الذكاء الاصطناعي

AlphaGenome: ثورة الذكاء الاصطناعي في فك شفرة الجينوم البشري وفهم مسببات الأمراض

تقدم Google DeepMind أدوات AlphaGenome وAlphaGenome Atlas لتسريع تحديد الطفرات الجينية المسببة للأمراض، مع إطلاق AlphaGenome 2 لتحقيق دقة غير مسبوقة على مستوى الخلايا الفردية.

17 نوفمبر 2026
2 دقائق قراءة
1 قراءة
certi.news Editorial Team
AlphaGenome: ثورة الذكاء الاصطناعي في فك شفرة الجينوم البشري وفهم مسببات الأمراض

يواجه العلماء تحدياً هائلاً في فك رموز الجينوم البشري المكون من 3 مليارات زوج من القواعد النيتروجينية؛ فالبحث عن التغيرات الجينية التي تسبب الأمراض يشبه البحث عن إبرة في كومة قش. ولتجاوز هذه العقبة، كشفت Google DeepMind عن قدرات أدواتها المتطورة AlphaGenome وAlphaGenome Atlas، المصممة للتنبؤ بتأثير التغيرات الجينية بدقة وسرعة فائقة.

من القراءة إلى التنبؤ: قدرات AlphaGenome

يعمل نموذج AlphaGenome على معالجة تسلسلات الحمض النووي التي يصل طولها إلى مليون زوج من القواعد، حيث يمكنه تقديم آلاف التنبؤات حول تأثير التغيرات في هذه التسلسلات. ومن خلال مقارنة هذه التنبؤات، يستطيع العلماء تحديد الطفرات المؤثرة بشكل أسرع بكثير من الطرق التقليدية.

ولتعزيز هذا البحث، أطلقت الشركة AlphaGenome Atlas، وهو عبارة عن قاعدة بيانات ضخمة تغطي نتائج 9 مليارات تغيير محتمل في الحروف الجينية (A, T, C, G). تتيح هذه الأداة للباحثين استخدام ما يسمى بـ درجة تأثير المتغير (AVI score)، وهي قيمة رقمية بسيطة تشير فوراً إلى مدى التأثير المحتمل لأي متغير جيني عبر الجينوم الكامل، مما يساعد في ترتيب أولويات الأبحاث وتحديد التغيرات الأكثر خطورة.

AlphaGenome 2: الانتقال إلى دقة الخلايا الفردية

في خطوة تهدف لمعالجة القصور في النماذج السابقة، أطلقت Google DeepMind نموذج AlphaGenome 2. وبينما كانت النسخ السابقة تعتمد في تدريبها على بيانات الأنسجة الكاملة أو خطوط الخلايا (مما يعطي نتائج متوسطة)، يركز النموذج الجديد على خصوصية نوع الخلية (cell type specificity). هذا التطور يسمح بالتنبؤ بكيفية تعطيل المتغيرات الجينية لأنواع محددة من الخلايا، مما يساعد الباحثين في تحديد المحركات الخلوية الدقيقة للأمراض.

ما الذي يتغير عملياً؟

يمثل هذا التطور تحولاً جذرياً في كيفية التعامل مع البيانات البيولوجية، وتتجلى أهميته في عدة جوانب:

  • تسريع اكتشاف الأدوية: يساعد الباحثين في قطاع الصيدلة على تحديد الأهداف العلاجية عالية الاحتمالية والتحقق منها بسرعة أكبر.
  • الطب الشخصي: تعزيز القدرة على تشخيص الأمراض الوراثية النادرة وتصميم علاجات مخصصة لكل مريض بناءً على ملفه الجيني.
  • تطبيقات خارج الطب: يمكن استخدام بنية النموذج في مجالات أخرى مثل تطوير محاصيل زراعية مقاومة للتغيرات المناخية.

وعلى الرغم من هذه القفزة، تؤكد Google DeepMind أن هذه التنبؤات لا تغني عن الأبحاث المختبرية التقليدية، بل تعمل كموجه ذكي لتقليل الوقت والجهد، مع استمرار العمل على تطوير طرق لقياس مدى ثقة النموذج في تنبؤاته لضمان أعلى مستويات الدقة العلمية.

مصدر الخبر
كيف أعددنا هذا الخبر؟

اعتمد الخبر على المصدر الأصلي الموضح أعلاه. قد نستخدم أدوات آلية للمساعدة في الاستخراج والتصنيف والصياغة، لكن النشر يخضع لقواعد تمنع المحتوى المكرر والقصير أو الروتيني منخفض القيمة. اقرأ سياستنا التحريرية.

c
كاتب المقال

certi.news Editorial Team

certi.news Editorial Team

The certi.news editorial team monitors technical sources and reconstructs news, verifying facts and context prior to publication.

من نفس التصنيف

مقالات قد تهمك

عرض كل الأخبار