Команда Цукерберга выпустила ИИ-модель, которая думает как живая клетка
Chan Zuckerberg Initiative (CZI) представили GREmLN — опен сорс модель ИИ, которая анализирует гены не как статистические данные, а как живую биологическую систему. GREmLN — часть большого проекта по созданию виртуальной модели клетки. Цель: от описания болезней перейти к их предсказанию и предотвращению на клеточном уровне. Другие проекты CZI мы описали здесь.
Обычные модели машинного обучения находят корреляции между генной активностью и болезнями, но не могут ответить на главный вопрос: какой именно ген запустил болезнь? Они видят следствия, но не причины.
GREmLN встраивает знания о генных регуляторных сетях прямо в свою архитектуру. Вместо анализа всех возможных комбинаций генов, она фокусируется только на тех взаимодействиях, которые реально происходят в клетках.
Результат: GREmLN может отследить цепочку от симптома к первопричине — найти конкретную мутацию, которая запустила каскад изменений.
Практическое значение этой модели:
Онкология: определить, какая именно мутация привела к раку
Иммунотерапия: понять, как перенастроить иммунные клетки для атаки на опухоль
Разработка лекарств: найти ключевые гены-регуляторы для точечного воздействия
Модель уже обучена на 11 миллионах клеточных профилей и доступна исследователям.
Chan Zuckerberg Initiative (CZI) представили GREmLN — опен сорс модель ИИ, которая анализирует гены не как статистические данные, а как живую биологическую систему. GREmLN — часть большого проекта по созданию виртуальной модели клетки. Цель: от описания болезней перейти к их предсказанию и предотвращению на клеточном уровне. Другие проекты CZI мы описали здесь.
Обычные модели машинного обучения находят корреляции между генной активностью и болезнями, но не могут ответить на главный вопрос: какой именно ген запустил болезнь? Они видят следствия, но не причины.
GREmLN встраивает знания о генных регуляторных сетях прямо в свою архитектуру. Вместо анализа всех возможных комбинаций генов, она фокусируется только на тех взаимодействиях, которые реально происходят в клетках.
Результат: GREmLN может отследить цепочку от симптома к первопричине — найти конкретную мутацию, которая запустила каскад изменений.
Практическое значение этой модели:
Онкология: определить, какая именно мутация привела к раку
Иммунотерапия: понять, как перенастроить иммунные клетки для атаки на опухоль
Разработка лекарств: найти ключевые гены-регуляторы для точечного воздействия
Модель уже обучена на 11 миллионах клеточных профилей и доступна исследователям.