Immagine copertina generata con l’intelligenza artificiale
Google DeepMind rilancia la ricerca genetica con AlphaGenome 2, un modello di intelligenza artificiale progettato per prevedere con maggiore precisione come le variazioni del DNA influenzano le diverse tipologie di cellule umane.
Il sistema rappresenta un’evoluzione del precedente AlphaGenome e introduce un livello di analisi più dettagliato, concentrato anche sullo stato specifico delle singole cellule.
AlphaGenome 2, l’evoluzione dell’intelligenza artificiale applicata alla genetica
Presentato dai ricercatori di Google DeepMind, AlphaGenome 2 è il successore del modello AlphaGenome, rilasciato l’anno precedente. La nuova versione affronta una delle questioni più complesse della genetica: capire in che modo le variazioni del DNA producano conseguenze differenti a seconda del tipo di cellula coinvolta.
Il punto di partenza è una caratteristica fondamentale dell’organismo umano: praticamente tutte le cellule contengono lo stesso patrimonio genetico, ma non utilizzano gli stessi geni. Una cellula muscolare, una della pelle e una del sistema immunitario, per esempio, attivano e disattivano gruppi differenti di geni in funzione delle proprie caratteristiche e attività.
La stessa variante genetica può quindi avere effetti diversi a seconda della cellula e del suo stato biologico. AlphaGenome 2 nasce proprio per analizzare queste differenze, offrendo previsioni più specifiche rispetto ai modelli precedenti. Una maggiore granularità che potrebbe aiutare a individuare effetti genetici rilevanti che un’analisi più generale rischierebbe di non rilevare.
Come funziona il modello e quali dati utilizza
Uno degli elementi più significativi di AlphaGenome 2 riguarda la quantità e la varietà dei dati utilizzati durante l’addestramento. Secondo Google DeepMind, il modello è stato sviluppato utilizzando oltre 100 milioni di profili cellulari individuali, provenienti da 68 tessuti.
Questa base informativa permette al sistema di analizzare con maggiore dettaglio le relazioni tra varianti genetiche e attività dei geni. DeepMind sostiene che AlphaGenome 2 riesca a identificare quasi il doppio delle varianti capaci di modificare l’espressione genica nelle cellule rispetto al precedente modello considerato all’avanguardia.
Un’altra caratteristica interessante è la capacità di formulare previsioni anche su nuove tipologie cellulari e differenti stati biologici, senza dover necessariamente addestrare nuovamente il modello. Inoltre, il sistema può individuare alcune lacune nei dati sperimentali disponibili, aiutando i ricercatori a stabilire quali aspetti meritino ulteriori approfondimenti in laboratorio.
In questo modo, gli atlanti cellulari, grandi archivi che catalogano le caratteristiche delle singole cellule, possono diventare strumenti predittivi per lo studio della genetica umana.
Dallo studio delle varianti genetiche alla ricerca sulle malattie
Il collegamento tra genetica e biologia cellulare rappresenta uno degli aspetti più importanti del progetto. Come spiegato da Adam Gayoso, ricercatore di Google DeepMind coinvolto nello sviluppo, AlphaGenome 2 permette di partire dalle varianti genetiche individuate attraverso studi su grandi popolazioni e approfondire le loro possibili conseguenze a livello cellulare.
Questa capacità potrebbe rivelarsi particolarmente utile nella ricerca sulle malattie. Comprendere quali cellule siano interessate da una determinata variazione genetica consente infatti di restringere il campo d’indagine e studiare più precisamente i meccanismi biologici coinvolti.
Anche Žiga Avsec, responsabile della genomica di DeepMind, ha sottolineato l’importanza di questa precisione per lo sviluppo dei farmaci. Quando si progetta un trattamento, infatti, è necessario intervenire su proteine e tipologie cellulari specifiche. Disporre di previsioni più dettagliate potrebbe quindi aiutare gli scienziati a identificare i bersagli biologici più interessanti.
Non si tratta ancora di applicazioni cliniche dirette, ma di un supporto alla ricerca che potrebbe contribuire a comprendere meglio le origini cellulari delle patologie e le possibili strategie terapeutiche.
I limiti attuali e le prospettive future di AlphaGenome 2
Nonostante i progressi, AlphaGenome 2 presenta anche alcuni limiti. Le previsioni più dettagliate richiedono infatti una maggiore capacità di calcolo e risultano più costose rispetto a quelle prodotte dal modello precedente. Per questo motivo, DeepMind non intende sostituire immediatamente AlphaGenome 2 alla prima versione.
La differenza di risorse computazionali è particolarmente rilevante quando si devono analizzare quantità enormi di informazioni. Il modello precedente, per esempio, è stato utilizzato per realizzare un atlante che prende in considerazione tutte le possibili modifiche di una singola lettera del DNA nel genoma umano, pubblicato da DeepMind a settembre.
Per quanto riguarda la disponibilità, AlphaGenome 2 viene distribuito per la ricerca non commerciale attraverso le API AlphaGenome, mentre per la ricerca commerciale è prevista una fase di anteprima privata con accesso limitato.
DeepMind sta inoltre lavorando per ampliare ulteriormente i dati utilizzati, soprattutto quelli relativi agli stati cellulari ancora poco rappresentati. Tra gli sviluppi possibili figurano anche modelli addestrati su dati provenienti da più specie, così da ottenere una prospettiva biologica più ampia.
Nel lungo periodo, queste tecnologie potrebbero contribuire alla realizzazione delle cosiddette cellule virtuali: simulazioni digitali capaci di riprodurre il comportamento dei sistemi biologici. Un obiettivo ancora in evoluzione, ma che mostra quanto l’intelligenza artificiale stia diventando uno strumento sempre più importante per la ricerca scientifica.
Fonte: The Verge