Ο νέος χάρτης του ανθρώπινου DNA της Google αφορά λιγότερο την ανακάλυψη και περισσότερο την αποσφαλμάτωση

Ενώ η ολοκλήρωση του Προγράμματος Ανθρώπινου Γονιδιώματος το 2003 μοιάζει με την τελευταία λέξη στη βιολογική ανακάλυψη, η πραγματικότητα είναι ότι παρείχε μόνο μια λίστα εξαρτημάτων χωρίς ένα εγχειρίδιο για το πώς ταιριάζουν μεταξύ τους. Για πάνω από δύο δεκαετίες, η δημοφιλής αφήγηση υποστήριζε ότι η αλληλούχιση του DNA ενός ατόμου ήταν η απόλυτη γραμμή τερματισμού για τη σύγχρονη ιατρική. Η επιστήμη είχε το αλφάβητο, έτσι πίστευαν, και επομένως κατανοούσε την ιστορία. Στην πραγματικότητα, οι επιστήμονες πέρασαν τα επόμενα είκοσι χρόνια κοιτάζοντας έναν τεράστιο όγκο κώδικα όπου κατανοούσαν μόνο το δύο τοις εκατό περίπου των λέξεων. Το υπόλοιπο 98 τοις εκατό συχνά απορριπτόταν ως «άχρηστο DNA» (junk DNA) επειδή δεν παρήγαγε άμεσα πρωτεΐνες.

Η Google DeepMind κυκλοφόρησε πρόσφατα τον Άτλαντα AlphaGenome για να αντιμετωπίσει αυτό το τεράστιο κενό γνώσης. Αυτό το έργο είναι μια συνεργασία με το Ινστιτούτο Francis Crick και χρησιμεύει ως ένας χάρτης υψηλής ανάλυσης των ρυθμιστικών στοιχείων που διέπουν τη βιολογία μας. Εάν το ανθρώπινο γονιδίωμα είναι ένα πολύπλοκο λογισμικό, ο Άτλας AlphaGenome είναι ο πρώτος ολοκληρωμένος αποσφαλματωτής (debugger). Επικεντρώνεται στις μη κωδικοποιητικές περιοχές του DNA μας, τις σιωπηλές οδηγίες που λένε σε ένα κύτταρο πότε να ενεργοποιήσει ένα γονίδιο, πόσο να ανεβάσει την ένταση και πότε να το απενεργοποιήσει εντελώς.

Το σιωπηλό 98 τοις εκατό του κώδικά σας

Για να καταλάβετε γιατί αυτό έχει σημασία για τον μέσο χρήστη, σκεφτείτε το DNA σας σαν ένα γιγάντιο σπίτι. Το δύο τοις εκατό του γονιδιώματος που ήδη κατανοούμε είναι σαν τα φυσικά αντικείμενα στο σπίτι: το ψυγείο, οι λάμπες και ο λέβητας. Ξέρουμε τι κάνουν αυτά τα πράγματα. Ωστόσο, για είκοσι χρόνια, δεν μπορούσαμε να βρούμε τους διακόπτες φώτων ή τον θερμοστάτη. Το μη κωδικοποιητικό DNA περιέχει τους διακόπτες. Όταν ένας διακόπτης χαλάει, ο λέβητας παραμένει σβηστός στη μέση του χειμώνα, ακόμη και αν ο ίδιος ο λέβητας είναι σε τέλεια κατάσταση.

Οι περισσότερες χρόνιες ασθένειες, συμπεριλαμβανομένου του διαβήτη τύπου 2, των καρδιακών παθήσεων και πολλών μορφών καρκίνου, συνήθως δεν προέρχονται από έναν χαλασμένο λέβητα. Προέρχονται από έναν ελαττωματικό διακόπτη στις μη κωδικοποιητικές περιοχές του DNA. Επειδή υπάρχουν εκατομμύρια τέτοιοι διακόπτες, η εύρεση αυτού που ευθύνεται για μια συγκεκριμένη ασθένεια είναι σαν να προσπαθείς να βρεις ένα μόνο χαλαρό καλώδιο σε έναν ουρανοξύστη. Ιστορικά, οι ερευνητές έπρεπε να δοκιμάσουν αυτούς τους διακόπτες έναν προς έναν σε ένα εργαστήριο, μια διαδικασία που είναι αργή, δαπανηρή και επιρρεπής σε αποτυχία.

Η DeepMind άλλαξε αυτή την προσέγγιση εφαρμόζοντας την ίδια λογική AI που έλυσε την αναδίπλωση των πρωτεϊνών με το AlphaFold. Ο Άτλας AlphaGenome χρησιμοποιεί ένα μοντέλο βασισμένο σε transformer που ονομάζεται Enformer για να προβλέψει πώς οι αλλαγές στις αλληλουχίες DNA επηρεάζουν τη γονιδιακή έκφραση σε διαφορετικούς ιστούς. Αντί να μαντεύουν, οι επιστήμονες έχουν τώρα έναν προγνωστικό χάρτη που υποδεικνύει ποιες γενετικές παραλλαγές είναι πιθανό να προκαλέσουν δυσλειτουργία. Αυτή είναι μια θεμελιώδης στροφή από την περιγραφική βιολογία στην προγνωστική μηχανική.

Μετάβαση από το «τι» στο «πότε»

Η βιομηχανική λογική πίσω από αυτό το έργο είναι απλή. Η βιολογία είναι η αόρατη ραχοκοκαλιά της σύγχρονης ζωής, ωστόσο τα εργαλεία μας για τη διαχείρισή της παραμένουν πρωτόγονα σε σύγκριση με τα εργαλεία μας για τη διαχείριση του πυριτίου. Ενώ το AlphaFold μας είπε πώς μοιάζει μια πρωτεΐνη, ο Άτλας AlphaGenome μας λέει πότε και πού εμφανίζεται αυτή η πρωτεΐνη στο σώμα. Αυτή η διάκριση είναι ζωτικής σημασίας επειδή μια πρωτεΐνη που είναι χρήσιμη στο ήπαρ μπορεί να είναι τοξική εάν εμφανιστεί στον εγκέφαλο.

Στο εσωτερικό του, το AI αναλύει τη φυσική απόσταση μεταξύ διαφορετικών τμημάτων της έλικας του DNA. Το DNA δεν είναι απλώς μια μακριά, ευθεία κορδέλα. Διπλώνεται και σχηματίζει βρόχους στον τρισδιάστατο χώρο, έτσι ώστε ένας διακόπτης που βρίσκεται πολύ μακριά στην αλυσίδα να μπορεί στην πραγματικότητα να αγγίξει το γονίδιο που ελέγχει. Ο Άτλας AlphaGenome χαρτογραφεί αυτούς τους βρόχους με πρωτοφανή ακρίβεια. Για τον μέσο άνθρωπο, αυτό σημαίνει ότι ένα γενετικό τεστ το έτος 2026 θα παρέχει πολύ περισσότερα από μια λίστα ποσοστών καταγωγής. Θα παρέχει μια λειτουργική αναφορά για το πώς ο μηχανισμός του σώματος είναι πιθανό να αντιδράσει στη γήρανση, τη διατροφή και το περιβάλλον.

Πρακτικά μιλώντας, αυτά τα δεδομένα είναι αποκεντρωμένα και ανοιχτού κώδικα. Η Google αποφάσισε να διαθέσει τον άτλαντα στην παγκόσμια επιστημονική κοινότητα. Αυτή η κίνηση αφορά λιγότερο τον αλτρουισμό και περισσότερο την κλιμάκωση του οικοσυστήματος. Παρέχοντας τον χάρτη δωρεάν, η Google διασφαλίζει ότι τα εργαλεία AI της γίνονται το βιομηχανικό πρότυπο για κάθε startup βιοτεχνολογίας και πανεπιστημιακό εργαστήριο στον κόσμο.

Η βιομηχανική στροφή στην ανακάλυψη φαρμάκων

Από την πλευρά της αγοράς, το κόστος ανάπτυξης ενός νέου φαρμάκου είναι επί του παρόντος αστρονομικό. Χρειάζονται περίπου δέκα χρόνια και δισεκατομμύρια δολάρια για να φτάσει μια μεμονωμένη ένωση στο ράφι του φαρμακείου. Ένας κύριος λόγος για αυτό το υψηλό κόστος είναι το υψηλό ποσοστό αποτυχίας. Τα περισσότερα φάρμακα αποτυγχάνουν στις κλινικές δοκιμές επειδή είτε δεν λειτουργούν όπως αναμένεται είτε προκαλούν απρόβλεπτες παρενέργειες.

Ο Άτλας AlphaGenome λειτουργεί ως μετρητής πίεσης ελαστικών για τη φαρμακευτική βιομηχανία, εντοπίζοντας αργές διαρροές πριν το αυτοκίνητο βγει από το γκαράζ. Εάν μια φαρμακευτική εταιρεία γνωρίζει ακριβώς ποιον γενετικό διακόπτη πρέπει να γυρίσει, μπορεί να σχεδιάσει μόρια που είναι πολύ πιο συγκεκριμένα. Αυτό μειώνει τον κίνδυνο αλληλεπίδρασης του φαρμάκου με το λάθος μέρος του κυτταρικού μηχανισμού. Στην καθημερινή ζωή, αυτό οδηγεί σε μια ανθεκτική εφοδιαστική αλυσίδα φαρμάκων όπου οι θεραπείες αναπτύσσονται ταχύτερα και με λιγότερες παρενέργειες.

Το συμπέρασμα για τους επενδυτές και τους καταναλωτές είναι ότι η εποχή των φαρμάκων «blockbuster» τελειώνει. Το μοντέλο των blockbuster βασιζόταν σε χάπια που ταιριάζουν σε όλους, όπως το Lipitor ή το Prozac. Η νέα εποχή βασίζεται στην ακρίβεια. Προχωράμε προς μια εποχή όπου ένας γιατρός θα κοιτάζει τον συγκεκριμένο χάρτη AlphaGenome σας και θα συνταγογραφεί μια δόση που είναι βαθμονομημένη στους μοναδικούς ρυθμιστικούς διακόπτες σας. Αυτή είναι μια απτή βελτίωση στην ασφάλεια και την αποτελεσματικότητα.

Πώς αυτό αλλάζει τις επισκέψεις σας στο φαρμακείο

Από την πλευρά του καταναλωτή, ο αντίκτυπος θα γίνει αισθητός πρώτα στη θεραπεία σπάνιων ασθενειών. Πολλά παιδιά υποφέρουν από καταστάσεις που οι γιατροί δεν μπορούν να ονομάσουν επειδή οι μεταλλάξεις συμβαίνουν στη «σκοτεινή ύλη» του DNA. Ο Άτλας AlphaGenome επιτρέπει στους κλινικούς γιατρούς να αντιστοιχίσουν τα συμπτώματα ενός παιδιού με έναν συγκεκριμένο χαλασμένο διακόπτη στο γονιδίωμά του. Αυτό που παλαιότερα ήταν μια διαγνωστική οδύσσεια πέντε ετών θα μπορούσε σύντομα να γίνει μια σάρωση υπολογιστή μίας εβδομάδας.

Περιέργως, αυτό έχει επίσης επιπτώσεις σε κοινά φάρμακα. Πολλοί άνθρωποι δεν ανταποκρίνονται στα τυπικά αντικαταθλιπτικά ή στα αντιπηκτικά. Αυτό συμβαίνει επειδή οι γενετικοί διακόπτες τους για τον μεταβολισμό είναι ρυθμισμένοι διαφορετικά. Καθώς αυτή η τεχνολογία μεταφέρεται στην κλινική πράξη, οι εικασίες στην ιατρική εξαφανίζονται. Δεν θα χρειαστεί να δοκιμάσετε τρία διαφορετικά φάρμακα για να βρείτε αυτό που λειτουργεί. Τα δεδομένα θα υποδεικνύουν τη σωστή επιλογή από την πρώτη μέρα.

Υπάρχει, φυσικά, ένα επίπεδο σκεπτικισμού που απαιτείται όταν ένας τεχνολογικός γίγαντας όπως η Google γίνεται ο κύριος χαρτογράφος της ανθρώπινης ζωής. Ενώ ο άτλας είναι ανοιχτός, η υπολογιστική ισχύς που απαιτείται για την εκτέλεση αυτών των μοντέλων παραμένει συγκεντρωμένη στα χέρια λίγων εταιρειών. Η αδιαφανής φύση της λήψης αποφάσεων από το AI σημαίνει ότι πρέπει να εμπιστευτούμε ότι το μοντέλο είναι ακριβές. Ουσιαστικά παραδίδουμε τα κλειδιά του βιολογικού μας λειτουργικού συστήματος σε έναν αλγόριθμο που ακόμη και οι δημιουργοί του δεν μπορούν να εξηγήσουν πλήρως σε απλά ελληνικά.

Κατανόηση της βιολογικής λογικής πύλης

Κοιτάζοντας τη μεγάλη εικόνα, ο Άτλας AlphaGenome αντιπροσωπεύει μια μετάβαση της βιολογίας σε έναν κλάδο της τεχνολογίας των πληροφοριών. Δεν είμαστε πλέον απλοί παρατηρητές της φύσης. Γινόμαστε διορθωτές. Ο άτλας προσδιορίζει συγκεκριμένες λογικές πύλες στα κύτταρά μας. Εάν η Είσοδος Α (μια συγκεκριμένη πρωτεΐνη) συναντήσει τη Λογική Πύλη Β (έναν διακόπτη DNA), τότε συμβαίνει η Έξοδος Γ (μια βιολογική λειτουργία).

Χαρτογραφώντας δύο δισεκατομμύρια από αυτές τις πιθανές αλληλεπιδράσεις σε εκατοντάδες διαφορετικούς τύπους κυττάρων, η DeepMind δημιούργησε μια αναζητήσιμη βάση δεδομένων της ανθρώπινης ζωής. Αυτό δεν είναι απλώς ένα επιστημονικό επίτευγμα. Είναι ένα βελτιστοποιημένο βιομηχανικό εργαλείο. Επιτρέπει στους ερευνητές να προσομοιώνουν πειράματα σε έναν υπολογιστή πριν αγγίξουν ποτέ ένα τρυβλίο Petri. Αυτή η ψηφιακή προσέγγιση στη βιολογία είναι ο τρόπος με τον οποίο θα αντιμετωπίσουμε τελικά πολύπλοκα συστημικά ζητήματα όπως η γήρανση και ο νευροεκφυλισμός.

Πρακτική προνοητικότητα για τη γενετική εποχή

Η άφιξη του Άτλαντα AlphaGenome υποδηλώνει ότι τα βιολογικά σας δεδομένα θα είναι σύντομα εξίσου σημαντικά με τα οικονομικά σας δεδομένα. Καθώς αυτοί οι χάρτες γίνονται πιο ακριβείς, η πίεση να μοιραστείτε το γενετικό σας προφίλ με ασφαλιστές ή εργοδότες θα μεγαλώνει. Θα πρέπει να παρατηρείτε τις ψηφιακές σας συνήθειες και να σκεφτείτε πόσες βιολογικές πληροφορίες είστε διατεθειμένοι να ανταλλάξετε για την υπόσχεση της εξατομικευμένης υγείας.

Τελικά, το πιο σημαντικό συμπέρασμα είναι ότι το DNA σας δεν είναι ένα στατικό σχέδιο της μοίρας σας. Είναι ένα δυναμικό, μεταβαλλόμενο σύστημα διακοπτών και σημάτων που ανταποκρίνεται στον κόσμο γύρω σας. Ο Άτλας AlphaGenome είναι απλώς το πρώτο εργαλείο που είναι αρκετά ισχυρό για να διαβάσει τα «ψιλά γράμματα» αυτού του συστήματος. Αυτός ο χάρτης αποδεικνύει ότι η πολυπλοκότητα του ανθρώπινου σώματος είναι διαχειρίσιμη, αρκεί να έχουμε το σωστό λογισμικό για να την ερμηνεύσουμε.

Πηγές: Google DeepMind Research Blog, The Francis Crick Institute Technical Reports, Nature Genetics Journals.