نشرت مجلة Nature البحث الخاص بنموذج AlphaGenome من Google DeepMind، وهو نموذج يقرأ مليون حرف من الحمض النووي دفعة واحدة، ويتنبأ بأثر التغيرات الصغيرة في التسلسل على طريقة تشغيل الجينات وإطفائها. وتذكر الورقة أن النموذج جاء مساويًا لأقوى الأدوات المنافسة أو متفوقًا عليها في 25 من أصل 26 مهمة للتنبؤ بأثر المتغيرات الجينية.
ماذا حدث
في 28 يناير نشرت Nature ورقة محكّمة بعنوان “Advancing regulatory variant effect prediction with AlphaGenome”. وكانت DeepMind قد عرضت النموذج أول مرة نسخةً أولية (preprint) في يونيو 2025، فالخبر هذا الأسبوع ليس إطلاقًا مفاجئًا، بل هو اللحظة التي أجاز فيها محكّمون مستقلون العمل وصارت الطريقة كاملة جزءًا من السجل العلمي.
وبحسب الورقة، يعالج النموذج “1 ميغاقاعدة من تسلسل الحمض النووي ويتنبأ بآلاف المسارات الجينومية الوظيفية بدقة تصل إلى زوج قاعدي واحد”. بعبارة أبسط: يدخل النموذجَ نحوُ مليون حرف من الحمض النووي، وتخرج منه آلاف الإشارات البيولوجية المتوقعة، وكل واحدة منها مفصّلة حتى مستوى الحرف الواحد.
قارن الباحثون AlphaGenome بنماذج منافسة في نوعين من الاختبارات. فتقدّم في 22 من أصل 24 تقييمًا لمسارات الجينوم، وجاء مساويًا لأفضل الأساليب الخارجية أو متفوقًا عليها في 25 من أصل 26 مهمة تسأل عمّا تفعله طفرة بعينها.
ولعرض النموذج على مشكلة حقيقية، درس الفريق متغيرات مرتبطة بالسرطان قرب جين يُسمى TAL1 في ابيضاض الدم من نوع الخلايا التائية (T-cell leukaemia).
كيف يعمل
الجينات، أي مقاطع الحمض النووي التي تحمل شيفرة البروتينات، ليست إلا جزءًا من القصة. أما بقية الجينوم، التي يسميها البعض “المادة المظلمة”، ففيها المفاتيح ومنظّمات الشدة التي تقرر متى يعمل كل جين وأين وبأي قوة. وتغيّر حرف واحد في أحد هذه المفاتيح قد يكون مؤثرًا مثل تغيّر داخل الجين نفسه، لكن تفسيره أصعب بكثير.
ولتقريب الصورة، تخيّل الجينوم نوتة موسيقية طويلة جدًا: الجينات هي النغمات، والمناطق التنظيمية هي علامات السرعة وشدة الصوت المكتوبة حولها. الخطأ في علامة الشدة لا يغيّر أي نغمة، لكنه قد يغيّر طريقة عزف المقطوعة كلها. وقد دُرّب AlphaGenome على قراءة هذه النوتة والتنبؤ بتغيّر العزف إذا عُدّلت إحدى تلك العلامات.
و”المسارات” في الورقة هي تنبؤات النموذج بإشارات كثيرة قابلة للقياس على طول الحمض النووي، مثل مستوى نشاط منطقة ما. وقراءة ميغاقاعدة كاملة مرة واحدة مهمة لأن المفتاح قد يقع بعيدًا عن الجين الذي يتحكم فيه، والنموذج ذو النافذة القصيرة قد يفوّت هذه الصلة تمامًا.
وعند دراسة متغير ما، يقارن النموذج في الواقع بين نسختين من التسلسل، الطبيعية والمتحوّرة، ثم يبيّن الفرق بين المسارات المتوقعة لكل منهما. هذا الفرق هو الأثر المتوقع للطفرة.
بالأرقام
| البند | الرقم | المصدر |
|---|---|---|
| طول الحمض النووي المقروء دفعة واحدة | 1 ميغاقاعدة، نحو مليون حرف | Nature |
| أدق مستوى للتنبؤ | زوج قاعدي واحد | Nature |
| تقييمات مسارات الجينوم التي تصدّرها | 22 من 24 | Nature |
| مهام أثر المتغيرات التي ساواها أو تفوق فيها | 25 من 26 | Nature |
| مثال المرض المدروس | ابيضاض الدم من الخلايا التائية، متغيرات قرب TAL1 | Nature |
| تاريخ النشر في Nature | 28 يناير 2026 | Nature |
لماذا يهم
تقع معظم المتغيرات الجينية المرتبطة بالأمراض خارج الجينات، أي في المناطق الأصعب قراءة تحديدًا. وحين يُحلَّل جينوم مريض، كثيرًا ما يجد الأطباء والباحثون تغيرات في هذه المناطق ولا يستطيعون الجزم إن كانت عديمة الضرر أم مهمة. والأداة التي تتنبأ بأثرها تمنح العلماء طريقة لترتيب المتغيرات التي تستحق فحصًا أدق في المختبر.
ما لفت انتباهي هو اتساع المقارنة. فالتفوق في اختبار واحد أمر مألوف في أوراق الذكاء الاصطناعي، أما التصدّر في 22 من 24 تقييمًا والبقاء في القمة أو قربها في 25 من 26 مهمة فيوحي بنموذج عام واحد، لا بمجموعة نماذج ضيقة.
ومن المهم الدقة في وصف ما هو عليه. AlphaGenome نموذج بحثي يقدّم تنبؤات، ولا يشخّص المرضى، ولا تقدّمه الورقة أداةً سريرية. ما يخرجه فرضية ما زالت تحتاج إلى التحقق بالتجارب.
وبرأيي، مثال TAL1 هو النوع الصحيح من العروض: منطقة معروفة الصلة بالسرطان يمكن مقارنة قراءة النموذج لها بما يعرفه علماء الأحياء أصلًا.
ما التالي
بعد أن صارت الورقة محكّمة، أصبحت الطريقة مفتوحة للتدقيق من مجتمع علم الجينوم الأوسع، والخطوة الطبيعية التالية أن تختبر مجموعات بحثية أخرى التنبؤات على بياناتها المخبرية. والمجالات التي يُتوقع أن تستفيد أولًا هي تشخيص الأمراض النادرة وأبحاث السرطان، حيث يمثّل تفسير المتغيرات خارج الجينات عقبة يومية. أما سرعة ذلك فتتوقف على مدى صمود التنبؤات في هذه الاختبارات المستقلة.
المصادر
- Nature، ورقة “Advancing regulatory variant effect prediction with AlphaGenome”، 28 يناير 2026، https://www.nature.com/articles/s41586-025-10014-0
- Google DeepMind، تدوينة تعريفية بنموذج AlphaGenome، يونيو 2025، https://deepmind.google/blog/alphagenome-ai-for-better-understanding-the-genome/
- Nature Asia، بيان صحفي عن ورقة AlphaGenome، يناير 2026، https://www.natureasia.com/en/info/press-releases/detail/9222