DeepMind, DNA değişikliklerinin belirli hücreleri nasıl etkilediğini izlemek için AlphaGenome 2'yi tanıttı

11 dakikalık okuma
DeepMind unveils AlphaGenome 2 to trace how DNA changes affect specific cells

30 dakikada bulunan hastalık ipucu

Google DeepMind, yapay zekâ modelini 68 dokudan alınan 107 milyondan fazla tekil hücre profiliyle eğittikten sonra 11 Kasım 2026'da AlphaGenome 2'yi tanıttı. Modelin temel görevi, hangi DNA değişikliklerinin hangi hücreleri etkilediğini tahmin ederek araştırmacıların genetik ipuçlarıyla hastalıkların ardındaki biyolojik süreçler arasında bağlantı kurmasına yardımcı olmak.

İçindekiler
  1. 30 dakikada bulunan hastalık ipucu
  2. Aynı DNA neden farklı davranabilir?
  3. İncelenen hücreye göre çalışan bir model
  4. Performans verileri ne anlama geliyor?
  5. Yeniden eğitim olmadan yeni hücre durumlarını öğrenmek
  6. Genetik işaretten olası ilaç hedefine
  7. Dokuz milyar varyantlık Atlas'ın buradaki yeri
  8. Araştırmacıların AlphaGenome ile bugüne kadar yaptıkları
  9. Erişim, maliyetler ve sıradaki deneyler
  10. Öne Çıkanlar

Model, bir gösterimde, inflamatuvar bağırsak hastalığına ilişkin 2024 tarihli bir araştırmanın önemli bir bulgusunu yaklaşık 30 dakikada yeniden ortaya koydu. Araştırmacılar, bir DNA varyantının bağırsak iltihabında rol alan bağışıklık hücrelerinde ETS2 geninin etkinliğini nasıl artırdığını belirlemek için bir buçuk yıl deney yapmıştı.

Varyant, kontrol ettiği genden uzaktaki bir DNA bölgesinde bulunuyor. AlphaGenome 2, yedi aday arasından bu varyantı seçti ve yaklaşık 290 bin DNA harfi uzaktaki ETS2 üzerinde etkisi olduğunu tahmin etti. DeepMind, modelin ETS2 etkinliğindeki artışı özellikle bağırsak makrofajlarında saptayabilmesine dikkat çekti. Bu bağışıklık hücreleri vücudun savunulmasına ve hücresel atıkların temizlenmesine yardımcı oluyor.

Önceki araştırmayı yöneten, Londra'daki Francis Crick Enstitüsü'nden immünolog ve genetikçi James Lee, hesaplamalı sonucu şöyle anlattı:

Yanıtı 30 dakikada bulmayı başardılar; bizim deneyler yapmamız bir buçuk yıl sürdü.

Bu teknolojinin pratikte sunduğu olanak, laboratuvarların hangi deneylere öncelik vermesi gerektiğine karar vermesine yardımcı olmak. AlphaGenome 2, moleküler etkinliğe ilişkin tahminler üretiyor; bulguların doğrulanması için araştırmacıların hâlâ laboratuvar testleri yapması gerekiyor. DeepMind, AlphaGenome modellerinin araştırma amacıyla tasarlandığını ve klinik ya da tanı amaçlı kullanım için doğrulanmadığını veya onaylanmadığını belirtiyor.

Aynı DNA neden farklı davranabilir?

İnsan genomunun yaklaşık yüzde 2'si protein üretme talimatlarını içeriyor. Geriye kalan yaklaşık yüzde 98'lik bölüm kodlamayan DNA olarak adlandırılıyor. Bu bölümün bir kısmında genlerin ne zaman etkinleşeceğini, nerede çalışacağını ve bir hücrenin ne kadar gen ürünü üreteceğini kontrol eden düzenleyici diziler bulunuyor.

Bunu, birçok odanın aynı elektrik planını paylaştığı bir binaya benzetebiliriz. Farklı odalarda farklı anahtarlar kullanılır. Benzer şekilde, kalp kası hücresiyle bir bağışıklık hücresi büyük ölçüde aynı DNA'yı taşır ancak görevlerini yerine getirmek için farklı gen kümelerini kullanır.

Reklam

DNA varyantı, DNA harflerinin dizilimindeki bir değişikliktir. Düzenleyici bir anahtardaki varyant, bir hücre türünde gen etkinliğini artırırken başka bir hücrede çok az etki yaratabilir. Hücre enfeksiyon sırasında etkinleştiğinde veya aşıya yanıt verdiğinde de varyantın etkisi değişebilir.

DeepMind'ın AlphaGenome 2 duyurusu, yeni modelin genel doku ortalamalarının ötesine geçerek tekil hücre türlerine ve durumlarına odaklandığını belirtiyor. Bu önemli; çünkü bir doku farklı hücrelerin karışımından oluşuyor. Ölçümlerin ortalamasını almak, yalnızca küçük bir hücre grubuyla sınırlı olan etkinin saptanmasını zorlaştırabiliyor.

İnflamatuvar bağırsak hastalığı örneği, yalnızca konuma bakmanın neden yanıltıcı olabileceğini gösteriyor. Varyant, proteinleri doğrudan kodlayan dizilerin az olduğu veya hiç bulunmadığı bir bölge olan gen çölünde yer alıyor. Bu varyant, uzaktaki bir geni etkileyebilen düzenleyici bir dizi olan güçlendiricinin parçası. Bu bağlantıyı bulmak için hem hedef geni hem de anahtarın çalıştığı hücreleri belirlemek gerekiyor.

İncelenen hücreye göre çalışan bir model

2025'te tanıtılan ilk AlphaGenome, bir milyon harften oluşan bir DNA dizisini kabul ediyor ve aynı anda birçok doku ve deneydeki moleküler özellikleri tahmin ediyordu. Çıktıları sabit bir doku ve hücre koşulları kümesini kapsıyordu; bu da birbirine yakın hücreler arasındaki ince farklılıkları yakalamayı zorlaştırıyordu.

AlphaGenome 2 ise hem DNA dizisini hem de biyolojik koşulu girdi olarak alıyor. Bu koşul bir doku, hücre türü veya hücre durumu olabiliyor. Model, tahmin sürecinin tamamında bu bilgiyi kullanarak her seferinde tek bir koşula odaklanıyor.

Araştırmacılar buna koşullu model diyor. Basitçe söylemek gerekirse soru, bir DNA dizisinin genel olarak ne yaptığı değil, belirli koşullar altında belirli bir hücre türünde ne yaptığı oluyor.

Modelin eğitiminde, karışık doku örneklerinden alınan ölçümlerle tekil insan ve fare hücrelerinden elde edilen veriler bir araya getirildi. Çalışma, 637 insan ve 311 fare hücre türünü kapsıyordu. 68 dokudan alınan 107 milyondan fazla profil, modele özel hücreler arasında gen etkinliğinin nasıl değiştiğini gösteren örnekler sağlıyor.

DeepMind'ın Korece tanıtım açıklaması, aynı yeniden tasarımı ve DNA metilasyonu tahminlerinin eklenmesini anlatıyor. DNA metilasyonu, gen etkinliğini düzenlemeye yardımcı olabilen kimyasal işaretleri ifade ediyor. Tahmin edilen diğer ölçümler arasında gen ifadesi, DNA'yla ilişkili proteinlerdeki kimyasal değişiklikler ve DNA'nın onu okuyan mekanizmalara ne ölçüde açık olduğunu gösteren kromatin erişilebilirliği de bulunuyor.

Reklam

Performans verileri ne anlama geliyor?

DeepMind, AlphaGenome 2'yi 28 tür birincil insan bağışıklık hücresini kapsayan geniş bir veri kümesi olan TenK10K ile değerlendirdi. Şirket, modelin değerlendirmede nedensel varyantların yüzde 30'unu belirlediğini bildirdi. Tek hücre verilerine uyarlanan önceki AlphaGenome modelinde bu oran yüzde 16'ydı.

Bu, 14 yüzde puanlık veya önceki orana göre yaklaşık yüzde 88'lik bir artış anlamına geliyor. DeepMind'ın modeli, belirli hücrelerde gen ifadesini değiştiren varyantların neredeyse iki katını belirliyor şeklinde tanımlamasının nedeni de bu.

Varyantın etkisinin yönünü belirleme becerisi de gelişti. Bildirilen oran yüzde 23'ten yüzde 43'e çıktı; bu, 20 yüzde puanlık bir artış. Yön önem taşıyor; çünkü araştırmacının bir DNA değişikliğinin hastalıktaki rolünü nasıl inceleyeceğine karar vermeden önce gen etkinliğini artırıp azaltmadığını bilmesi gerekiyor.

Bir başka değerlendirmede, bir genden 100 bin ila 2,5 milyon DNA harfi uzaktaki düzenleyici anahtarlar incelendi. Seçilmiş DNA bölgelerindeki etkinliği azaltıp hücrenin tepkisini ölçen CRISPR girişim taramalarının sonuçlarıyla karşılaştırıldığında AlphaGenome 2, kesinlik ve duyarlılığı birleştiren ölçütte 0,62 puan aldı. Önceki modelin puanı 0,48'di.

Kesinlik, seçilen adayların kaçının doğru olduğunu; duyarlılık ise modelin ilgili adayların kaçını bulduğunu ölçüyor. Araştırma makalesine göre model, yüksek güven eşiğinde nedensel olduğu düşünülen varyantların çoğunu yine de kaçırıyor. Bu nedenle bilim insanları, daha güçlü tahminlerden oluşan kısa bir liste elde etmekle olası ipuçlarının daha geniş bir bölümünü yakalamak arasında seçim yapmak durumunda.

Yeniden eğitim olmadan yeni hücre durumlarını öğrenmek

AlphaGenome 2, ilk eğitim koleksiyonunda bulunmayan hücrelerden alınan ölçümleri de kullanabiliyor. Araştırmacılar, yalnızca birkaç düzine hücre içeren bir örnekten elde edilen ve tek tek hücrelerdeki gen etkinliğini kaydeden tek hücre RNA dizileme verilerini modele yükleyebiliyor.

Model, bu ölçümleri hücrenin durumunu temsil eden bir veriye dönüştürüyor ve tahminlerine yön vermek için kullanıyor. Böylece bir laboratuvar yeni bir biyolojik koşulu profillediğinde modelin tamamını yeniden eğitmek gerekmiyor.

Human Cell Atlas konsorsiyumunun kurucu ortağı ve Cambridge Üniversitesi'nde kök hücre tıbbı profesörü olan Sarah Teichmann, DeepMind'ın duyurusunda bu özelliğe dikkat çekti:

AlphaGenome 2'yi heyecan verici kılan, yeniden eğitime gerek kalmadan yeni tek hücre verilerine doğrudan uyum sağlaması ve küçük bir hücre örneğinden bile yeni profillenmiş hücre durumlarında DNA varyantlarının nasıl davrandığını tahmin etmesi.

Reklam

AlphaGenome 2, COVID-19 mRNA aşısı araştırmasında daha önce görülmemiş verilerle yapılan bir gösterimde etkinleşmiş T hücrelerini dinlenme hâlindeki T hücrelerinden ayırt etti. T hücreleri, bir tehdide yanıt verirken gen etkinlikleri değişen bağışıklık hücreleridir.

Model ayrıca ağır COVID-19 ile bağlantılı bir varyantın, etkinleşmiş hücrelerde gen etkinliğini daha güçlü biçimde bozduğunu tahmin etti. Bu örnek, hücre durumunu genetik açıklamanın bir parçası hâline getiriyor: Varyantın etkisi, araştırmacıların hücreyi incelediği sırada hücrenin ne yaptığına bağlı olabiliyor.

Araştırmacılar, eksik olan bir ölçüm türünü tahmin etmek için başka bir ölçüm türünden de yararlanabiliyor. Örneğin gen etkinliği verileri, modelin kromatin erişilebilirliğini tahmin etmesine yardımcı olabiliyor. Çapraz modalite ataması adı verilen bu süreç, bir laboratuvarın hangi ek ölçümlerin daha yararlı olacağına karar vermesine yardımcı olabilir.

Genetik işaretten olası ilaç hedefine

Kısaca GWAS olarak bilinen genom çapında ilişkilendirme çalışmaları, çok sayıda insanda hastalıklarla veya özelliklerle bağlantılı DNA farklılıklarını araştırıyor. Bu çalışmalar çoğu zaman birden fazla olası varyant içeren bir bölge belirliyor. Araştırmacıların ardından hangi varyantın önemli olduğunu, hangi geni etkilediğini ve bu etkinin vücudun neresinde görüldüğünü saptaması gerekiyor.

DeepMind, yüzlerce insan hücresi ve doku koşulunda özelliklerle ilişkili varyantlara yönelik AlphaGenome 2 tahminlerini önceden hesapladı. Amaç, her laboratuvarın büyük ölçekli hesaplama işlemlerini kendisinin yürütmesini gerektirmeden bu bağlantıların incelenmesini kolaylaştırmak.

Tahminler, nöronları destekleyen ve koruyan beyin astrositleri de dahil olmak üzere birincil insan hücrelerindeki güçlendiricilerle hedef genleri de ilişkilendiriyor. Bu bağlantıları deneysel olarak haritalamak zor olabiliyor; çünkü birçok CRISPR taramasında vücuttaki özel hücreler yerine laboratuvarda yetiştirilen, kararlı hücreler kullanılıyor.

İnflamatuvar bağırsak hastalığına ilişkin gösterim, bu görevleri bir araya getiriyor. Model, uzaktaki bir düzenleyici varyantı ETS2 ile ilişkilendiriyor ve ilgili bağışıklık hücrelerini belirliyor. Önceki deneysel araştırmada olası tedavi hedefleri de belirlenmişti; böylece bilim insanlarının tahmini karşılaştırabileceği biyolojik bir bulgu ortaya konmuş oldu.

DeepMind'ın duyurusunda Genomics Limited Üst Yöneticisi Peter Donnelly, genetik ilişkilendirmeleri ilaç araştırmalarına dönüştürmenin zorluğunu şöyle anlattı:

GWAS bu süreçte merkezi bir rol oynuyor, ancak bir ilişkilendirme sinyalinden bir ilaç programının ihtiyaç duyduğu sonuca ulaşmak zor.

Donnelly, şirketin insan genetiğinden yararlanarak ilaç hedeflerini değerlendiren platformu Mystra'ya AlphaGenome 2'yi entegre etmeyi sabırsızlıkla beklediklerini söyledi. Entegrasyon tarihi veya yeni modeli kullanan bir ilaç şirketinden elde edilen sonuçlar açıklanmadı.

Reklam

Dokuz milyar varyantlık Atlas'ın buradaki yeri

AlphaGenome 2, aynı araştırma programının daha önceki bir ürünü olan AlphaGenome Atlas'ın ardından geldi. Atlas, insan genomundaki tek bir DNA harfinde yapılabilecek dokuz milyar olası değişikliğin tamamına yönelik tahminleri içeren bir katalog. DeepMind, Atlas'ı yeni modeli duyurmadan yaklaşık iki ay önce yayımladı.

Şirketin AlphaGenome araştırma özeti, Atlas'ı bir petabaytlık bir veri kümesi olarak tanımlıyor. Veri kümesinde, bilim insanlarının varyantları tahmin edilen moleküler etkilerine göre sıralamasına yardımcı olan AlphaGenome Varyant Etkisi puanı (AVI) da bulunuyor.

İki araç farklı hesaplama ihtiyaçlarına yanıt veriyor. İlk model, çok geniş bir katalog için kapsamlı tahminler sağlıyor. AlphaGenome 2 ise daha özgül tahminler için daha fazla hesaplama gücü gerektirerek belirli hücreler ve durumlar hakkında daha ayrıntılı sorulara odaklanıyor.

AlphaGenome ekibine liderlik eden DeepMind araştırmacısı Ziga Avsec, ilk modelin genomu kapsamlı biçimde taramak; AlphaGenome 2'nin ise hastalık mekanizmalarını ve olası ilaç hedeflerini daha yakından incelemek için kullanılabileceğini belirtti. Bu, araştırmacıların geniş bir taramayla başlayıp ardından seçilen adayları ilgili hücrelerde inceleyebileceği bir iş akışına işaret ediyor.

Gelişmeler kısa bir zaman diliminde şöyle sıralandı:

  • 2024: Lee'nin ekibi, laboratuvar deneyleriyle ETS2 mekanizmasının inflamatuvar bağırsak hastalığındaki rolünü ortaya koydu.
  • 2025: DeepMind ilk AlphaGenome modelini tanıttı.
  • Yaklaşık Eylül 2026: Tek bir DNA harfinde yapılabilecek dokuz milyar olası değişikliğe yönelik tahminleri içeren AlphaGenome Atlas yayımlandı.
  • 11 Kasım 2026: DeepMind, AlphaGenome 2'yi ve araştırma amaçlı erişimi duyurdu.
  • 30 Kasım 2026: Araştırmacıların tanıtım için proje sunmaları ve ek hesaplama kotası ya da kredi almaya aday olmaları için son tarih.

Araştırmacıların AlphaGenome ile bugüne kadar yaptıkları

DeepMind'ın araştırma özeti, daha geniş AlphaGenome araçlarını kullanan bilim insanlarından örnekler veriyor. Broad Enstitüsü'nden Laura Covill, AVI puanlarından yararlanarak gen işleme sürecindeki bir hatayla ilişkili DNM1 varyantını belirledi. Laboratuvar deneyleri tahmini doğruladı ve varyantın yeniden sınıflandırılmasını destekledi.

Exeter Üniversitesi'nden Gareth Hawkes, 54 binden fazla UK Biobank katılımcısını kapsayan bir araştırmada AlphaGenome'dan yararlandı. Çalışmada, nadir kodlamayan varyantlar ve plazma protein düzeyleri gibi özellikler incelendi. Bir bölgede aday listesi 526 varyanttan dörde indirildi; bu da tahminlerin deneysel çalışmaları belirli adaylara yönlendirebildiğini gösterdi.

Reklam

Stowers Tıbbi Araştırma Enstitüsü'nden Julia Zeitlinger, kısa düzenleyici DNA dizilerini ve bunların etkilerinin hücre türleri arasında nasıl farklılaştığını araştırmak için AlphaGenome'u kullandı. Çalışması, hücrelerin gen etkinliğini hangi kurallar doğrultusunda artırıp azalttığını inceliyor.

Kopenhag Üniversitesi'nden Cesar Cunha ve Marc Pielies Avelli, Tuomas Kilpelainen'in yönetiminde, Alzheimer hastalığına ilişkin genetik risk sinyallerini dokular genelinde izlemek için AlphaGenome'dan yararlandı. Analizleri, beynin yanı sıra bağışıklık ve metabolizma dokularında da tahmin edilen düzenleyici etkiler belirledi.

Bu örnekler, tahminlerden araştırmaya geçiş için çeşitli pratik yolları ortaya koyuyor: nadir hastalık adaylarını sıralamak, uzun bir varyant listesini daraltmak, düzenleyici dizileri incelemek ve genetik sinyalleri vücudun farklı bölgelerinde izlemek. AlphaGenome 2, sürece ilgili belirli hücre ve durumlara daha ayrıntılı bir odak ekliyor.

Erişim, maliyetler ve sıradaki deneyler

AlphaGenome 2, AlphaGenome uygulama programlama arayüzü (API) üzerinden ticari olmayan araştırmalarda ücretsiz kullanılabiliyor. API, araştırmacıların yazılım aracılığıyla modele sorgu göndermesine olanak tanıyor. Ticari amaçlarla araştırma yapanlar özel önizleme erişimi için başvurabiliyor. DeepMind ayrıca etkileşimli Colab eğitimleri sundu.

DeepMind, Wellcome Sanger Enstitüsü ekipleri de dahil olmak üzere araştırmacılarla birlikte daha fazla insan hücresi türünü, gelişim evresini ve farklı biyolojik koşullar nedeniyle değişime uğramış hücreleri profillediğini belirtiyor. Bu ölçümler, araştırmacıların inceleyebileceği durumların kapsamını genişletebilir.

Şirket, otomatik geliştirme ve bilimsel iş akışlarına yönelik platformu Google Antigravity'de AlphaGenome 2 Skills'i de yayımlamayı planlıyor. Bir tarih açıklanmadı. Kullanım senaryolarını 30 Kasım'a kadar sunan araştırmacılar, ek kota ve kredi için seçilebilir.

Laboratuvarlar için hemen yanıtlanması gereken soru somut: Tahminler, daha az deneyle yararlı adayların doğrulanmasına veya araştırma kararlarına daha hızlı ulaşılmasına yardımcı olabilir mi? ETS2 gösterimi, bilinen bir mekanizmanın yeniden ortaya konması bakımından umut verici bir örnek sunuyor. Daha geniş ölçekteki değer ise laboratuvarların aracı yeni adayları incelemek için kullanmasına ve bulguları deneylerle doğrulamasına bağlı olacak.

Öne Çıkanlar

  • DeepMind, 68 dokudan alınan 107 milyondan fazla tekil hücre profilini kullanan AlphaGenome 2'yi 11 Kasım 2026'da duyurdu.
  • Model, araştırmacıların yeni profillediği hücre durumları da dahil olmak üzere belirli hücre türlerinde ve durumlarında DNA etkilerini tahmin ediyor.
  • TenK10K değerlendirmesinde nedensel varyantları belirleme oranı yüzde 16'dan yüzde 30'a, gen etkinliği üzerindeki etkinin yönünü belirleme oranıysa yüzde 23'ten yüzde 43'e çıktı.
  • Bir gösterimde, inflamatuvar bağırsak hastalığındaki önemli bir ETS2 bulgusu yaklaşık 30 dakikada yeniden ortaya kondu.
  • AlphaGenome Atlas, tek bir DNA harfinde yapılabilecek dokuz milyar olası değişikliğe yönelik kapsamlı tahminler sunuyor; AlphaGenome 2 ise daha ayrıntılı hücresel analiz sağlıyor.
  • Model, ticari olmayan araştırmalarda ücretsiz kullanılabiliyor; ticari amaçlı erişim özel önizleme üzerinden sağlanıyor. Laboratuvar doğrulaması hâlâ gerekli ve modeller tanı amacıyla onaylanmış değil.
Bu haberi paylaş

Bunlar da ilginizi çekebilir