İçindekiler
Google DeepMind, DNA dizilerinin hücre tipine göre nasıl okunduğunu tahmin eden yeni modeli AlphaGenome 2'yi duyurdu. Şirketin 11 Kasım 2026 tarihli blog yazısına göre model, tek hücre biyolojisi ile insan genetiği arasındaki boşluğu kapatmayı hedefliyor. Aynı DNA dizisi kalp kası hücresinde ve bağışıklık hücresinde farklı genleri açıp kapatıyor; AlphaGenome 2 bu farkı doku ortalamaları yerine tek tek hücre tipleri ve hücre durumları üzerinden modellemeye çalışıyor.
AlphaGenome 2 nedir?
AlphaGenome 2, bir milyon harflik DNA dizisini ve hedef biyolojik koşulu birlikte girdi alan koşullu (conditional) bir model. İlk AlphaGenome sürümü, binlerce deneyin çıktısını çok sayıda doku için aynı anda tahmin ediyordu. Bu paralel yaklaşım verimliydi ama modelin kapasitesini ince biyolojik farklara odaklamayı zorlaştırıyordu.
Yeni sürümde DeepMind, mimariyi tersine çevirdi: model artık tek seferde tek bir koşul için tahmin üretiyor. Koşul, bir doku, bir hücre tipi ya da bir hücre durumu olabiliyor. Koşul bilgisi mimarinin her aşamasına verildiği için model, aynı DNA parçasının farklı hücrelerde neden farklı okunduğunu öğrenebiliyor.
Eğitim verisi ve teknik ayrıntılar
Model, insan ve fare örneklerinden gelen toplu (bulk) ve tek hücre verileriyle eğitildi. DeepMind'ın verdiği rakam, 107 milyondan fazla tek hücre profili ve 68 doku. Model ayrıca gen ifadesi, histon modifikasyonları ve kromatin erişilebilirliğinin yanında DNA metilasyonunu da tahmin edebiliyor — bu, araştırmacıların en çok talep ettiği çıktılardan biriydi.
Koşullu yapının pratik bir yan faydası da var: model, ölçülmemiş verileri tahmin edebiliyor. Bir bilim insanı yalnızca tek hücre gen aktivitesini girdi olarak verdiğinde, AlphaGenome 2 kromatin erişilebilirliği gibi ölçülmemiş özellikleri de öngörebiliyor. Bu, hangi deneyin önce yapılması gerektiğine karar vermeyi kolaylaştırıyor.
Sayılarla performans
DeepMind'ın paylaştığı sonuçlar, iyileşmenin ölçülebilir olduğunu gösteriyor:
- Model, hücrelerde gen ifadesini değiştiren varyantların neredeyse iki katını tespit ediyor (önceki en iyi modele kıyasla).
- 28 birincil bağışıklık hücresi tipini kapsayan TenK10K veri kümesinde nedensel varyant yakalama oranı %16'dan %30'a çıktı.
- Aynı veri kümesinde yönlü gen etkisi tespiti %23'ten %43'e yükseldi.
Bu fark, özellikle hastalıkla ilişkili hücrelerde görülen zayıf sinyalleri yakalamak açısından önemli. Doku ortalamasına bakan modeller, yalnızca tek bir hücre tipinde etkili olan varyantları sıklıkla kaçırıyor.
Hastalıkla ilgili varyantı bulmak
DeepMind, modelin bağımsız bir bulguyu yeniden ürettiğini de gösterdi. Daha önce yayımlanan bir çalışma, bağırsak iltihabı hastalığında (IBD) uzaktaki bir düzenleyici bölgedeki varyantın, bağırsak makrofajlarında ETS2 genini aşırı çalıştırdığını ortaya koymuştu. AlphaGenome 2, bağırsaktaki farklı bağışıklık hücrelerini modelleyerek aynı varyantı işaretledi ve etkinin seçici olarak makrofajlarda görüldüğünü, diğer hücre tiplerinin büyük ölçüde etkilenmediğini gösterdi.
Modelin bir başka pratik katkısı: yeni profillenmiş hücre durumlarına yeniden eğitim gerektirmeden uyum sağlayabilmesi. Cambridge Üniversitesi'nden Profesör Sarah Teichmann, modelin küçük bir hücre örneğinden yeni hücre durumları için tahmin üretebilmesini öne çıkarıyor.
Erişim ve kullanım koşulları
AlphaGenome 2, ticari olmayan araştırmalar için AlphaGenome API üzerinden bugün itibarıyla erişilebilir durumda. Ticari araştırmalar için özel önizleme (private preview) açık. DeepMind ayrıca yakında AlphaGenome 2 Skills'i, ajan tabanlı geliştirme platformu Google Antigravity içinde yayınlayacağını duyurdu.
Önemli bir uyarı: AlphaGenome ve AlphaGenome 2 yalnızca araştırma kullanımı için tasarlandı; klinik veya tanısal amaçlarla doğrulanmadı ve onaylanmadı. Yani çıktılar bir hekim kararının yerine geçmiyor, araştırma önceliklendirmesi için kullanılıyor.
Neden önemli?
İnsan genetiği, ilaç keşfinin en güçlü araçlarından biri. GWAS çalışmaları hastalıkla ilişkili bölgeleri işaret ediyor, ancak bir istatistiksel ilişkiden ilaç programının ihtiyaç duyduğu hedefe geçmek zor. DNA dizisi tahmin modelleri tam bu boşlukta devreye giriyor. Genomics Limited CEO'su Peter Donnelly, AlphaGenome 2'yi bu geçişi kolaylaştıran "etkileyici bir ilerleme" olarak nitelendiriyor.
Türkiye'deki araştırma grupları ve biyoinformatik ekipleri açısından pratik anlamı şu: model bulut API'si üzerinden erişilebilir olduğu için yerel GPU yatırımı yapmadan varyant önceliklendirme denemeleri mümkün. Yine de her tahminin deneysel doğrulama gerektirdiği unutulmamalı.
Sonuç
AlphaGenome 2, DNA varyantlarının etkisini doku ortalamasından hücre tipi düzeyine indiren bir adım. Yaklaşık iki kat daha fazla işlevsel varyant yakalama iddiası, nadir hastalık araştırmaları ve karmaşık özelliklerin genetiği için anlamlı. Ancak bu bir araştırma aracı; klinik karar desteği olarak konumlandırılmıyor ve DeepMind da bunu açıkça belirtiyor.