Google DeepMind ਮੁਤਾਬਕ ਉਸ ਦਾ AlphaGenome Atlas ਮਨੁੱਖੀ DNA ਵਿੱਚ ਸੰਭਵ ਹਰ ਇੱਕ-ਅੱਖਰ ਵਾਲੇ ਬਦਲਾਅ (9 ਅਰਬ) ਲਈ ਇੱਕ ਅੰਕ ਦਿੰਦਾ ਹੈ, ਤਾਂ ਜੋ ਖੋਜੀ ਫ਼ੈਸਲਾ ਕਰ ਸਕਣ ਕਿ ਕਿਹੜੇ ਵੇਰੀਐਂਟ ਪਹਿਲਾਂ ਪੜ੍ਹਨੇ ਹਨ। DeepMind ਨੇ AlphaGenome 2 ਵੀ ਜਾਰੀ ਕੀਤਾ ਹੈ, ਜੋ ਵੱਖ-ਵੱਖ ਸੈੱਲ ਕਿਸਮਾਂ ਵਿੱਚ ਅਸਰ ਦਾ ਅੰਦਾਜ਼ਾ ਲਾਉਂਦਾ ਹੈ, ਅਤੇ ਦੋਵਾਂ ਨੂੰ ਖੋਜ ਦੇ ਸਹਾਇਕ ਦੱਸਦਾ ਹੈ, ਕਲੀਨਿਕਲ ਸੰਦ ਨਹੀਂ।
ਖੋਜ ਵਿਗਿਆਨੀ Žiga Avsec ਨੇ 17 ਨਵੰਬਰ 2026 ਨੂੰ Google ਦੀ Ask a Scientist ਲੜੀ ਵਿੱਚ ਇਹ ਕੰਮ ਸਮਝਾਇਆ। DeepMind ਦੀ 11 ਨਵੰਬਰ 2026 ਵਾਲੀ AlphaGenome 2 ਪੋਸਟ ਵਿੱਚ ਤਕਨੀਕੀ ਵੇਰਵੇ ਹਨ।
AlphaGenome Atlas ਕੀ ਹੈ?
ਮਨੁੱਖੀ ਜੀਨੋਮ ਵਿੱਚ 3 ਅਰਬ ਬੇਸ ਪੇਅਰ ਹਨ ਅਤੇ ਹਰ ਅੱਖਰ ਤਿੰਨ ਹੋਰ ਅੱਖਰਾਂ ਨਾਲ ਬਦਲਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ 9 ਅਰਬ ਇੱਕ-ਅੱਖਰ ਬਦਲਾਅ ਬਣਦੇ ਹਨ। ਕਈ ਜੈਨੇਟਿਕ ਬਿਮਾਰੀਆਂ ਇਨ੍ਹਾਂ ਵਿੱਚੋਂ ਇੱਕ ਬਦਲਾਅ ਕਾਰਨ ਹੁੰਦੀਆਂ ਹਨ, ਪਰ ਲੈਬਾਂ ਸਭ ਨੂੰ ਪਰਖ ਨਹੀਂ ਸਕਦੀਆਂ।
DeepMind ਨੇ ਜੂਨ 2025 ਵਿੱਚ ਪੇਸ਼ ਕੀਤੇ AlphaGenome ਨਾਲ ਇਨ੍ਹਾਂ ਸਾਰੇ ਬਦਲਾਵਾਂ ਦੇ ਨਤੀਜੇ ਦਾ ਅੰਦਾਜ਼ਾ ਲਾਇਆ ਅਤੇ ਸਤੰਬਰ ਵਿੱਚ ਇਨ੍ਹਾਂ ਨੂੰ AlphaGenome Atlas ਵਜੋਂ ਜਾਰੀ ਕੀਤਾ। ਹਰ ਵੇਰੀਐਂਟ ਨੂੰ ਇੱਕ AVI (AlphaGenome Variant Impact) ਅੰਕ ਮਿਲਦਾ ਹੈ, ਜੋ DeepMind ਮੁਤਾਬਕ ਪੂਰੇ ਜੀਨੋਮ ਉੱਤੇ ਸੰਭਾਵੀ ਅਸਰ ਦਿਖਾਉਂਦਾ ਹੈ ਅਤੇ ਸਭ ਤੋਂ ਵੱਧ ਵਿਘਨ ਪਾਉਣ ਵਾਲੇ ਬਦਲਾਅ ਚੁਣਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ।
- ਇਨਪੁੱਟ: 1 ਮਿਲੀਅਨ ਬੇਸ ਪੇਅਰ ਲੰਬੀ ਅੰਸ਼ਕ DNA ਲੜੀ
- ਆਉਟਪੁੱਟ: ਹਰ ਲੜੀ ਲਈ ਹਜ਼ਾਰਾਂ ਅੰਦਾਜ਼ੇ
- ਪੈਮਾਨਾ: ਸਾਰੇ 9 ਅਰਬ ਇੱਕ-ਅੱਖਰ ਬਦਲਾਵਾਂ ਲਈ ਅੰਦਾਜ਼ੇ

AlphaGenome 2 ਨੇ ਕੀ ਜੋੜਿਆ?
AlphaGenome ਨੂੰ ਜ਼ਿਆਦਾਤਰ ਪੂਰੇ ਟਿਸ਼ੂਆਂ ਜਾਂ ਸੈੱਲ ਲਾਈਨਾਂ ਦੇ ਡੇਟਾ ਨਾਲ ਸਿਖਾਇਆ ਗਿਆ ਸੀ, ਅਤੇ DeepMind ਸੈੱਲ ਕਿਸਮ ਦੀ ਵਿਸ਼ੇਸ਼ਤਾ ਨੂੰ ਇਸ ਦੀ ਮੁੱਖ ਸੀਮਾ ਦੱਸਦਾ ਹੈ। AlphaGenome 2 1 ਮਿਲੀਅਨ ਅੱਖਰਾਂ ਦੀ ਲੜੀ ਅਤੇ ਇੱਕ ਸ਼ਰਤ (ਜਿਵੇਂ ਟਿਸ਼ੂ ਜਾਂ ਸੈੱਲ ਕਿਸਮ) ਲੈ ਕੇ ਉਸ ਸ਼ਰਤ ਲਈ ਅਸਰ ਦਾ ਅੰਦਾਜ਼ਾ ਲਾਉਂਦਾ ਹੈ। DeepMind ਮੁਤਾਬਕ ਇਸ ਨੂੰ 68 ਟਿਸ਼ੂਆਂ ਦੇ 100 ਮਿਲੀਅਨ ਤੋਂ ਵੱਧ ਵਿਅਕਤੀਗਤ ਸੈੱਲ ਪ੍ਰੋਫ਼ਾਈਲਾਂ ਨਾਲ ਸਿਖਾਇਆ ਗਿਆ।
DeepMind ਦੱਸਦਾ ਹੈ ਕਿ ਇਹ ਸੈੱਲਾਂ ਵਿੱਚ ਜੀਨ ਪ੍ਰਗਟਾਵਾ ਬਦਲਣ ਵਾਲੇ ਵੇਰੀਐਂਟ ਪਿਛਲੇ ਸਭ ਤੋਂ ਉੱਨਤ ਮਾਡਲ ਨਾਲੋਂ ਲਗਭਗ ਦੁੱਗਣੇ ਲੱਭਦਾ ਹੈ। 28 ਇਮਿਊਨ ਸੈੱਲ ਕਿਸਮਾਂ ਦੇ ਡੇਟਾਸੈੱਟ ਉੱਤੇ ਕਾਰਨ ਵਾਲੇ ਵੇਰੀਐਂਟ 30% ਰਹੇ, ਜਦਕਿ ਸਿੰਗਲ-ਸੈੱਲ ਡੇਟਾ ਨਾਲ ਫ਼ਾਈਨ-ਟਿਊਨ ਕੀਤੇ ਅਸਲ ਮਾਡਲ ਲਈ 16%, ਅਤੇ ਜੀਨ ਅਸਰ ਦੀ ਦਿਸ਼ਾ 43% ਬਨਾਮ 23% ਰਹੀ। ਇਹ ਅੰਕੜੇ DeepMind ਅਤੇ ਉਸ ਦੇ ਸਹਿਯੋਗੀਆਂ ਵੱਲੋਂ ਹਨ, ਅਤੇ ਪੋਸਟ ਵਿੱਚ ਸੁਤੰਤਰ ਪੁਸ਼ਟੀ ਦਾ ਜ਼ਿਕਰ ਨਹੀਂ। ਪੇਪਰ bioRxiv ਪ੍ਰੀਪ੍ਰਿੰਟ ਹੈ।
ਖੋਜੀਆਂ ਨੇ ਹੁਣ ਤੱਕ ਕੀ ਕੀਤਾ?
DeepMind ਮੁਤਾਬਕ Exeter ਯੂਨੀਵਰਸਿਟੀ ਦੇ Gareth Hawkes ਨੇ Atlas ਨਾਲ 1 ਅਰਬ ਵੇਰੀਐਂਟਾਂ ਦੀ ਸੂਚੀ ਘਟਾਈ। ਸਭ ਤੋਂ ਵੱਧ ਅਸਰ ਵਾਲੇ 1% ਉੱਤੇ ਧਿਆਨ ਦੇ ਕੇ ਉਸ ਨੇ ਬਾਡੀ ਮਾਸ ਇੰਡੈਕਸ ਨਾਲ ਜੁੜੇ 19 ਵੇਰੀਐਂਟ ਸਮੂਹ ਲੱਭੇ।
Broad Institute ਦੀ Laura Covill ਨੇ ਅਣਸੁਲਝੀਆਂ ਦੁਰਲੱਭ ਬਿਮਾਰੀਆਂ ਲਈ AVI ਅੰਕ ਵਰਤਿਆ। Atlas ਨੇ ਨਿਊਰੋਡਿਵੈਲਪਮੈਂਟਲ ਵਿਕਾਰਾਂ ਨਾਲ ਜੁੜੇ ਜੀਨ ਵਿੱਚ ਅਹਿਮ ਵੇਰੀਐਂਟ ਦੱਸਿਆ, ਜਿਸ ਨਾਲ ਬਾਅਦ ਵਿੱਚ ਸੁਲਝੇ ਕੇਸ ਨੂੰ ਸਹਾਰਾ ਮਿਲਿਆ।
ਕੀਮਤਾਂ
ਕੋਈ ਕੀਮਤ ਨਹੀਂ ਦੱਸੀ ਗਈ। DeepMind ਮੁਤਾਬਕ ਗ਼ੈਰ-ਵਪਾਰਕ ਖੋਜੀ AlphaGenome API ਅਤੇ Colab ਟਿਊਟੋਰੀਅਲ ਵਰਤ ਸਕਦੇ ਹਨ। ਵਪਾਰਕ ਖੋਜ Google Cloud ਰਾਹੀਂ ਨਿੱਜੀ ਪ੍ਰੀਵਿਊ ਵਿੱਚ ਹੈ, ਅਤੇ AlphaGenome 2 ਪੰਨੇ ਉੱਤੇ ਦਿਲਚਸਪੀ ਫ਼ਾਰਮ ਹੈ। DeepMind 30 ਨਵੰਬਰ ਤੱਕ ਵਰਤੋਂ ਦੇ ਮਾਮਲੇ ਵੀ ਮੰਗਦਾ ਹੈ ਅਤੇ ਕਹਿੰਦਾ ਹੈ ਕਿ ਚੁਣੇ ਪ੍ਰੋਜੈਕਟਾਂ ਨੂੰ ਵਾਧੂ ਕੋਟਾ ਅਤੇ ਕ੍ਰੈਡਿਟ ਮਿਲ ਸਕਦੇ ਹਨ। ਮੌਜੂਦਾ ਸ਼ਰਤਾਂ ਲਈ DeepMind ਦਾ ਪੰਨਾ ਦੇਖੋ।
ਇਹ ਕਿਨ੍ਹਾਂ ਲਈ ਹੈ?
ਜੈਨੇਟਿਕਸ ਖੋਜੀ। ਮਰੀਜ਼ ਦੇ ਨਮੂਨੇ ਵਿੱਚੋਂ ਲੱਖਾਂ ਵੇਰੀਐਂਟ ਛਾਂਟਣ ਵਾਲਿਆਂ ਨੂੰ ਉਨ੍ਹਾਂ ਦੀ ਤਰਜੀਹ ਤੈਅ ਕਰਨ ਦਾ ਤਰੀਕਾ ਮਿਲਦਾ ਹੈ। Avsec ਨੇ ਦੁਰਲੱਭ ਬਿਮਾਰੀ ਵਾਲੇ ਇੱਕ ਮਰੀਜ਼ ਵਿੱਚ 4 ਮਿਲੀਅਨ ਵੇਰੀਐਂਟਾਂ ਦੀ ਮਿਸਾਲ ਦਿੱਤੀ, ਜਿਸ ਨੂੰ ਦੁਰਲੱਭ ਵੇਰੀਐਂਟਾਂ ਤੱਕ ਘਟਾਉਣ ਮਗਰੋਂ ਵੀ ਸੈਂਕੜੇ ਜਾਂ ਹਜ਼ਾਰਾਂ ਵਿਕਲਪ ਬਚਦੇ ਹਨ।
ਦਵਾਈ ਖੋਜ ਟੀਮਾਂ। DeepMind ਕਹਿੰਦਾ ਹੈ ਕਿ ਇਹ ਸੰਦ ਦਵਾ ਖੋਜੀਆਂ ਨੂੰ ਸੰਭਾਵੀ ਇਲਾਜੀ ਟੀਚੇ ਜਲਦੀ ਲੱਭਣ ਅਤੇ ਪਰਖਣ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ।
ਖੇਤੀ ਖੋਜੀ। DeepMind ਦਾ ਸੁਝਾਅ ਹੈ ਕਿ ਮਾਡਲ ਦਾ ਢਾਂਚਾ ਜਲਵਾਯੂ ਸਹਿਣਸ਼ੀਲ ਫ਼ਸਲਾਂ ਦੀ ਨਸਲ-ਸੁਧਾਰ ਵਿੱਚ ਕੰਮ ਆ ਸਕਦਾ ਹੈ, ਪਰ ਅਜੇ ਕੋਈ ਨਤੀਜੇ ਨਹੀਂ ਦਿੱਤੇ।
ਆਮ ਪਾਠਕ ਅਤੇ ਮਰੀਜ਼। ਇਹ ਸੰਦ ਕੋਈ ਜਾਂਚ ਨਹੀਂ ਕਰਦੇ। DeepMind ਮੁਤਾਬਕ AlphaGenome 2 ਕਲੀਨਿਕਲ ਜਾਂ ਡਾਇਗਨੌਸਟਿਕ ਵਰਤੋਂ ਲਈ ਪਰਖਿਆ ਜਾਂ ਮਨਜ਼ੂਰ ਨਹੀਂ ਹੋਇਆ, ਅਤੇ ਅੰਦਾਜ਼ਿਆਂ ਨੂੰ ਹੋਰ ਜਾਣਕਾਰੀ ਨਾਲ ਪੜ੍ਹਨਾ ਚਾਹੀਦਾ ਹੈ।
ਅਜੇ ਕੀ ਪਤਾ ਨਹੀਂ?
DeepMind ਮੁਤਾਬਕ ਉਹ ਮਾਡਲ ਦੇ ਭਰੋਸੇ ਨੂੰ ਮਾਪਣ ਦੇ ਬਿਹਤਰ ਤਰੀਕੇ ਲੱਭ ਰਿਹਾ ਹੈ, ਅਤੇ ਦਿਸ਼ਾ ਵਾਲੇ ਅੰਦਾਜ਼ੇ ਸਿਰਫ਼ ਭਰੋਸਾ ਹੋਣ ਉੱਤੇ ਹੀ ਦਿੰਦਾ ਹੈ। ਮਨੁੱਖੀ ਸੈੱਲ ਦੀ ਪੂਰੀ ਡਿਜੀਟਲ ਨਕਲ ਦਾ ਲੰਮੇ ਸਮੇਂ ਦਾ ਟੀਚਾ ਦੱਸਿਆ ਗਿਆ ਨਿਸ਼ਾਨਾ ਹੈ, ਉਤਪਾਦ ਨਹੀਂ।
ਅਗਲਾ ਕਦਮ
ਪੇਪਰ ਦੇ ਲਿੰਕ, API ਪਹੁੰਚ ਅਤੇ ਦਿਲਚਸਪੀ ਫ਼ਾਰਮ ਲਈ DeepMind ਦੀ AlphaGenome 2 ਪੋਸਟ ਪੜ੍ਹੋ, ਅਤੇ ਉੱਪਰਲੇ ਅੰਕੜਿਆਂ ਨੂੰ ਉਦੋਂ ਤੱਕ ਡਿਵੈਲਪਰ ਦੇ ਆਪਣੇ ਨਤੀਜੇ ਸਮਝੋ ਜਦੋਂ ਤੱਕ ਬਾਹਰੀ ਸਮੂਹ ਰਿਪੋਰਟ ਨਹੀਂ ਕਰਦੇ।







