Google DeepMind, tek hücre düzeyinde varyant tahmini yapan AlphaGenome 2'yi duyurdu

AlphaGenome 2 duyuruldu

Google DeepMind, 11 Kasım 2026'da yeni nesil DNA dizi modeli AlphaGenome 2'yi duyurdu. Şirkete göre model, DNA dizilerinin ve varyasyonlarının belirli insan hücre tiplerini nasıl etkilediğini tahmin ediyor. AlphaGenome 2, tek hücre biyolojisi ile insan genetiği arasında köprü kurarak genetik varyantların yüzlerce insan hücre tipini nasıl etkilediğini tahmin ediyor.

Şirket, insan vücudundaki her hücrenin aynı DNA planını taşıdığını, ancak her hücre tipinin farklı genleri açıp kapatarak işini yaptığını belirtiyor. Kalp kası hücresi veya enfeksiyonla savaşan bağışıklık hücresi gibi her hücre tipi ve durumu, işini yapmak için farklı genleri açıyor veya kapatıyor. Human Cell Atlas gibi küresel çabalar milyonlarca hücre için gen ifadesini haritalıyor; ancak ince DNA varyasyonlarının hücrelerdeki bu ifadeyi nasıl etkilediğini tahmin etmek hâlâ çözülmemiş bir sorun olarak duruyor.

Google DeepMind'a göre ilk AlphaGenome modeli, DNA varyantlarının geniş dokulardaki moleküler aktiviteyi nasıl etkilediğini tahmin etmek üzere geliştirilmişti. Şirket, AlphaGenome Atlas platformunun araştırmacıların varyant etkilerini önceliklendirmesine ve yorumlamasına yardımcı olarak nadir hastalıklar, karmaşık özellikler ve temel biyolojide keşifleri desteklediğini aktarıyor.

Mimari yeniden tasarlandı

Google DeepMind'a göre AlphaGenome 2, doku ortalamalarından tek tek hücre tiplerine ve hücre durumlarına inerek ve model mimarisini yeniden tasarlayarak varyant tahmin performansında önemli bir sıçrama sağlıyor. Bu yeniden tasarım, geniş doku modellerinde gözden kaçacak hastalıkla ilgili hücrelerdeki varyant etkilerinin tahmin edilmesini sağlıyor. Model ayrıca daha önce görmediği hücre ve hastalık durumları için de tahminler üretebiliyor.

AlphaGenome, 1 milyon harflik bir DNA dizisinden toplu doku ve hücre hatlarının sabit paralel çıktılarını üretiyor. Buna karşılık AlphaGenome 2, bir DNA dizisiyle birlikte belirli bir biyolojik koşulu girdi olarak alan koşullu bir model. Model, biyolojik koşulu referans hücre tipi kataloğundan seçilen veya hücre kodlayıcı aracılığıyla bilim insanının tek hücre deneyinden anında üretilen bir koşul olarak alıyor.

Google DeepMind'a göre ilk model binlerce deneyi aynı anda paralel tahmin ederken, AlphaGenome 2 bir seferde tek bir koşul için tahmin yapıyor. AlphaGenome 2'de hedef biyolojik koşul, mimarinin her aşamasında girdi olarak kullanılıyor. Koşulun mimarinin her aşamasında kullanılması, modelin aynı DNA bölgesinin farklı hücre tiplerinde nasıl farklı okunduğunu öğrenmesini sağlıyor.

Eğitim verisi ve tahmin yetenekleri

Google DeepMind'a göre AlphaGenome 2, 68 dokuda 100 milyondan fazla bireysel hücre profili üzerinde eğitildi. Model, bu eğitimle statik hücre atlaslarını öngörücü bir motor haline getiriyor. Şirketin verdiği bilgiye göre model, insan ve fare örneklerinden 107 milyondan fazla bireysel hücre profili içeren toplu ve tek hücre verileri üzerinde eğitildi.

Orijinal modelin toplu doku ortalamalarının ötesine geçen AlphaGenome 2, farklı kalp kası veya kan bağışıklık hücreleri gibi özelleşmiş hücreler içindeki aktiviteyi çözebiliyor. Google DeepMind'a göre AlphaGenome 2, önceki en gelişmiş modele kıyasla hücrelerde gen ifadesini değiştiren yaklaşık iki kat daha fazla varyant tanımlıyor.

Model, AlphaGenome ile aynı temel deneysel çıktıları tahmin etmenin yanı sıra sıkça talep edilen bir çıktı olan DNA metilasyonunu da tahmin ediyor. Google DeepMind'a göre AlphaGenome 2; gen ifadesi, histon modifikasyonları ve kromatin erişilebilirliğinin yanı sıra DNA metilasyonunu da tahmin ediyor.

Google DeepMind'a göre AlphaGenome 2, çapraz-modalite imputasyonu yaparak eksik deneysel verileri tahmin edebiliyor. Model, hücrenin biyolojik durumunu çıktılarından ayırarak tek bir ölçümden ölçülmemiş özellikleri tahmin edebiliyor. Bilim insanı tek bir ölçüm, örneğin tek hücre gen aktivitesi girdiğinde AlphaGenome 2, kromatin erişilebilirliği gibi ölçülmemiş özellikleri tahmin edebiliyor. Eksik özelliklerin tahmini, araştırmacıların sıradaki deneylerini önceliklendirmesine yardımcı olabiliyor.

TenK10K sonuçları ve hastalık uygulamaları

Google DeepMind'a göre AlphaGenome 2, 28 birincil bağışıklık hücresi tipini içeren TenK10K veri setinde orijinal AlphaGenome'a kıyasla nedensel varyantlarda yaklaşık iki kat daha fazla başarı gösterdi (%30'a karşı %16). Aynı veri setinde yönlü gen etkilerinde de orijinal AlphaGenome'a kıyasla daha yüksek başarı elde etti (%43'e karşı %23). Bu sonuç, orijinal AlphaGenome'un tek hücre verisiyle ince ayarlanmış hali ve diğer özelleşmiş araçlarla karşılaştırılarak elde edildi.

Google DeepMind'a göre AlphaGenome 2, bağırsak bağışıklık hücrelerinde (makrofajlar) ETS2 genini aşırı aktive ederek IBD'yi tetikleyen düzenleyici bir varyantın etkisini hesaplamalı olarak yeniden üretti. Model, çeşitli bağırsak bağışıklık hücresi tiplerinde tahmin yaparak nedensel varyantı belirledi ve bu varyantın ETS2 genini seçici olarak artırdığını gösterdi.

Google DeepMind'a göre AlphaGenome 2, yeniden eğitim gerektirmeden tamamen yeni tek hücre deneylerine genelleme yapabiliyor. Bilim insanları sadece birkaç düzine hücreden alınan tek hücre RNA-seq anlık görüntüsünü yükleyebiliyor. Şirkete göre model, bu veri setleri üzerinde doğrudan eğitilen veya ince ayar yapılan modellerle eşleşebiliyor veya onları geçebiliyor.

Google DeepMind'a göre AlphaGenome 2, görülmemiş bir COVID-19 mRNA aşı çalışması verisinde aşı ile aktive olan bağışıklık T hücrelerini dinlenme halindekilerden ayırt etti. Model ayrıca şiddetli COVID-19 ile ilişkili bir varyantın, hücreler bu aktive durumdayken gen aktivitesini daha güçlü bozduğunu ortaya koydu.

Google DeepMind'a göre AlphaGenome 2'nin önceden hesaplanmış varyant skorları, boydan tip 2 diyabete kadar karmaşık özelliklerde ilgili varyantları ve hücre tiplerini belirlemeye yardımcı oluyor. Model, güvenilir olduğunda bir varyantın gen aktivitesini artırıp azaltacağını doğru şekilde tahmin ediyor.

Erişim ve kullanım koşulları

AlphaGenome 2, ticari olmayan araştırmalar için AlphaGenome API üzerinden bugün itibarıyla kullanılabiliyor. Model, ticari araştırmalar için özel önizleme aşamasında sunuluyor. Google DeepMind, ifade koşullandırması için etkileşimli Colab eğitimlerini de bugün itibarıyla AlphaGenome API üzerinden ticari olmayan araştırmalar için sunuyor.

Google DeepMind, 30 Kasım'a kadar form aracılığıyla topluluktan ilginç AlphaGenome 2 kullanım örnekleri paylaşmalarını istiyor. Şirket ayrıca yakında Google Antigravity'de AlphaGenome 2 Skills'i yayınlayacağını duyurdu.

Google DeepMind, AlphaGenome ve AlphaGenome 2'nin yalnızca araştırma amaçlı olduğunu ve klinik veya tanısal amaçlar için doğrulanmadığını veya onaylanmadığını belirtiyor.