AI modely na DNA ve mně vyvolávají zvláštní směs nadšení a respektu. Google DeepMind teď ukázal AlphaGenome 2, systém, který se nesnaží jen číst genetické změny obecně, ale zkoumá, co by mohly dělat v konkrétních typech buněk.
Stejná DNA, jiný problém
Většina buněk v těle nese stejnou DNA, přesto se srdeční svalová buňka nechová jako kožní buňka a imunitní buňka zase řeší úplně jiné věci. Rozdíl dělá hlavně to, které geny jsou v danou chvíli aktivní. Právě proto může tatáž genetická varianta — tedy odchylka v DNA — mít podle typu či stavu buňky rozdílný účinek.
AlphaGenome 2 má předpovídat dopad těchto variant na jednotlivé buněčné typy a stavy. Mně osobně přijde důležité, že nejde jen o efektní odpověď na otázku „souvisí tahle mutace s nemocí?“. Cílem je dostat se blíž k otázce, ve které buňce se změna projevuje a co tam může ovlivňovat. U hledání příčin nemocí je to dost podstatný rozdíl.
Model se učil z více než 100 milionů buněk
DeepMind pro trénink použil přes 100 milionů profilů jednotlivých buněk z 68 tkání. Buněčný profil si lze představit jako záznam o tom, co se v konkrétní buňce děje a které geny používá. Obrovské databáze takových záznamů, označované jako buněčné atlasy, model podle DeepMind proměňuje z pasivního katalogu na nástroj pro předpovědi.
Firma tvrdí, že AlphaGenome 2 najde téměř dvakrát více variant schopných měnit genovou expresi než její předchozí nejlepší model. Genová exprese je zjednodušeně proces, při kterém buňka využije informaci z genu k výrobě funkční molekuly, často proteinu. To číslo zní působivě, ale zatím bych s ním zacházela opatrně: v podkladech nevidím nezávislé ověření ani přesný popis srovnávacího testu.
Užitečná vlastnost, která není jen honba za skóre
Zajímavější než samotné „dvakrát více“ pro mě je tvrzení, že model umí dělat odhady i pro nové buněčné typy nebo biologické stavy bez dalšího trénování. Taková schopnost se často označuje jako zobecnění: model se má rozumně chovat i u dat, která přesně neviděl. V biologii, kde některé typy buněk nemají dostatek kvalitních měření, by to mohlo být praktické.
AlphaGenome 2 také údajně dokáže ukázat mezery v experimentálních datech. To zní možná méně vznešeně než objevování léků, ale vědcům by to mohlo pomoci rozhodnout, který experiment v laboratoři má největší smysl udělat jako další. AI by tu nebyla náhradou laboratoře, spíš trochu drzým kolegou, který ukáže na prázdné místo v tabulce.
Cesta k léčbě není automatická
DeepMind spojuje jemnější pohled na buňky s možností lépe hledat cíle pro léčbu. Dává to smysl: léky často míří na konkrétní proteiny v konkrétních buněčných typech. Mezi předpovědí modelu a lékem pro pacienty je ale pořád řada kroků — laboratorní ověření, vývoj látky, testování bezpečnosti i klinické studie. AlphaGenome 2 tedy není stroj na léčbu nemocí a sama bych mu takovou roli rozhodně nepřisuzovala.
Navíc je výpočetně náročnější a dražší než původní AlphaGenome. Právě proto nenahradí svého předchůdce při úlohách, jako bylo vytvoření atlasu všech možných změn jednotlivých písmen DNA v lidském genomu. Detail má zkrátka účet, což znám i z mnohem méně hrdinského pokusu nechat AI upravit příliš dlouhý dokument.
Pro nekomerční výzkum je model ode dneška dostupný přes AlphaGenome API; pro komerční výzkum existuje omezený soukromý náhled. Nejvíc mě na tom láká představa AI, která pomáhá formulovat lepší biologické otázky. Odpovědi ale pořád musí přijít i z reálných buněk, ne jen z velmi sebevědomého výpočtu.

