pamamagitan ng pribadong preview. Nagbigay rin ang DeepMind ng mga interaktibong Colab tutorial.
Ayon sa DeepMind, nakikipagtulungan ito sa mga mananaliksik, kabilang ang mga pangkat sa Wellcome Sanger Institute, upang magtala ng mas maraming uri ng selula ng tao, yugto ng paglaki at selulang binago ng iba't ibang biyolohikal na kondisyon. Mapalalawak ng mga sukat na ito ang hanay ng mga kalagayang maaaring siyasatin ng mga mananaliksik.
Plano rin ng kompanya na ilabas ang AlphaGenome 2 Skills sa Google Antigravity, ang plataporma nito para sa awtomatikong pagbuo at mga prosesong siyentipiko. Wala itong ibinigay na petsa ng paglalabas. Maaaring mapili para sa dagdag na quota at kredito ang mga mananaliksik na magsusumite ng mga gamit nito bago sumapit ang Nobyembre 30.
Para sa isang laboratoryo, malinaw ang agarang pagsubok: makatutulong ba ang mga hula upang makumpirma ang mahahalagang kandidato sa mas kaunting eksperimento o mas mabilis na makapagpasya tungkol sa pananaliksik? Nakapagbibigay ng pag-asa ang demonstrasyon sa ETS2 dahil naulit nito ang isang naitatag nang mekanismo. Nakadepende ang mas malawak na pakinabang sa paggamit ng mga laboratoryo sa kasangkapan upang siyasatin ang mga bagong kandidato at tiyakin ang mga ito sa pamamagitan ng eksperimento.
Mahahalagang Punto
- Inanunsiyo ng DeepMind ang AlphaGenome 2 noong Nobyembre 11, 2026, gamit ang mahigit 107 milyong profile ng indibidwal na selula mula sa 68 tissue.
- Hinuhulaan ng modelo ang mga epekto ng DNA sa mga partikular na uri at kalagayan ng selula, kabilang ang mga bagong nasuring kalagayang isinusumite ng mga mananaliksik.
- Sa pagsusuri ng TenK10K, umakyat mula 16% tungo sa 30% ang pagtukoy sa mga baryanteng sanhi ng epekto; umakyat naman mula 23% tungo sa 43% ang pagtukoy sa direksiyon ng mga epekto sa gene.
- Naulit sa isang demonstrasyon sa loob ng humigit-kumulang 30 minuto ang mahalagang natuklasan tungkol sa ETS2 sa inflammatory bowel disease.
- Malawakang mga hula para sa siyam na bilyong posibleng pagbabago sa iisang letra ng DNA ang ibinibigay ng AlphaGenome Atlas; nagbibigay naman ang AlphaGenome 2 ng mas detalyadong pagsusuri sa mga selula.
- Libre ang access para sa di-komersiyal na pananaliksik; maaaring makakuha ng komersiyal na access sa pamamagitan ng pribadong preview. Kailangan pa rin ang pagpapatunay sa laboratoryo at hindi aprubado para sa diagnosis ang mga modelo.






