Google DeepMind releases AlphaGenome 2 for cell-type-specific variant prediction
Nội dung này chưa có bằng ngôn ngữ của bạn; đang hiển thị bằng English.
Bắt đầu từ đây
Google DeepMind has released AlphaGenome 2, a DNA sequence model that predicts how genetic variants affect specific human cell types and states rather than tissue-wide averages. DeepMind says the model, trained on more than 107 million individual cell profiles across 68 tissues, identifies nearly twice as many expression-changing variants as the previous state-of-the-art model. On the TenK10K immune cell dataset, it recovered 30% of causal variants versus 16% for the original AlphaGenome fine-tuned on single-cell data; MarkTechPost reports direction-of-effect recall rose from 23% to 43%. It can also predict for new cell types and states without retraining. AlphaGenome 2 is available for non-commercial research through the AlphaGenome API, with a limited private preview for commercial research. DeepMind's Žiga Avsec said the finer predictions are more computationally expensive, so AlphaGenome 2 will not replace the original AlphaGenome soon. DeepMind says both models are for research use only and have not been validated or approved for clinical or diagnostic purposes.
Tạo từ các bài viết · cập nhật 12 giờ trước
Dòng thời gian bài viết
Theo các bài viết để thấy sự việc từ nhiều phía.
- The DecoderGoogle DeepMind phát hành AlphaGenome 2, chuyển dịch AI genomics từ mô hàng loạt sang độ phân giải từng loại tế bào
Google DeepMind đã phát hành AlphaGenome 2, một mô hình genomics dự đoán cách các biến thể DNA ảnh hưởng đến từng loại tế bào người cụ thể và tìm ra số thay đổi gen liên quan gần gấp đôi so với phiên bản tiền nhiệm. Được huấn luyện trên hơn 107 triệu hồ sơ tế bào riêng lẻ từ 68 mô ở người và chuột, mô hình lấy trạng thái sinh học của tế bào làm đầu vào bổ sung thay vì dự đoán rộng khắp nhiều mô cùng lúc.
- MarkTechPostGoogle DeepMind phát hành AlphaGenome 2 cho dự đoán hiệu ứng biến thể theo loại tế bào
Google DeepMind đã phát hành AlphaGenome 2, một mô hình DNA từ chuỗi sang chức năng có điều kiện, đọc cửa sổ DNA 1 Mb cùng trạng thái tế bào đích và dự đoán hiệu ứng biến thể cho một loại tế bào mỗi lần gọi. Trên TenK10K single-cell eQTLs thuộc 28 loại tế bào miễn dịch, độ thu hồi biến thể nhân quả ở độ chính xác 90% tăng từ 16% với AlphaGenome 1 được tinh chỉnh lên 30%, và độ thu hồi chiều tác động tăng từ 23% lên 43%. Mô hình có sẵn qua AlphaGenome API cho nghiên cứu phi thương mại, với trọng số được hứa cung cấp khi công bố cuối cùng và sử dụng thương mại trong bản xem trước riêng tư.
- Google DeepMindTuyển chọnDeepMind phát hành AlphaGenome 2, mô hình DNA dự đoán tác động của biến thể trong từng loại tế bào cụ thể
Google DeepMind công bố AlphaGenome 2, mô hình chuỗi DNA thế hệ mới dự đoán cách các chuỗi DNA và biến thể của chúng ảnh hưởng đến các loại tế bào người cụ thể. Được huấn luyện trên hơn 107 triệu hồ sơ tế bào riêng lẻ thuộc 68 mô, mô hình có điều kiện này xác định được gần gấp đôi số biến thể làm thay đổi biểu hiện so với mô hình trước đó, và trên bộ dữ liệu tế bào miễn dịch TenK10K, nó thu hồi được 30% biến thể nhân quả so với 16% của AlphaGenome gốc được tinh chỉnh trên dữ liệu đơn bào. Mô hình có sẵn cho nghiên cứu phi thương mại qua AlphaGenome API và ở chế độ xem trước riêng tư cho nghiên cứu thương mại.
- The Verge · AIGoogle DeepMind ra mắt AlphaGenome 2, mô hình AI di truyền dự đoán tác động của biến thể theo loại tế bào
Google DeepMind đã công bố AlphaGenome 2, phiên bản kế nhiệm của AlphaGenome năm ngoái, dự đoán cách các biến thể di truyền ảnh hưởng đến từng loại và trạng thái tế bào thay vì tính trung bình trên toàn mô. Được huấn luyện trên hơn 100 triệu hồ sơ tế bào riêng lẻ thuộc 68 mô, mô hình này xác định được gần gấp đôi số biến thể có thể thay đổi biểu hiện gen so với mô hình tiên tiến nhất trước đó, và có thể đưa ra dự đoán về các loại tế bào và trạng thái sinh học mới mà không cần huấn luyện lại. Google cung cấp mô hình này cho nghiên cứu phi thương mại qua AlphaGenome API từ hôm nay, với bản xem trước riêng giới hạn cho mục đích thương mại; Žiga Avsec của DeepMind cho biết các dự đoán chi tiết hơn của mô hình tốn nhiều tài nguyên tính toán hơn, nên nó sẽ không sớm thay thế AlphaGenome.
Độ nóng của sự việc này
Chưa đủ quan sát liên tục để vẽ xu hướng.