เมื่อคำตอบขึ้นอยู่กับชนิดและสถานะของเซลล์
AlphaGenome 2 คือโมเดล AI วิเคราะห์จีโนมที่ประเมินว่าแปรผันทางพันธุกรรมในลำดับดีเอ็นเออาจเปลี่ยนการควบคุมการแสดงออกของยีนอย่างไร โดยพิจารณาชนิดและสถานะของเซลล์ที่กำหนด แทนการมองกิจกรรมระดับโมเลกุลเป็นค่าเฉลี่ยของเนื้อเยื่อทั้งชิ้น Google DeepMind เปิดตัวโมเดลนี้เมื่อวันที่ 11 พฤศจิกายน 2026 ประเด็นสำคัญไม่ใช่เพียงการอ่านลำดับดีเอ็นเอได้มากขึ้น แต่คือการถามว่าลำดับเดียวกันทำงานต่างกันอย่างไรในเซลล์คนละชนิดหรือคนละภาวะ เซลล์ในร่างกายมีดีเอ็นเอเหมือนกัน แต่เปิดใช้ยีนไม่เหมือนกัน และแปรผันบางตำแหน่งอาจส่งผลเฉพาะเซลล์หายากหรือเซลล์ที่ถูกกระตุ้นจากโรค เมื่อวิเคราะห์เนื้อเยื่อรวม สัญญาณเช่นนี้อาจถูกกลบด้วยค่าเฉลี่ย AlphaGenome 2 จึงกำหนดเงื่อนไขการทำนายตามเนื้อเยื่อ ชนิดเซลล์ หรือสถานะของเซลล์ เพื่อให้การเชื่อมโยงระหว่างแปรผันกับการแสดงออกของยีนมีบริบทมากกว่าเดิม
ข้อมูลและผลทดสอบชี้ความก้าวหน้า แต่ไม่ใช่คำตอบครบถ้วน
โมเดลฝึกด้วยข้อมูลจากมนุษย์และหนู ครอบคลุม 68 เนื้อเยื่อ และข้อมูลเซลล์เดี่ยวมากกว่า 107 ล้านรายการ ขนาดชุดข้อมูลสำคัญก็จริง แต่จุดที่ควรจับตาคือผลประเมินในกลุ่มเซลล์ภูมิคุ้มกัน TenK10K ซึ่งครอบคลุม 28 ชนิดเซลล์ เมื่อกำหนดความแม่นยำเชิงบวกไว้ที่ 90% รุ่นใหม่พบแปรผันที่มีผลต่อการแสดงออกของยีนได้ 30% เทียบกับ 16% ในรุ่นก่อน อีกการประเมินหนึ่งพบว่า ในบริเวณจีโนมที่ไม่ได้ใช้ฝึก โมเดลอธิบายความแตกต่างของการแสดงออกของยีนจำเพาะต่อชนิดเซลล์ภายในเนื้อเยื่อเดียวกันได้ค่ามัธยฐาน 34% เทียบกับ 23% สำหรับรุ่นก่อนที่ปรับด้วยข้อมูลเซลล์เดี่ยว ตัวเลขเหล่านี้สนับสนุนว่าโมเดลแยกสัญญาณระหว่างเซลล์ได้ดีขึ้น ไม่ได้หมายความว่าทำนายผลของแปรผันได้ครบทุกกรณีหรือพิสูจน์เหตุและผลแล้ว
จากเบาะแสโรคสู่การทดลองที่ควรทำต่อ
ประโยชน์ที่น่าเชื่อถือที่สุดของ AlphaGenome 2 คือช่วยจัดลำดับสมมติฐานให้นักวิจัย จากความเชื่อมโยงระหว่างโรคกับตำแหน่งดีเอ็นเอ ไปสู่แปรผันที่อาจเกี่ยวข้อง ยีนเป้าหมาย และชนิดหรือสถานะของเซลล์ที่ควรตรวจต่อ ในกรณีโรคลำไส้อักเสบ โมเดลคาดว่าแปรผันตำแหน่งหนึ่งอาจเพิ่มการแสดงออกของยีน ETS2 ในโมโนไซต์และแมคโครฟาจของลำไส้ โดยมีผลต่อเซลล์ชนิดอื่นน้อยกว่า ซึ่งสอดคล้องกับกลไกที่งานทดลองก่อนหน้าเคยรายงาน โมเดลยังรับข้อมูลการแสดงออกของยีนจากการทดลองเซลล์เดี่ยวชุดใหม่ เพื่อสร้างเงื่อนไขทำนายสถานะที่ไม่เคยพบในการฝึกโดยไม่ต้องฝึกโมเดลซ้ำ และอาจคาดการณ์ข้อมูลที่ยังไม่ได้วัด เช่น การเข้าถึงโครมาติน อย่างไรก็ดี การทำนายแต่ละเงื่อนไขแยกกันใช้ทรัพยากรประมวลผลมากขึ้น ขณะที่ภาวะเซลล์บางแบบและกลุ่มย่อยของเซลล์ประสาทที่จำแนกละเอียดก็ยังเป็นข้อจำกัด
เครื่องมือวิจัย ไม่ใช่การวินิจฉัย
AlphaGenome 2 เปิดผ่าน API สำหรับงานวิจัยที่ไม่ใช่เชิงพาณิชย์ ส่วนการใช้งานวิจัยเชิงพาณิชย์ยังอยู่ในรูปแบบพรีวิวส่วนตัว และมีแผนพัฒนาเครื่องมือเสริมสำหรับแพลตฟอร์ม Google Antigravity แต่การเข้าถึงที่สะดวกไม่ได้เปลี่ยนสถานะของผลลัพธ์ให้เป็นหลักฐานทางคลินิก โมเดลอาจพลาดผลที่เกิดผ่านกลไกนอกขอบเขตข้อมูลที่เข้าถึงได้หรือผ่านกระบวนการหลังการถอดรหัส และข้อมูลภาวะชั่วคราว ภาวะถูกกระตุ้น หรือภาวะโรคยังมีจำกัด ที่สำคัญ โปรไฟล์เซลล์จากการสังเกตสะท้อนความสัมพันธ์ ไม่ได้ยืนยันว่าแปรผันเป็นสาเหตุ DeepMind ระบุว่าโมเดลยังจำกัดไว้สำหรับการวิจัย และยังไม่ได้ผ่านการตรวจสอบหรืออนุมัติให้ใช้ทางคลินิกหรือวินิจฉัย ดังนั้นผลทำนายควรเป็นจุดเริ่มต้นของการทดลองยืนยัน ไม่ใช่คำตัดสินเรื่องโรค การรักษา หรือความเสี่ยงของบุคคล






