遺伝子標的を迅速化し細胞老化の逆転へ
Google DeepMind が、遺伝子標的候補の開発プロセスを加速させ、細胞老化の逆転研究に貢献する手法を発表した。
老化研究における最大のボトルネックの2つは、どの遺伝経路を検証するかを決定することと、その実験から生じる膨大なデータを理解することです。生物学者のオマル・アブダヤエ氏とジョナサン・グートン氏は、Co-Scientist を活用してこれら両方の課題を突破しようとしています。
彼らの研究室では、数千もの遺伝子をオンまたはオフに切り替える大規模な遺伝子スクリーニングを行い、細胞がこれらの変化に対してどのように反応するかを読み取っています。その目的は、老化と関連した損傷状態である「セネッセンス（senescence）」から細胞を遠ざけ、皮膚・髪・筋肉などの組織において若々しい状態へと導く変化を見つけることです。
Co-Scientist は2つの側面で支援しています。まず、新たな候補を生成します。チームが老化を逆転させる可能性のある因子について科学文献を検索するよう依頼した際、同システムは数万の論文をスキャンし、多数の仮説を検討した上で、最終的に検証すべき20 以上の新規で妥当性のある遺伝因子を提案しました。実験室でのテストにより Co-Scientist のいくつかの仮説が裏付けられ、その推奨因子によって細胞がより若々しい状態へと移行し、全体的な機能が向上することが確認されました。
第二に、Co-Scientist は追跡プロセスを加速します。チームが大規模スクリーニングの結果を得た後、膨大なデータの意味するところを解明し、次にどの方向性を追求すべきかを判断する必要があります。この種の分析、つまり試験結果と散在する何年もの科学文献をつなぎ合わせる作業には、研究者にとって最大で 6 か月かかることもあります。Co-Scientist がスクリーニングデータを文献とともに解析することで、その作業はわずか数日に短縮されます。
原文を表示
Two of the biggest bottlenecks in aging research are deciding which genetic pathways to test and making sense of the vast data those experiments produce. Biologists Omar Abudayyeh and Jonathan Gootenberg are using Co-Scientist to help them blast through both.
Their lab runs huge genetic screens that flip thousands of genes on or off then reads how cells respond to these changes. The goal is to find changes that push cells away from senescence – a damaged state linked to aging – and toward a youthful state in tissues such as skin, hair, and muscle.
Co-Scientist is helping on two fronts. First, it generates leads. When the team asked it to trawl the scientific literature for factors that might reverse aging, it scanned tens of thousands of papers, considered a multitude of hypotheses, and ultimately proposed more than 20 novel, plausible genetic factors to test. Lab tests validated a couple Co-Scientist’s hypotheses, with its recommended factors successfully driving cells into a younger state with improved overall function.
Second, Co-Scientist speeds up the follow-through. Once the team has results from a big screen, they have to figure out what the enormous amount of data might mean, and which directions are worth pursuing next. That kind of analysis – trying to connect test results to years of scattered scientific literature – can take a researcher up to six months. Having Co-Scientist analyse their screening data alongside the literature, that work is slashed to just a few days.
関連記事
環境リスク対策のためアジア太平洋地域に Google DeepMind アクセラレータープログラムを立ち上げ
Google DeepMind は、気候変動などの環境リスクに対処するため、アジア太平洋地域を対象としたアクセラレータープログラムの開始を発表した。
Project Genie とストリートビューを用いた現実世界のシミュレーション
Google DeepMind は、プロジェクト「Genie」とストリートビューを活用し、現実世界の場所をシミュレートする技術を発表した。これにより、AI がより現実に即した環境で学習・動作することが可能になる。
ジェミニ・オミの紹介
Google DeepMind が、新しい AI モデル「Gemini Omni」を発表した。これは同社が提供する次世代の多機能型人工知能システムである。