Skip to content
गूगल डीपमाइंड का अल्फ़ाजीनोम 2, जिसकी घोषणा 11 नवंबर 2026 को हुई, बताता है कि डीएनए के बदलाव किसी खास कोशिका-प्रकार में कैसे काम करते हैं, और डीपमाइंड के अपने परीक्षणों के अनुसार अपने पूर्ववर्ती से लगभग दोगुने कारक वेरिएंट पहचानता है
एआई और प्रौद्योगिकी

गूगल डीपमाइंड का अल्फ़ाजीनोम 2, जिसकी घोषणा 11 नवंबर 2026 को हुई, बताता है कि डीएनए के बदलाव किसी खास कोशिका-प्रकार में कैसे काम करते हैं, और डीपमाइंड के अपने परीक्षणों के अनुसार अपने पूर्ववर्ती से लगभग दोगुने कारक वेरिएंट पहचानता है

चित्रण: tuput

हिन्दी

नया मॉडल डीएनए के दस लाख अक्षर और चुना हुआ ऊतक, कोशिका-प्रकार या कोशिका-अवस्था लेता है, और उसी एक स्थिति के लिए जीन की सक्रियता का अनुमान देता है। प्रतिरक्षा-कोशिकाओं के एक परीक्षण-समूह पर डीपमाइंड के अनुसार वह 30 प्रतिशत कारक वेरिएंट पहचानता है, जबकि उसका पिछला मॉडल 16 प्रतिशत। ये आँकड़े निर्माता के अपने हैं और एक ऐसे प्रीप्रिंट से आए हैं जिसकी सहकर्मी-समीक्षा नहीं हुई है।

· · 10 मिनट का पठन

गूगल डीपमाइंड ने 11 नवंबर 2026 को अल्फ़ाजीनोम 2 की घोषणा की। यह एक एआई मॉडल है जो बताता है कि डीएनए में एक बदलाव किसी एक चुनी हुई कोशिका-प्रकार में, जैसे आँत के मैक्रोफ़ेज या विश्राम-अवस्था की टी कोशिका में, जीन की सक्रियता को कैसे बदलता है, पूरे ऊतक का औसत लेने के बजाय। प्रतिरक्षा-कोशिकाओं के आँकड़ों से बने एक परीक्षण पर डीपमाइंड के अनुसार मॉडल ने 30 प्रतिशत कारक वेरिएंट पहचाने, जबकि उसके पिछले मॉडल ने 16 प्रतिशत। कंपनी इसे लगभग दोगुना बताती है। इसके पीछे का शोधपत्र 17 नवंबर 2026 की तारीख का एक प्रीप्रिंट है, यानी वह सहकर्मी-समीक्षा से पहले डाला गया है, और नीचे का हर प्रदर्शन-आँकड़ा डीपमाइंड का अपना है। 19 नवंबर 2026 तक देखे गए किसी भी पन्ने में किसी स्वतंत्र दोहराव की रिपोर्ट नहीं है।

मॉडल शोधकर्ताओं के लिए है, चिकित्सकों के लिए नहीं। डीपमाइंड का कहना है कि वह केवल शोध-उपयोग के लिए है और उसे नैदानिक या रोग-निदान के प्रयोजनों के लिए न जाँचा गया है, न स्वीकृत किया गया है।

डीएनए वही, पढ़ने का ढंग अलग

शरीर की हर कोशिका में डीएनए एक ही है, और हर कोशिका-प्रकार जीनों के अलग समूह को चालू या बंद करता है। डीपमाइंड की घोषणा लक्ष्य यह बताती है कि डीएनए के छोटे अंतर इस चालू-बंद को खास कोशिकाओं में कैसे बदलते हैं, जिसे वह मानव लक्षणों और रोगों का एक प्रमुख कारक कहती है। 2016 में स्थापित वैश्विक संघ ह्यूमन सेल एटलस शरीर भर की कोशिकाओं में जीन-सक्रियता का नक्शा बना रहा है, और उसकी साइट 100 से ज़्यादा देशों के 1,700 से अधिक संस्थानों के 3,900 से ज़्यादा सदस्य गिनाती है।

डीएनए का ज़्यादातर हिस्सा प्रोटीन के लिए कूट नहीं देता। पहले अल्फ़ाजीनोम पर डीपमाइंड की जून 2025 की पोस्ट कहती है कि कोडिंग हिस्से जीनोम का 2 प्रतिशत हैं, और बाकी 98 प्रतिशत, यानी नॉन-कोडिंग हिस्सा, जीन की सक्रियता को निर्देशित करता है और रोग से जुड़े कई वेरिएंट उसी में हैं। वेरिएंट-प्रभाव का पूर्वानुमान करने वाला मॉडल वह है जो डीएनए का क्रम एक अक्षर बदलकर और बिना बदले पढ़ता है और बताता है कि बदलाव क्या करता है। शोधकर्ता इन अंकों से तय करते हैं कि प्रयोगशाला में पहले किन वेरिएंट को परखा जाए।

कोशिका-प्रकार इसलिए मायने रखता है कि एक ही वेरिएंट एक कोशिका-प्रकार में असर दिखा सकता है और अगले में चुप रह सकता है। नेचर में छपा TenK10K अध्ययन, जिसके आँकड़े डीपमाइंड ने कसौटी के रूप में लिए, बताता है कि जीन-अभिव्यक्ति पर उसे मिले आनुवंशिक असरों में से लगभग आधे केवल एक या कुछ कोशिका-प्रकारों में दिखे।

पहले अल्फ़ाजीनोम ने क्या किया, और उसके लेखकों ने क्या खुला छोड़ा

पहला अल्फ़ाजीनोम 28 जनवरी 2026 को नेचर में छपा (खंड 649, पृष्ठ 1206 से 1218 तक)। वह एक बार में डीएनए के 10 लाख अक्षर पढ़ता है और जीन-अभिव्यक्ति से लेकर क्रोमैटिन-सुलभता (यानी डीएनए कोशिका की मशीनरी के लिए कितना खुला है) तक हज़ारों रीडआउट का अनुमान देता है। शोधपत्र के अनुसार उसमें 11 तरह की माप के 5,930 मानव और 1,128 चूहा ट्रैक आते हैं। उसका सार कहता है कि वेरिएंट-प्रभाव के 26 मूल्यांकनों में से 25 में वह उपलब्ध सबसे मज़बूत बाहरी मॉडलों के बराबर रहा या उनसे आगे। डीपमाइंड की 2025 की पोस्ट, जो तब लिखी गई जब काम प्रीप्रिंट ही था, 26 में से 24 कहती थी, इसलिए नेचर की गिनती ही लागू होती है। बाद में मॉडल को अल्फ़ाजीनोम एटलस के साथ जोड़ा गया, जो 1 पेटाबाइट का एक सूचीपत्र है और डीपमाइंड के उत्पाद-पन्ने के अनुसार मानव जीनोम के सभी नौ अरब संभावित एकल-अक्षर बदलावों के अंक देता है।

नेचर का शोधपत्र यह भी गिनाता है कि मॉडल अभी क्या नहीं कर पाता था। उसके लेखकों ने लिखा कि कोशिकीय संदर्भों में ऊतक-विशिष्ट पैटर्न को सटीकता से दोहराना और स्थिति-विशिष्ट वेरिएंट-प्रभावों का पूर्वानुमान चुनौतीपूर्ण बना हुआ है। जिन भावी दिशाओं के नाम उन्होंने लिए, उनमें एकल-कोशिका आँकड़ों को जोड़ना और डीएनए मिथाइलेशन जोड़ना शामिल थे, यानी डीएनए पर लगा एक रासायनिक निशान जो जीनों के पढ़े जाने को प्रभावित करता है। अल्फ़ाजीनोम 2 दोनों पर काम करता है।

एक बार में एक स्थिति

डीपमाइंड के अनुसार पहला मॉडल एक ही बार चलाने पर कई ऊतकों और कोशिका-रेखाओं के लिए तय, समानांतर आउटपुट देता था, जिससे उसकी क्षमता बँट जाती थी और मिलती-जुलती कोशिका-प्रकारों को अलग करना कठिन हो जाता था। अल्फ़ाजीनोम 2 एक शर्त-आधारित मॉडल है। वह 10 लाख अक्षर के क्रम के साथ एक स्थिति लेता है, जो ऊतक, कोशिका-प्रकार या कोशिका-अवस्था के रूप में परिभाषित है, और उस स्थिति को नेटवर्क के हर चरण में डालता है। तब डीएनए का वही खंड हर स्थिति के लिए अलग ढंग से पढ़ा जा सकता है।

वैज्ञानिक स्थिति दो तरह से चुन सकता है। एक है संदर्भ-सूची; अल्फ़ाजीनोम के दस्तावेज़ों का ट्यूटोरियल समर्थित 2,799 मानव स्थितियाँ छापता है। दूसरा तरीका है वैज्ञानिक के अपने प्रयोग का एकल-कोशिका आरएनए डेटा अपलोड करना, जिसे एक कोशिका-एनकोडर कोशिका-अवस्था के निरूपण में संपीड़ित कर देता है। ब्लॉग के अनुसार कुछ दर्जन कोशिकाएँ काफ़ी हैं, और दस्तावेज़ प्रति कॉल 256 कोशिकाओं की सीमा रखते हैं। क्योंकि मॉडल कोशिका की अवस्था को उसके आउटपुट से अलग करता है, जीन-सक्रियता जैसी एक माप से वह क्रोमैटिन-सुलभता जैसी अनमापी चीज़ों का अनुमान लगा सकता है, और डीपमाइंड के अनुसार इससे शोधकर्ताओं को तय करने में मदद मिल सकती है कि आगे कौन-से प्रयोग चलाएँ। डीएनए मिथाइलेशन, जिसे ब्लॉग बहुत माँगा गया रीडआउट बताता है, इस संस्करण में नया है।

प्रशिक्षण के लिए डीपमाइंड के अनुसार मानव और चूहे के नमूनों से थोक और एकल-कोशिका दोनों तरह के आँकड़े लिए गए, जिनमें 68 ऊतकों के 10.7 करोड़ से अधिक अलग-अलग कोशिका-प्रोफ़ाइल शामिल हैं। ब्लॉग की सार-पंक्ति इसे गोल करके “10 करोड़ से अधिक” लिखती है।

ब्लॉग और प्रीप्रिंट क्या बताते हैं

नीचे के सारे नतीजे लेखकों के अपने हैं। 28 प्रतिरक्षा-कोशिका-प्रकारों के एकल-कोशिका नक्शे TenK10K पर ब्लॉग के अनुसार अल्फ़ाजीनोम 2 ने 30 प्रतिशत कारक वेरिएंट पहचाने, जबकि मूल मॉडल ने 16 प्रतिशत, और दिशा वाले जीन-असरों (यानी वेरिएंट जीन को बढ़ाता है या घटाता है) में से 43 प्रतिशत, जबकि मूल मॉडल ने 23 प्रतिशत। यह तुलना एकल-कोशिका डेटा पर फ़ाइन-ट्यून किए मूल मॉडल और दूसरे विशेष औज़ारों से है।

प्रीप्रिंट एक अलग पैमाना बताता है। उसका सार कहता है कि अल्फ़ाजीनोम 2 फ़ाइन-ट्यून किए अल्फ़ाजीनोम 1 और लक्ष्य डेटासेटों पर प्रशिक्षित विशेष मॉडलों से बेहतर है, “90% परिशुद्धता पर कारक एकल-कोशिका eQTL की रीकॉल को दोगुना करते हुए”। eQTL वह वेरिएंट है जो किसी जीन के कितना अभिव्यक्त होने में बदलाव से जुड़ा है। रीकॉल सच्चे कारक असरों का वह हिस्सा है जो मॉडल पकड़ता है, और परिशुद्धता उसके दावों का वह हिस्सा है जो सही है, इसलिए दावा यह है कि दस में से नौ फ़ैसले सही रखते हुए दोगुने सच्चे असर पकड़े गए। ब्लॉग का “लगभग दोगुना” और प्रीप्रिंट का “दोगुना” अलग परीक्षण हैं और उन्हें एक संख्या की तरह नहीं पढ़ना चाहिए।

सार आगे जोड़ता है कि मॉडल एन्हांसर-जीन जुड़ाव में अत्याधुनिक नतीजा हासिल करता है, यानी नियामक डीएनए के दूर के खंडों (एन्हांसरों) को उन जीनों से मिलाता है जिन्हें वे नियंत्रित करते हैं, और टीम ने सैकड़ों मानव कोशिका-प्रकारों में 70 लाख सामान्य वेरिएंट के लिए एन्हांसर-जीन जुड़ावों और अंकों का एक एटलस बनाया। ब्लॉग के अनुसार पहले से गणना किए अंक कद से लेकर टाइप 2 मधुमेह तक के लक्षणों से जुड़े वेरिएंट को कवर करते हैं, और जब मॉडल को भरोसा होता है तब वह यह भी बताता है कि कोई वेरिएंट जीन की सक्रियता बढ़ाता है या घटाता है।

अनदेखी कोशिका-अवस्थाओं पर डीपमाइंड कोविड-19 एमआरएनए टीके के एक अध्ययन के डेटा से एक परीक्षण बताता है। जो एकल-कोशिका डेटा उसने पहले नहीं देखा था, उसे दिए जाने पर मॉडल ने टीके से सक्रिय हुई टी कोशिकाओं को विश्राम-अवस्था वाली कोशिकाओं से अलग किया, और अनुमान लगाया कि गंभीर कोविड-19 से जुड़ा एक वेरिएंट सक्रिय अवस्था में जीन की सक्रियता को ज़्यादा तेज़ी से बिगाड़ता है। ब्लॉग इस उदाहरण का कोई संख्यात्मक अंक नहीं देता।

जिस परीक्षण का उत्तर पहले से ज्ञात है: ETS2

एक उदाहरण का उत्तर स्वतंत्र प्रयोगशाला-कार्य से मिला हुआ है। 2024 में स्टैंकी और सहयोगियों ने नेचर में बताया कि गुणसूत्र 21 पर एक जीन-मरुस्थल (ऐसा लंबा खंड जिसमें अपना कोई जीन नहीं) एक हैप्लोटाइप रखता है, यानी साथ-साथ विरासत में मिलने वाले वेरिएंटों का एक खंड, जो सूजन वाले आंत्र रोग और तीन अन्य स्थितियों से जुड़ा है, और कारक जीन ETS2 सूजन वाले मैक्रोफ़ेजों का एक केंद्रीय नियामक है। डीपमाइंड के अनुसार आँत की प्रतिरक्षा-कोशिका-प्रकारों में अनुमान लगाते हुए अल्फ़ाजीनोम 2 ने कारक वेरिएंट को अलग छाँटा और दिखाया कि वह आँत के मैक्रोफ़ेजों में ETS2 को बढ़ाता है, जबकि दूसरी कोशिका-प्रकारों और जीनों पर लगभग कोई असर नहीं पड़ता।

दस्तावेज़ों की विग्नेट ब्योरा देती है। सांख्यिकीय फ़ाइन-मैपिंग रोग के संकेत को 1.2 किलोबेस में फैले सात नॉन-कोडिंग वेरिएंट तक सीमित करती है। उनमें से एक, rs2836882, उस सांख्यिकीय तरीके में दूसरे स्थान पर है, फिर भी मॉडल का अनुमान है कि वह इलियम, यानी छोटी आँत के अंतिम हिस्से, के मैक्रोफ़ेजों में ETS2 की अभिव्यक्ति को तेज़ी से घटाता है, और सर्वोच्च रैंक वाले वेरिएंट का असर उसे बहुत कम दिखता है। विग्नेट के अनुसार ETS2 लगभग 289 किलोबेस दूर है, जबकि पास के जीनों में नगण्य बदलाव दिखता है, और बी कोशिकाओं, टी कोशिकाओं और नेचुरल किलर कोशिकाओं में असर नहीं है। विग्नेट कहती है कि यह प्राथमिक मैक्रोफ़ेजों पर हुए प्रयोगशाला-प्रयोगों से मेल खाता है। यह डीपमाइंड की अपनी टीम का लिखा एक हल किया हुआ उदाहरण है।

नीचे का डेटा

प्रतिरक्षा-कोशिका की कसौटी सार्वजनिक कार्य पर टिकी है। TenK10K का पहला चरण, जो 28 अक्टूबर 2026 को नेचर में छपा (खंड 659, पृष्ठ 417 से 428 तक), 1,925 लोगों की 54 लाख कोशिकाओं की एकल-कोशिका आरएनए सीक्वेंसिंग को संपूर्ण-जीनोम सीक्वेंसिंग के साथ जोड़ता है। जाँचे गए 21,404 जीनों में से 83 प्रतिशत के लिए वह संभावित नियामक वेरिएंट खोजता है। शोधपत्र के अनुसार उसे अभिव्यक्ति से जुड़े वेरिएंट वाले 17,674 जीन मिले, जबकि सबसे बड़े संपूर्ण-रक्त अध्ययन eQTLGen में 16,987, और उसका नमूना 15 गुना छोटा है।

प्रतिभागी दो ऑस्ट्रेलियाई समूहों के यूरोपीय मूल के 1,925 व्यक्ति हैं, और लेखक लिखते हैं कि अन्य बातों के साथ वंश-विविधता में और बढ़ोतरी की ज़रूरत होगी। इस लेख के लिए खोले गए स्रोतों में अल्फ़ाजीनोम 2 में इस्तेमाल हुए किसी भारतीय डेटासेट का नाम नहीं है। भारत का अपना संदर्भ-संग्रह जीनोमइंडिया पर tuput के लेख में है, जिसने 83 जनसंख्या-समूहों के 10,074 लोगों का सीक्वेंस किया।

उपलब्धता और आगे क्या

अल्फ़ाजीनोम 2 अल्फ़ाजीनोम API के ज़रिये गैर-व्यावसायिक शोध के लिए उपलब्ध है, जिसके साथ एकल-कोशिका डेटा पर शर्त लगाने के इंटरैक्टिव कोलैब ट्यूटोरियल हैं, और गूगल क्लाउड के ज़रिये व्यावसायिक शोध के लिए निजी प्रीव्यू में है। डीपमाइंड के अनुसार उसके एंटीग्रैविटी वर्कबेंच के लिए अल्फ़ाजीनोम 2 स्किल्स आगे आएँगी, और उसने शोधकर्ताओं से 30 नवंबर तक उपयोग के मामले भेजने को कहा है, चुनी हुई परियोजनाएँ अतिरिक्त कोटा और क्रेडिट की पात्र होंगी।

ब्लॉग में दो समर्थन-कथन हैं। ह्यूमन सेल एटलस संघ की सह-संस्थापक सारा टाइशमान के हवाले से कहा गया है कि बिना दोबारा प्रशिक्षण के नए एकल-कोशिका डेटा के अनुरूप ढल जाने की मॉडल की क्षमता सराहनीय है। जीनोमिक्स लिमिटेड के मुख्य कार्यकारी पीटर डोनली के हवाले से कहा गया है कि कंपनी इसे अपने मिस्ट्रा प्लेटफ़ॉर्म में लाने की योजना बना रही है। डीपमाइंड का उत्पाद-पन्ना पहले मॉडल के इस्तेमाल की भी जानकारी देता है: ब्रॉड इंस्टीट्यूट के एक शोधकर्ता ने उसके वेरिएंट-अंकों से DNM1 जीन में एक ऐसा वेरिएंट खोजा जिसे बाद के प्रयोगशाला-प्रयोगों ने समर्थन दिया, और एक्सेटर विश्वविद्यालय की एक टीम ने 54,000 से ज़्यादा यूके बायोबैंक प्रतिभागियों के अध्ययन में एक क्षेत्र के 526 उम्मीदवार वेरिएंट को घटाकर 4 कर दिया। दोनों विवरण डीपमाइंड के हैं।

योरस्टोरी ने, जो एक भारतीय प्रौद्योगिकी समाचार-माध्यम है, 30 प्रतिशत और 16 प्रतिशत के आँकड़े दोहराए और उन्हें डीपमाइंड का बताया। इस लेख के लिए देखे गए किसी भी पन्ने में डीपमाइंड से बाहर किसी के द्वारा मॉडल के परीक्षण की रिपोर्ट नहीं है, और 19 नवंबर 2026 तक प्रीप्रिंट की सहकर्मी-समीक्षा नहीं हुई थी।

Share
Copied!

स्रोत और आगे पढ़ने के लिए

  1. Google DeepMind (Adam Gayoso, Natasha Latysheva, Pushmeet Kohli, Ziga Avsec), 11 November 2026: AlphaGenome 2, deciphering how cells read DNA to better understand disease
  2. Gayoso A et al., AlphaGenome 2 predicts regulatory activity and variant effects across cell states, preprint first published 17 November 2026 (Europe PMC record PPR1371267, not peer reviewed)
  3. Google DeepMind, 25 June 2025 (updated January 2026): AlphaGenome, AI for better understanding the genome
  4. Google DeepMind: AlphaGenome product page (AlphaGenome 2, AlphaGenome Atlas and case studies)
  5. Avsec Z et al., Advancing regulatory variant effect prediction with AlphaGenome, Nature 649, 1206 to 1218 (published 28 January 2026)
  6. PubMed record and abstract, Avsec et al., AlphaGenome, Nature 649:1206 (PMID 41606153)
  7. Cuomo ASE et al., Rare and common genetic variants shape single-cell immune gene expression (TenK10K phase 1), Nature 659, 417 to 428 (published 28 October 2026)
  8. PubMed record and abstract, Stankey CT et al., A disease-associated gene desert directs macrophage inflammation through ETS2, Nature 630:447 (2024) (PMID 38839969)
  9. AlphaGenome documentation: Fine-mapping the ETS2 locus (AlphaGenome 2 vignette)
  10. AlphaGenome documentation: Choosing a condition (AlphaGenome 2 tutorial)
  11. Human Cell Atlas: What is the Human Cell Atlas (mission and consortium figures)
  12. YourStory: Google DeepMind unveils AlphaGenome 2 to study DNA changes

यह लेख AI उपकरणों की सहायता से शोधित और लिखा गया है, और सटीकता के लिए संपादित किया गया है। यह केवल सामान्य जानकारी और चर्चा के लिए है, पेशेवर सलाह नहीं। हमारे संपादकीय मानक और अस्वीकरण देखें। कोई त्रुटि मिली? हमें बताएँ।

#alphagenome#google deepmind#genomics#single-cell biology#variant effect prediction#gene regulation#non-coding dna#tenk10k

अच्छा लगा? अगला लेख पाएँ।

एक बार में एक अच्छा लेख, सीधे आपके इनबॉक्स में। कोई स्पैम नहीं, जब चाहें अनसब्सक्राइब करें।

इसी श्रेणी में और: एआई और प्रौद्योगिकी
छह चीनी एआई कंपनियां अमेरिका के सबसे बेहतरीन मॉडल की नकल करते पकड़ी गईं। अमेरिका का जवाब: चुपचाप उनके जवाब खराब कर दो।
एक अमेरिकी सुरक्षा एडवाइजरी में छह चीनी एआई कंपनियों पर अमेरिकी मॉडल की नकल करने का आरोप है, और सुझाव है कि उन्हें चुपचाप घटिया जवाब दिए जाएं। साथ ही इंसानी डीएनए के हर संभावित बदलाव का डीपमाइंड का एटलस, एपल का एआई-केंद्रित आईफोन लॉन्च, और भारत का अब तक का सबसे बड़ा रेल विस्तार।
गूगल ने Gemini 4 Carbon 28 अक्टूबर 2026 को साइबर रक्षकों को और 10 नवंबर को भुगतान करने वाले डेवलपरों को दिया, और एंथ्रोपिक तथा ओपनएआई भी अपने सबसे सशक्त मॉडल चरणों में जारी करते हैं
तीन प्रयोगशालाएँ अब सत्यापित सुरक्षा टीमों को अपने सबसे सक्षम मॉडल बाक़ी सबसे पहले, या कम पाबंदियों के साथ, इस्तेमाल करने देती हैं। हर एक ने क्या प्रकाशित किया, बताया गया कारण क्या है, और कौन-से आँकड़े निर्माताओं के अपने हैं, यह यहाँ है।
Anthropic ने Claude 3 Sonnet पर 34 मिलियन फ़ीचर वाला ऑटोएनकोडर प्रशिक्षित किया, गूगल डीपमाइंड ने फिर उसी तरीक़े पर बुनियादी शोध को पीछे रखा, और Anthropic के एट्रिब्यूशन ग्राफ़ लगभग एक चौथाई प्रॉम्प्ट पर ही समझ दे पाए
शोधकर्ता अब एक भाषा मॉडल के भीतर एक अवधारणा को दूसरी से बदलकर जवाब बदलता देख सकते हैं। वही शोध-पत्र अपने शब्दों में बताते हैं कि यह मॉडल के कितने छोटे हिस्से को छूता है और औज़ार कहाँ नाकाम होते हैं।
← सभी लेख