DeepMind AlphaGenome: 'අඳුරු' DNA වල සැඟවුණු රහස් එළියට
Google DeepMind විසින් "AlphaGenome" එළිදක්වයි. අපගේ DNA වලින් 98% ක් වන "dark genome" කොටස විශ්ලේෂණය කරමින් රෝග පාලනය කරන ආකාරය මෙය සොයා බලයි.
DeepMind AlphaGenome: 'අඳුරු' DNA වල සැඟවුණු රහස් එළියට
ලන්ඩන් නුවර කේන්ද්ර කරගත් Google DeepMind ආයතනය විසින් "AlphaGenome" නම් විප්ලවීය AI මාදිලිය Nature සඟරාව හරහා නිල වශයෙන් එළිදක්වා තිබෙනවා. මෙතෙක් කල් විද්යාඥයින්ට විසඳාගත නොහැකි ගැටලුවක්ව පැවති, අපගේ DNA වලින් 98% ක් පමණ වන "dark genome" කොටස මගින් රෝග පාලනය කරන ආකාරය පුරෝකථනය කිරීමට මෙම තාක්ෂණයට හැකියාව ලැබී තිබීම විශේෂත්වයක්.
දශක ගණනාවක් පුරා ජාන වෛද්ය විද්යාව (Genomic medicine) මූලික වශයෙන් අවධානය යොමු කළේ ප්රෝටීන නිපදවන 2% ක් වූ DNA කොටස් වෙතයි. ඉතිරි 98% අතීතයේදී "junk DNA" හෙවත් අනවශ්ය කොටස් ලෙස බැහැර කෙරුණත්, ඇත්තෙන්ම ජාන ක්රියාත්මක කරන සහ අක්රිය කරන තීරණාත්මක "switches" පවතින්නේ මෙම කොටසේ බව දැන් තහවුරු වී තිබෙනවා. AlphaGenome හරහා මෙම ජාන පාලනය සිදුවන ආකාරය ඉතා නිවැරදිව සහ වේගවත්ව හඳුනා ගැනීමට දැන් අවස්ථාව උදා වී තිබෙනවා.
ක්රියාත්මක වන ආකාරය: ස්වභාවධර්මයේ 'ව්යාකරණ' ඉගෙන ගැනීම
නොබෙල් ත්යාගය දිනාගත් AlphaFold මගින් ප්රෝටීන වල 3D හැඩය පුරෝකථනය කළා වගේම, AlphaGenome මගින් DNA වල හැසිරීම පුරෝකථනය කරනවා.
- ආදානය (The Input): මෙහිදී අකුරු මිලියනයක් දක්වා වූ දැවැන්ත DNA කොටස් ආදානයක් ලෙස ලබාගන්නා අතර, Large Language Models (LLMs) වලට සමාන ට්රාන්ස්ෆෝමර් තාක්ෂණයක් භාවිතා කරමින් ජීව විද්යාත්මක ක්රියාවලීන්හි "ව්යාකරණ" මෙය විසින් ඉගෙන ගනු ලබනවා.
- ප්රතිදානය (The Output): ප්රෝටීන නොවන DNA කලාපවල සිදුවන කුඩා විකෘතිතා (mutations) මගින් ජාන ප්රකාශනය වෙනස් වන ආකාරය මෙය පුරෝකථනය කරනවා.
දියවැඩියාව, හෘද රෝග සහ ස්වයං ප්රතිශක්තිකරණ (autoimmune) වැනි සංකීර්ණ රෝග වලට මූලික හේතුව ජානයක දෝෂයක් නොව, එය පාලනය කරන "switch" එකේ දෝෂයක් බව හඳුනාගන්න මේ නිසා හැකිවෙනවා.
එක්සත් රාජධානියට සහ වෘත්තිකයින්ට බලපාන අයුරු
මෙම එළිදැක්වීම තාක්ෂණය සහ ජීව විද්යාව ඒකාබද්ධ වූ "TechBio" ක්ෂේත්රයේ එක්සත් රාජධානියේ ආධිපත්යය තවදුරටත් තහවුරු කිරීමක් ලෙස හඳුන්වන්න පුළුවන්. DeepMind මූලස්ථානය ලන්ඩන් හි පිහිටා තිබීමත් සමඟ, එංගලන්තයේ ආර්ථිකය තුළ "Golden Triangle" (ලන්ඩන්, ඔක්ස්ෆර්ඩ්, කේම්බ්රිජ්) කලාපයට ලැබෙන ආයෝජන ඉහළ යනු ඇති අතර, 2026 වසරේදී සාම්ප්රදායික මෘදුකාංග සමාගම් (SaaS) වෙනුවට AI පාදක කරගත් ඖෂධ නිෂ්පාදන සමාගම් වෙත ආයෝජකයින්ගේ අවධානය යොමු වනු ඇතැයි අපේක්ෂා කෙරෙනවා.
රැකියා වෙළඳපොළේ වෙනසක් සෞඛ්ය පර්යේෂණ ක්ෂේත්රයේ, විශේෂයෙන් NHS හි සහ පුද්ගලික ඖෂධ සමාගම්වල පර්යේෂණ අංශවල සේවය කරන අයට මෙය තීරණාත්මක කාල පරිච්ඡේදයක්.
- අවදානම: සාම්ප්රදායික "wet lab" හෙවත් අතින් සිදුකරන පරීක්ෂණ ක්රම සම්පූර්ණයෙන්ම නැති නොවූවත්, AI හරහා සිදුකරන අනුකරණයන් (Simulations) නිසා එවැනි රැකියා සඳහා ඇති ඉල්ලුම සහ වැටුප් වර්ධනය මන්දගාමී විය හැකියි.
- අවස්ථාව: ඒ වෙනුවට Bioinformatics සහ Computational Biology පිළිබඳ දැනුම ඇති අයට ඉහළ ඉල්ලුමක් නිර්මාණය වෙමින් පවතිනවා. අනාගතයේදී පයිපෙට්ටුවක් (Pipette) භාවිතා කරනවා වගේම AlphaGenome වැනි මොඩල්ස් මෙහෙයවීමේ හැකියාවත් අත්යවශ්ය කුසලතාවක් බවට පත්වේවි.
දත්ත පක්ෂපාතීත්වය: නොසලකා හැරිය නොහැකි ගැටලුවක්
තාක්ෂණය කෙතරම් දියුණු වුවත්, මෙහි බරපතල ගැටලුවක් ද පවතිනවා. AI මොඩලයක් සාර්ථක වන්නේ එය පුහුණු කිරීමට යොදාගන්නා දත්ත (Training data) මතයි. ඓතිහාසිකව ගත් කල, ලෝකයේ පවතින ජෙනොමික දත්ත ගබඩා බොහොමයක් යුරෝපීය ජාතිකයින්ගේ දත්තවලින් පිරී පවතින්නක්.
AlphaGenome ප්රධාන වශයෙන් යුරෝපීය DNA මත පුහුණු කර ඇත්නම්, ශ්රී ලාංකික හෝ වෙනත් ආසියානු සම්භවයක් ඇති අයගේ රෝග විනිශ්චය කිරීමේදී එහි නිරවද්යතාවය අඩු විය හැකියි. මෙය "Reference Genome Bias" ලෙස හැඳින්වෙන අතර, අනාගතයේදී යුරෝපීය ජාන ඇති අයට පමණක් සාර්ථක වන ඖෂධ නිපදවීමේ අවදානමක් මේ හරහා මතු විය හැකියි. මෙම මූලික වාර්තාව තුළ පුහුණු දත්තවල ජනවාර්ගික විවිධත්වය ගැන පැහැදිලි සඳහනක් නොමැති වීම සැලකිල්ලට ගත යුතු කරුණක්.
ඉදිරි කාලරාමුව
කෙසේ වෙතත්, මෙම තාක්ෂණය හරහා ලබන සතියේ පිළිකාවට ප්රතිකාරයක් ලැබෙයි කියා බලාපොරොත්තු විය නොහැකියි.
- 2026-2027 (පර්යේෂණ අදියර): AlphaGenome යොදාගෙන රෝග කාරක ඉලක්ක තහවුරු කරගැනීම සිදුවනු ඇති.
- 2028-2030 (පූර්ව සායනික සංවර්ධනය): AstraZeneca හෝ GSK වැනි ඖෂධ සමාගම් නව ඖෂධ නිර්මාණය (Drug design) අරඹනු ඇති.
- 2031 න් පසු: සායනික පරීක්ෂණ (Clinical Trials) ආරම්භ වනු ඇත.
මෙය ජීව විද්යාව හුදු නිරීක්ෂණ විද්යාවක් (Descriptive science) ලෙස පැවති තැන සිට, අනාවැකි පළ කළ හැකි ඉංජිනේරු විනයක් (Predictive engineering) දක්වා පරිවර්තනය වීමක් ලෙස හැඳින්විය හැකියි. 1990 දශකයේදී Simulation මෘදුකාංග නිසා ගුවන් යානා ඉංජිනේරු ක්ෂේත්රය වෙනස් වුණා වගේම, අනාගතයේදී ජීව විද්යාත්මක පරීක්ෂණ සඳහා යන වියදම සහ කාලය මෙමගින් විශාල ලෙස අඩු කරනු ඇති.
මූලාශ්රය (Source): https://deepmind.google/blog/alphagenome-ai-for-better-understanding-the-genome/