DeepMindin AlphaGenome mullistaa DNA:n ja sairauksien ymmärtämistä

Googlen DeepMindin kehittämä uusi tekoälymalli AlphaGenome voi tutkijoiden mukaan mullistaa käsityksemme DNA:sta – eli ihmisen kehon rakentamisen ja toiminnan täydellisestä reseptistä – sekä sen roolista sairauksien synnyssä ja lääkekehityksessä.

Mikä AlphaGenome on ja miksi se on merkittävä?

AlphaGenome on edistynyt tekoälymalli, joka auttaa tutkijoita ymmärtämään, miksi pienetkin erot ihmisten DNA:ssa voivat lisätä riskiä sairastua esimerkiksi korkeaan verenpaineeseen, dementiaan tai lihavuuteen. Malli voi nopeuttaa merkittävästi geneettisten sairauksien ja syövän mekanismien selvittämistä.

Asiantuntijat kuvaavat AlphaGenomea sekä “uskomattomaksi saavutukseksi” että “merkittäväksi virstanpylvääksi” genomiikan ja tekoälyn rajapinnassa. Kehittäjät korostavat, että malli ei ole täydellinen, mutta sen mahdollisuudet ovat poikkeuksellisen laajat.

“Näemme AlphaGenomen työkaluna, jonka avulla voidaan ymmärtää, mitä genomin toiminnalliset elementit tekevät. Toivomme sen vauhdittavan perustavanlaatuista ymmärrystämme elämän koodista”, sanoo DeepMindin tutkimusinsinööri Natasha Latysheva.

Genomin pimeä alue: 98 % josta tiedämme yllättävän vähän

Ihmisen genomi koostuu noin kolmesta miljardista DNA:n kirjainmerkistä, joita merkitään kirjaimilla A, C, G ja T. Vain noin 2 % genomista muodostaa geenit, jotka koodaavat kaikki proteiinit, joita keho tarvitsee kasvuun ja toimintaan.

Loput 98 % genomista on niin sanottua “pimeää genomia”. Sitä ymmärretään huomattavasti huonommin, mutta se säätelee ratkaisevalla tavalla sitä, miten ja milloin geenejä käytetään. Juuri tälle alueelle sijoittuu myös suuri osa sairauksiin liittyvistä mutaatioista.

AlphaGenome pystyy analysoimaan kerralla jopa miljoona DNA:n kirjainmerkkiä, mikä auttaa purkamaan pimeän genomin arvoituksia. Malli ei ainoastaan ennusta, missä kohdin DNA:ta geenit sijaitsevat, vaan myös sitä, miten pimeä genomi vaikuttaa niiden toimintaan.

Miten AlphaGenome tulkitsee DNA:ta?

AlphaGenome pystyy ennustamaan muun muassa:

• geenien sijainnin genomissa
• geeniekspression eli sen, kuinka aktiivinen geeni on tai kuinka paljon sitä vaimennetaan
• geenien silmukoinnin (splicing), jonka avulla keho tuottaa useita erilaisia proteiineja yhdestä geenistä

Yksi mallin tärkeimmistä ominaisuuksista on sen kyky ennustaa, mitä tapahtuu, jos DNA-sekvenssistä muuttuu vain yksi kirjain. Latyshevan mukaan tämä avaa valtavan mahdollisuuden ymmärtää, mitkä mutaatiot todella aiheuttavat sairauksia, ja auttaa paikantamaan harvinaisten perinnöllisten sairauksien syitä.

AlphaGenome voi tarjota “lisäpalasen palapeliin” lääkekehityksessä: se auttaa löytämään uusia mahdollisia lääkevaikutuskohteita ja ohjaa kehittämään lääkkeitä tarkemmin oikeisiin mekanismeihin.

Sovellukset: lääkekehitys, syöpä ja synteettinen biologia

Tutkijat näkevät AlphaGenomella useita käytännön sovelluksia. Yksi tärkeimmistä on lääkekehitys: kun ymmärretään paremmin, mitkä DNA-muutokset vaikuttavat sairauksien syntyyn, voidaan suunnitella täsmällisempiä lääkkeitä ja hoitoja.

Mallia voidaan hyödyntää myös synteettisessä biologiassa ja uusien DNA-sekvenssien suunnittelussa esimerkiksi geeniterapioita varten. Tämä voi tulevaisuudessa mahdollistaa yksilölliset, potilaalle räätälöidyt hoidot.

Syöpätutkimuksessa AlphaGenomea on jo käytetty ennustamaan, mitkä mutaatiot todella ajavat syövän kasvua ja mitkä ovat vain satunnaisia, ilman merkittävää vaikutusta. Näin tutkijat voivat kohdistaa huomionsa juuri niihin muutoksiin, joista voi tulla tulevia hoitokohteita.

Käytössä tuhansilla tutkijoilla ympäri maailmaa

AlphaGenome-kuvaus on julkaistu arvostetussa Nature-tiedelehdessä. Malli avattiin ei-kaupalliseen käyttöön jo vuonna 2023, ja sen jälkeen noin 3 000 tutkijaa on hyödyntänyt työkalua omissa projekteissaan.

Exeterin yliopiston tutkija Gareth Hawkes käyttää AlphaGenomea selvittääkseen, miten tietyt mutaatiot voivat muuttaa riskiä sairastua lihavuuteen ja diabetekseen. Laajat genomitutkimukset, joissa on sekvensoitu kymmeniä tuhansia ihmisiä, ovat tunnistaneet sairauksiin liittyviä variantteja, mutta usein ne sijaitsevat juuri pimeässä genomissa.

“Ne vaikuttavat suoraan johonkin tärkeään biologiseen prosessiin, jota emme vielä kunnolla ymmärrä”, Hawkes kertoo. AlphaGenome auttaa tutkijoita ennustamaan nopeasti, mitä nämä variantit tekevät, ja ohjaa valitsemaan lupaavimmat kohteet tarkempiin laboratoriokokeisiin.

Hawkesin mukaan mallin ennusteet auttavat tunnistamaan, mitkä biologiset prosessit geneettiset muutokset voivat häiritä – ja tätä kautta ne voivat johtaa uusien lääkkeiden kehittämiseen. “En sanoisi, että genomin pimeä puoli olisi ratkaistu AlphaGenomella, mutta se on valtava harppaus eteenpäin. Olen todella innoissani”, hän toteaa.

Syöpätutkimus ja genomi-AI:n uusi aikakausi

Syöpä on yksi lupaavimmista alueista, joilla AlphaGenome voi nopeuttaa läpimurtoja. Mallia on käytetty ennustamaan, mitkä mutaatiot todella ruokkivat kasvainten kasvua ja mitkä ovat hoidon kannalta merkityksettömiä. Tämä voi auttaa kehittämään täsmälääkkeitä, jotka kohdistuvat suoraan syöpää ajaviin muutoksiin.

Francis Crick -instituutin genomiikkajohtaja, tohtori Robert Goldstone, kuvailee AlphaGenomea “merkittäväksi virstanpylvääksi genomi-AI:n alalla” ja “uskomattomaksi tekniseksi saavutukseksi”, erityisesti sen kyvyn vuoksi ennustaa geeniekspressiota pelkän DNA-sekvenssin perusteella.

Wellcome Sanger -instituutin generatiivisen ja synteettisen genomiikan johtaja, professori Ben Lehner, kertoo testanneensa AlphaGenomea yli puolessa miljoonassa kokeessa. Tulokset ovat olleet erittäin lupaavia, vaikka malli on edelleen “kaukana täydellisestä” ja vaatii jatkokehitystä.

Lehnerin mukaan elämme poikkeuksellisen kiinnostavaa aikaa, jossa kolme Britannian vahvaa osaamisaluetta – genomiikka, biolääketieteellinen tutkimus ja tekoäly – yhdistyvät ja muuttavat biologiaa ja lääketiedettä perustavanlaatuisesti.

Yhteys aiempiin tekoälyläpimurtoihin

DeepMindin tiimi sai Nobelin kemianpalkinnon vuonna 2024 AlphaFold-järjestelmästä, joka ennustaa proteiinien kolmiulotteisen rakenteen. AlphaGenome nähdään usein ikään kuin seuraavana askeleena: siinä missä AlphaFold keskittyi proteiineihin, AlphaGenome pureutuu suoraan DNA:n kieleen ja sen toimintaan.

“Uskon, että olemme uuden tieteellisen edistysaskeleen aikakauden alussa, ja tekoäly mahdollistaa useita erilaisia läpimurtoja”, sanoo Google DeepMindin tieteen ja strategisten hankkeiden varatoimitusjohtaja Pushmeet Kohli.

Miten AlphaGenome eroaa kielimalleista?

AlphaGenome ei toimi samalla tavalla kuin suuret kielimallit, kuten ChatGPT, jotka ennustavat seuraavaa sanaa tekstissä. Sen sijaan kyseessä on niin sanottu “sequence-to-function”-malli: se tarkastelee, miten muutokset DNA:n “tekstissä” vaikuttavat lopputuloksena olevaan biologiseen toimintaan.

Malli on koulutettu laajoilla, julkisesti saatavilla olevilla ihmisen ja hiiren solukokeiden tietokannoilla. Näin se oppii yhdistämään tietyt DNA-kuviot solujen käyttäytymiseen ja geenien säätelyyn.

Haasteet ja seuraavat askeleet

Vaikka AlphaGenome on erittäin edistynyt, tutkijat ovat yksimielisiä siitä, että sitä on vielä hiottava. Malli on esimerkiksi vähemmän tarkka ennustaessaan geeniensäätelyä silloin, kun vaikutus tapahtuu hyvin pitkien DNA-etäisyyksien, yli 100 000 kirjaimen, yli.

Toinen keskeinen kehityskohde on kudosspesifisyys. Aivosolu ja sydänsolu sisältävät täsmälleen saman DNA:n, mutta niiden toiminta ja ominaisuudet ovat täysin erilaisia, koska geenien käyttö eroaa. Tutkijat haluavat parantaa AlphaGenomen kykyä ennustaa geenien säätelyä eri kudostyypeissä mahdollisimman tarkasti.

Tekoälyn yhteiskunnallinen ulottuvuus

Tekoälyn nopea kehitys biolääketieteessä liittyy laajempaan keskusteluun siitä, miten algoritmeja käytetään ihmisten terveyteen ja oikeuksiin vaikuttavissa päätöksissä. Esimerkiksi Yhdysvalloissa on nähty kiistaa liittovaltion viranomaisten roolista ja kansalaisten oikeuksista, mikä on noussut esiin myös Minneapolisin kuohuntaa ja liittovaltion toimijoita käsittelevissä raporteissa. Samanlainen tarve läpinäkyvyydelle ja vastuullisuudelle koskee myös terveydenhuollon tekoälyjärjestelmiä, kuten genomi-AI:ta.

AlphaGenomen kaltaisten työkalujen kehityksessä korostuvatkin eettiset kysymykset: kuka omistaa datan, miten yksityisyys turvataan ja miten varmistetaan, etteivät mallit vahvista terveyseroja tai syrjintää. Näiden haasteiden ratkaiseminen on välttämätöntä, jotta tekoälyn potentiaali voidaan hyödyntää turvallisesti ja oikeudenmukaisesti.

Ei sisällä instagram post:eja