Материал подготовлен AI Digest (ai-digest.ru)
Google выпустила Atlas генома: 9 млрд мутаций в одной базе
DeepMind превратила свою модель AlphaGenome в полный каталог влияния каждой возможной мутации на молекулярную биологию — и впервые сделала его общедоступным.
Суть события
Google DeepMind представила AlphaGenome Atlas — публичный атлас, который покрывает все девять миллиардов одиночных замен в человеческом геноме. Для каждой позиции база содержит предсказание влияния на молекулярные процессы: сколько белка произведётся, как изменится работа гена. По словам команды, это самый полный каталог молекулярных эффектов генетических вариантов из когда-либо созданных. Размер готовых данных — около одного петабайта. Доступ для некоммерческих исследователей открыт уже сегодня, коммерческое использование через Google Cloud обещают в ближайшее время.
Детали
AlphaGenome Atlas построен на модели AlphaGenome, которую DeepMind выпустила в прошлом году. Новизна именно в каталоге: миллиарды вариантов не пересчитываются на лету, а хранятся в готовом виде с предсказанным эффектом. Для навигации по массиву данных Google добавила собственный показатель AVI (Variant Impact Score) — он позволяет быстро ранжировать мутации по вероятной значимости и сразу видеть молекулярные последствия. Запросить данные можно через веб-портал, через агентный интерфейс Antigravity или напрямую через AlphaGenome API. Модель обучена на публичных базах человеческих и мышиных геномов. Помимо геномных инструментов, команда развивает и другие AI-направления — подробнее о подходе Google DeepMind к автономным агентам можно узнать в обзоре AI Digest.
Контекст
AlphaGenome Atlas — часть линейки DeepMind, которая начиналась с AlphaFold: система предсказания структуры белков, за которую Демис Хасабис и Джон Ямпер получили Нобелевскую премию по химии в 2024 году. Теперь тот же подход масштабирован на весь геном, а не только на кодирующие белки участки. Хасабис, который сейчас переходит на позицию главы биотехнологического спин-оффа Isomorphic Labs, назвал Atlas ещё одним шагом к применению ИИ в фундаментальной науке.
Что дальше
Для практического применения ключевой вопрос — насколько предсказания Atlas совпадут с экспериментальными данными. Если каталог пройдёт проверку на реальных клинических выборках, он может радикально ускорить поиск мишеней для лекарств: исследователи смогут отсеивать миллионы нерелевантных мутаций автоматически, не ставя каждую в эксперимент. Для бизнеса в области фармацевтики и биотехнологий это потенциально означает сокращение early-stage исследований с месяцев до дней.
