{"id":7326,"date":"2026-01-30T02:06:03","date_gmt":"2026-01-30T00:06:03","guid":{"rendered":"https:\/\/www.schooler.org.ua\/uk-uaproriv-shi-rozshifrovuye-dnk-temnoyi-materiyi-za-dopomogoju\/"},"modified":"2026-01-30T02:06:03","modified_gmt":"2026-01-30T00:06:03","slug":"uk-uaproriv-shi-rozshifrovuye-dnk-temnoyi-materiyi-za-dopomogoju","status":"publish","type":"post","link":"https:\/\/www.schooler.org.ua\/it\/uk-uaproriv-shi-rozshifrovuye-dnk-temnoyi-materiyi-za-dopomogoju\/","title":{"rendered":"La svolta dell’intelligenza artificiale decodifica la “materia oscura” del DNA con AlphaGenome"},"content":{"rendered":"

Per decenni, gli scienziati hanno lottato per comprendere le vaste porzioni di DNA non codificante all’interno dei nostri genomi, spesso chiamato “DNA spazzatura” perch\u00e9 non costruisce direttamente le proteine. Ora, Google DeepMind ha presentato AlphaGenome<\/strong>, un nuovo modello di intelligenza artificiale progettato per prevedere come questo misterioso materiale genetico influenza la salute e le malattie. Ci\u00f2 rappresenta un significativo passo avanti nella genomica, consentendo potenzialmente di comprendere meglio come le mutazioni influiscono sull\u2019espressione genetica. <\/p>\n

Il linguaggio nascosto del genoma<\/h3>\n

Il genoma umano \u00e8 in gran parte non codificante, con oltre il 98% costituito da DNA che non si traduce in proteine. Tuttavia, questa \u201cmateria oscura\u201d regola l\u2019attivit\u00e0 genetica, determinando se le cellule funzionano correttamente o si ammalano. La sfida \u00e8 sempre stata prevedere come<\/em> funzionino queste regioni non codificanti, fino ad ora. <\/p>\n

AlphaGenome analizza sequenze di DNA lunghe fino a un milione di paia di basi, valutando come le mutazioni alterano l’espressione genetica. Questo \u00e8 un passo cruciale perch\u00e9 le malattie genetiche spesso derivano da cambiamenti in queste regioni non codificanti, non solo nei geni codificanti le proteine. I creatori del modello lo hanno reso liberamente disponibile alla pi\u00f9 ampia comunit\u00e0 di ricerca. <\/p>\n

Basarsi sui successi dell’IA<\/h3>\n

AlphaGenome si basa sulle precedenti scoperte di DeepMind nella biologia basata sull’intelligenza artificiale. Per primo \u00e8 arrivato AlphaFold<\/strong>, che prevede accuratamente le strutture proteiche dalle sequenze di aminoacidi, facendo guadagnare ai suoi sviluppatori un premio Nobel per la chimica nel 2024. Poi \u00e8 arrivato AlphaMissense<\/strong>, incentrato sulle mutazioni che codificano le proteine. AlphaGenome estende questo potere al vasto spazio non codificante, affrontando un problema precedentemente intrattabile. <\/p>\n

“\u00c8 come se avessi un enorme libro di tre miliardi di caratteri e in questo libro fosse successo qualcosa di sbagliato”, spiega Pushmeet Kohli, vicepresidente scientifico di DeepMind. \u201cAlphaGenome pu\u00f2 essere usato per dire: \u2018Se cambiassi queste parole, quale sarebbe l\u2019effetto?\u2019\u201d <\/p>\n

Come funziona AlphaGenome<\/h3>\n

Il modello combina dati provenienti da pi\u00f9 fonti relative all\u2019espressione genica, identificando modelli e prevedendo le conseguenze funzionali dei cambiamenti del DNA. Un’innovazione chiave \u00e8 la sua capacit\u00e0 di gestire sequenze di DNA estremamente lunghe<\/em> senza sacrificare la precisione, una limitazione degli strumenti precedenti. Ci\u00f2 significa che i ricercatori possono studiare intere regioni normative contemporaneamente, anzich\u00e9 mettere insieme dati frammentati. <\/p>\n

Potenziali applicazioni<\/h3>\n

AlphaGenome non \u00e8 ancora pronto per l\u2019uso clinico. Ma le sue applicazioni di ricerca sono vaste:
\n– Comprendere le malattie:<\/strong> Individuazione delle mutazioni che causano malattie genetiche, compreso il cancro.
\n– Terapia genica:<\/strong> Progettazione di trattamenti pi\u00f9 efficaci mirando alle regioni regolatorie corrette.
\n– Studi sull’intero genoma:<\/strong> analisi del modo in cui i genomi regolano i geni in diverse cellule e tessuti.
\n– Condizioni rare:<\/strong> Aiuta a diagnosticare malattie genetiche rare in cui le mutazioni sottostanti sono sconosciute. <\/p>\n

“Nonostante tutte le migliori valutazioni in nostro possesso, sembra che AlphaGenome abbia fatto un passo avanti [nel campo]”, afferma David Kelley di Calico Life Sciences. <\/p>\n

Avvertenze e passi futuri<\/h3>\n

AlphaGenome ha dei limiti. \u00c8 stato addestrato solo su genomi umani e di topo e potrebbe non rilevare effetti in altre specie. Anche il modello \u00e8 imperfetto; potrebbe non prevedere alcun effetto quando ne esiste uno. I ricercatori stanno lavorando per migliorare il potere predittivo e quantificare l\u2019incertezza. <\/p>\n

\n

\u201cPrevedere come si manifester\u00e0 una malattia a partire dal genoma \u00e8 un problema estremamente difficile, e questo modello non \u00e8 in grado di prevederlo magicamente\u201d, afferma \u017diga Avsec, responsabile della genomica di DeepMind. \u201cMa AlphaGenome pu\u00f2 restringere l\u2019insieme delle possibili mutazioni coinvolte in una malattia, rendendolo utile per dare priorit\u00e0 alla ricerca\u201d. <\/p>\n<\/blockquote>\n

AlphaGenome rappresenta un progresso incrementale ma reale. Non risolver\u00e0 i misteri del genoma da un giorno all\u2019altro, ma offre un nuovo potente strumento per svelare le complessit\u00e0 del progetto della vita.<\/p>\n","protected":false},"excerpt":{"rendered":"

Per decenni, gli scienziati hanno lottato per comprendere le vaste porzioni di DNA non codificante all’interno dei nostri genomi, spesso chiamato “DNA spazzatura” perch\u00e9 non costruisce direttamente le proteine. Ora, Google DeepMind ha presentato AlphaGenome, un nuovo modello di intelligenza artificiale progettato per prevedere come questo misterioso materiale genetico influenza la salute e le malattie. […]<\/p>\n","protected":false},"author":1,"featured_media":7325,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"tdm_status":"","tdm_grid_status":""},"categories":[1],"tags":[],"wpm_language_slugs":[],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/www.schooler.org.ua\/it\/wp-json\/wp\/v2\/posts\/7326"}],"collection":[{"href":"https:\/\/www.schooler.org.ua\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.schooler.org.ua\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.schooler.org.ua\/it\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.schooler.org.ua\/it\/wp-json\/wp\/v2\/comments?post=7326"}],"version-history":[{"count":0,"href":"https:\/\/www.schooler.org.ua\/it\/wp-json\/wp\/v2\/posts\/7326\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.schooler.org.ua\/it\/wp-json\/wp\/v2\/media\/7325"}],"wp:attachment":[{"href":"https:\/\/www.schooler.org.ua\/it\/wp-json\/wp\/v2\/media?parent=7326"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.schooler.org.ua\/it\/wp-json\/wp\/v2\/categories?post=7326"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.schooler.org.ua\/it\/wp-json\/wp\/v2\/tags?post=7326"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}