Исследователи из Стэнфордского университета совершили прорыв. При поддержке партнеров из Тайваня, а также команд Google Research и Google DeepMind они создали ИИ-пайплайн для генетических открытий. И это действительно работает.
«Мы продемонстрировали, что большие языковые модели (LLM) могут способствовать генетическим открытиям на мышах… и генерировать генетические диагнозы… у людей», — отмечает Гэри Пельц.
Гэри Пельц — профессор анестезиологии в Стэнфорде, возглавлявший это исследование. Почему это важно? Около 350 миллионов человек живут с редкими генетическими заболеваниями. Если мы сможем точно определить ответственные гены, лечение станет доступным гораздо быстрее.
Проблема генетического «шума»
Рассмотрим геном. Это набор инструкций ДНК для создания РНК и белков. Четыре нуклеотидных пары. Порядок имеет значение. Но этот порядок меняется. Каждый человек несет тысячи изменений в последовательности ДНК, известных как «варианты неизвестного значения».
Вызывают ли эти варианты болезни? Мы не знаем.
Потеря слуха наглядно иллюстрирует эту неопределенность. Ей страдают одна треть взрослых старше 61 года. После 85 лет этот показатель достигает 80 процентов. Половина этих случаев имеет генетическую природу. Однако редко бывает понятно, какие именно участки генома виноваты. Пельц отмечает, что время уходит. Восстановительная терапия для других генетических состояний уже близка к внедрению. Идентификация генов, ответственных за потерю слуха, внезапно становится срочной задачей.
Почему старые методы неэффективны
Ученые обычно проводят полногеномный поиск ассоциаций (GWAS). Они ищут статистические связи между генотипом и признаком.
В чем подвох? GWAS находит реальные причины, но также помечает ложноположительные результаты. Их очень много. Чтобы по-настоящему понять природу заболевания, нужно отделять зерна от плевел. Текущие методы делают это вручную. Они требуют огромных затрат. Они тратят время. Для анализа данных нужна дорогостоящая экспертиза клинического генетика.
ИИ меняет эту уравнение. Быстрее. Дешевле. Точнее? Пельц так считает. Он утверждает, что геномный анализ с помощью ИИ может улучшить здравоохранение для миллиардов людей.
Med-PaLM встречается с Gemini
Команда создала конвейеры для сортировки кандидатов на гены-мишени. Они использовали две разные большие языковые модели. Med-PaLM 2 специализируется на медицинских знаниях. Gemini 2.5 Pro справляется со сложным логическим выводом, но не имеет специализированной медицинской дообучки.
Сначала Med-PaLM 2 проанализировал гены мышей из данных GWAS. Он правильно определил известные причинные гены. Затем он обнаружил нечто новое: генетический фактор спонтанной потери слуха у мышей. Позднее лабораторные эксперименты подтвердили это открытие.
Затем пришли испытания на людях. Используя Gemini 2.5 Pro, команда работала с двумя группами. Двадцать пациентов с потерей слуха. Шестеро с редкими генетическими синдромами.
«Пайплайн… требовал [от модели] обосновывать свой рейтинг с цитированием доказательств», — Тао Ту, Google DeepMind.
Тао Ту — научный сотрудник DeepMind и соавтор исследования. Модель проверяла гены пациентов по медицинской литературе. Она сопоставляла симптомы. Затем ранжировала вероятные причины. Ее результаты соревновались впритык с диагнозами, поставленными реальными врачами: отоларингологом и клиническим генетиком.
Gemini выиграл, не имея предварительной медицинской подготовки. Он точно определил случаи потери слуха. Случаи с редкими заболеваниями были сложнее. Повсюду присутствовали сложные симптомы. Команда настроила пайплайн, чтобы учесть эту «грязь» данных. Gemini все же нашел причинные варианты. Он помог диагностировать редкие заболевания.
Исследование было опубликовано в журнале Advanced Science. Авторы утверждают, что ИИ может эффективно указывать генетические корни подозрительных заболеваний у сотен миллионов людей по всему миру.
Агенты и будущее геномов
Что дальше? Исследователи планируют интегрировать эти пайплайны в фреймворки автономных ИИ-агентов. Представьте себе плагины для данных о белках или мутациях. Система становится более способной.
У Пельца большие мечты. Модель, читающая электронные медицинские карты. Анализирующая геном. Полностью автоматизированная. Он видит радикальный сдвиг. Эти новые модели рассуждения генерируют гипотезы. Они стимулируют открытия. Они ускоряют поиск методов лечения.
Значит ли это, что нам нужно избавляться от врачей?
Ни в коем случае. Люди должны интерпретировать результаты ИИ. Генетики и клинические врачи остаются в центре процесса.
Существует еще один пробел. Наш анализ игнорирует большую часть генома. Только два процента ДНК кодируют мРНК или белки. Мы анализируем эту часть. Мы упускаем остальные девяносто восемь процентов. Генетические изменения происходят и там. Мы просто пока плохо их понимаем.
Пельц указывает на AlphaGenome как на потенциальное решение. Эта модель глубокого обучения может интерпретировать вариации в этих игнорируемых 98%. Она может раскрыть скрытую информацию.
Если ИИ продолжит развиваться, генетика изменится от лечения к профилактике. Индивидуальные планы, основанные на вашем генетическом коде. Звучит радикально.
Пельц видит грядущий сдвиг. От исправления болезней к их полной профилактике.
