‹ News Blitz Science & Technology Settled

ಶತಕೋಟಿಗಳಷ್ಟು ಸಂಭಾವ್ಯ ಡಿಎನ್‌ಎ ಬದಲಾವಣೆಗಳನ್ನು ಅರ್ಥೈಸಲು ಆಲ್ಫಾಜಿನೋಮ್ ಅಟ್ಲಾಸ್ ನೆರವು

English हिंदी ಕನ್ನಡ മലയാളം தமிழ் తెలుగు

First brief 10 Sep, 2:26 am IST Updated 10 Sep, 2:26 am IST 1 development 1 min read Latest ↓

File photo: a DNA double-helix model — Flocci Nivis · CC BY 4.0

Where it stands

ಗೂಗಲ್ ಡೀಪ್‌ಮೈಂಡ್ 8 ಸೆಪ್ಟೆಂಬರ್ 2026 ರಂದು ಆಲ್ಫಾಜಿನೋಮ್ ಅಟ್ಲಾಸ್ ಅನ್ನು ಬಿಡುಗಡೆ ಮಾಡಿದ್ದು, ಸಂಶೋಧಕರಿಗೆ ಸುಮಾರು 9 ಬಿಲಿಯನ್ ಸಂಭಾವ್ಯ ಸಿಂಗಲ್-ಲೆಟರ್ ಡಿಎನ್‌ಎ ಬದಲಾವಣೆಗಳ ಬಗ್ಗೆ ಮುನ್ಸೂಚನೆಗಳನ್ನು ನೀಡಿದೆ. ಈ ಹಿಂದೆ, ಆಲ್ಫಾಜಿನೋಮ್ ಆಯ್ದ ರೂಪಾಂತರಗಳನ್ನು ಪರೀಕ್ಷಿಸಲು ಸಹಾಯ ಮಾಡಿತು; ಅಟ್ಲಾಸ್ ಜಿನೋಮ್‌ನಾದ್ಯಂತ ಮೊದಲೇ ಲೆಕ್ಕಹಾಕಿದ ಫಲಿತಾಂಶಗಳನ್ನು ಹುಡುಕುವಂತೆ ಮಾಡುತ್ತದೆ. ಪ್ರಯೋಗಾಲಯದಲ್ಲಿ ಮೊದಲು ಯಾವ ಬದಲಾವಣೆಗಳನ್ನು ಪರೀಕ್ಷಿಸಬೇಕು ಎಂಬುದನ್ನು ಆಯ್ಕೆ ಮಾಡಲು ವಿಜ್ಞಾನಿಗಳು ಈ ಫಲಿತಾಂಶಗಳನ್ನು ಬಳಸಬಹುದು. ಸಂಯೋಜಿತ ಇಂಪ್ಯಾಕ್ಟ್ ಸ್ಕೋರ್ ರೂಪಾಂತರಗಳನ್ನು ರ್ಯಾಂಕ್ ಮಾಡಲು ಮತ್ತು ಅವು ಪರಿಣಾಮ ಬೀರಬಹುದಾದ ಜೈವಿಕ ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ಗುರುತಿಸಲು ಸಹ ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಈ ಸಂಪನ್ಮೂಲ ವಾಣಿಜ್ಯೇತರ ಸಂಶೋಧನೆಗೆ ಲಭ್ಯವಿದೆ. ಇದನ್ನು ಕ್ಲಿನಿಕಲ್ ಬಳಕೆಗೆ ಮೌಲ್ಯೀಕರಿಸಲಾಗಿಲ್ಲ ಅಥವಾ ಅನುಮೋದಿಸಲಾಗಿಲ್ಲ, ಆದ್ದರಿಂದ ಭವಿಷ್ಯವಾಣಿಯು ರೋಗಿಯ ರೋಗನಿರ್ಣಯವನ್ನು ಸ್ಥಾಪಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ.

Background

ಡಿಎನ್‌ಎ ಅನುಕ್ರಮವನ್ನು ಓದುವುದು ಅದರ ಅಕ್ಷರಗಳನ್ನು ಬಹಿರಂಗಪಡಿಸುತ್ತದೆ, ಆದರೆ ಆ ಅಕ್ಷರಗಳಲ್ಲಿನ ಬದಲಾವಣೆಯು ಏನು ಮಾಡುತ್ತದೆ ಎಂಬುದನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ವಿವರಿಸುವುದಿಲ್ಲ. ಕೆಲವು ಬದಲಾವಣೆಗಳು ಪ್ರೋಟೀನ್‌ಗಳನ್ನು ಬದಲಾಯಿಸುತ್ತವೆ. ಇತರವು ಜೀನ್‌ಗಳು ಯಾವಾಗ, ಎಲ್ಲಿ ಅಥವಾ ಎಷ್ಟು ಬಲವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ನಿಯಂತ್ರಿಸುವ ಸೂಚನೆಗಳ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತವೆ. ಆದ್ದರಿಂದ ಸಂಶೋಧಕರು ಒಂದು ರೂಪಾಂತರವನ್ನು ಕೇವಲ ಪತ್ತೆಹಚ್ಚುವ ಬದಲು ಜೈವಿಕ ಕಾರ್ಯವಿಧಾನದೊಂದಿಗೆ ಸಂಪರ್ಕಿಸಬೇಕಾಗುತ್ತದೆ. ಪ್ರತಿಯೊಂದು ಸಂಭಾವ್ಯ ಬದಲಾವಣೆಯನ್ನು ಪರೀಕ್ಷಿಸುವುದು ದೊಡ್ಡ ಪ್ರಮಾಣದ ಪ್ರಯೋಗಾಲಯದ ಪ್ರಯತ್ನವನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ. ಹುಡುಕಬಹುದಾದ ಮುನ್ಸೂಚನೆ ನಕ್ಷೆಯು ಆ ಹುಡುಕಾಟವನ್ನು ಕಿರಿದಾಗಿಸಬಹುದು. ಸೂಚಿಸಲಾದ ಪರಿಣಾಮವು ವಾಸ್ತವವಾಗಿ ಸಂಭವಿಸುತ್ತದೆಯೇ ಎಂದು ಪ್ರಯೋಗಗಳು ನಂತರ ಪರೀಕ್ಷಿಸಬೇಕು.

How it developed

Earlier context: interpreting DNA beyond its sequence

How it started
ಜಿನೋಮ್ ಓದುವುದು ಕಾರ್ಯಚಟುವಟಿಕೆಯ ಬಗ್ಗೆ ಕಷ್ಟಕರವಾದ ಪ್ರಶ್ನೆಯನ್ನು ಉಳಿಸುತ್ತದೆ

ಹಿಂದಿನ ಆಲ್ಫಾಜಿನೋಮ್ ಮಾದರಿಯು ಸಂಶೋಧಕರಿಗೆ ಆಯ್ದ ಡಿಎನ್‌ಎ ರೂಪಾಂತರಗಳ ಪರಿಣಾಮಗಳನ್ನು ಊಹಿಸಲು ಸಹಾಯ ಮಾಡಿತು. ಜಿನೋಮ್‌ನಾದ್ಯಂತ ಬದಲಾವಣೆಗಳನ್ನು ಹೋಲಿಸಲು ಮತ್ತು ಅವುಗಳ ಸ್ಕೋರ್‌ಗಳ ಹಿಂದಿನ ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಂಶೋಧಕರಿಗೆ ಇನ್ನೂ ಒಂದು ಮಾರ್ಗದ ಅಗತ್ಯವಿತ್ತು. ಜೀನ್‌ಗಳು ಎಲ್ಲೆಡೆ ಸುಮ್ಮನೆ ಸ್ವಿಚ್ ಆನ್ ಆಗಿ ಇರದ ಕಾರಣ ಇದು ಮುಖ್ಯವಾಗಿದೆ. ಜೀವಕೋಶಗಳು ಜೀನ್‌ಗಳ ಚಟುವಟಿಕೆಯನ್ನು ನಿಯಂತ್ರಿಸುತ್ತವೆ ಮತ್ತು ರೆಗ್ಯುಲೇಟರಿ ಸೂಚನೆಯಲ್ಲಿನ ಬದಲಾವಣೆಯು ಪ್ರೋಟೀನ್-ಕೋಡಿಂಗ್ ಪ್ರದೇಶದ ಹೊರಗಡೆಯೂ ಪರಿಣಾಮ ಬೀರಬಹುದು. ಈ ವಿಶಾಲವಾದ ಹೋಲಿಕೆಯನ್ನು ಪ್ರವೇಶಿಸುವಂತೆ ಮಾಡಲು ಅಟ್ಲಾಸ್ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಮಾದರಿಯನ್ನು ಆಧರಿಸಿದೆ.

Google DeepMind National Human Genome Research Institute
8 September 2026: research resource released

New fact
ಮೊದಲು ಯಾವ ರೂಪಾಂತರಗಳನ್ನು ಪರೀಕ್ಷಿಸಬೇಕು ಎಂಬುದನ್ನು ಹುಡುಕಬಹುದಾದ ನಕ್ಷೆ ಮಾರ್ಗದರ್ಶನ ಮಾಡುತ್ತದೆ

8 ಸೆಪ್ಟೆಂಬರ್ 2026 ರಂದು, ಡೀಪ್‌ಮೈಂಡ್ ವಾಣಿಜ್ಯೇತರ ಸಂಶೋಧನೆಗಾಗಿ ಅಟ್ಲಾಸ್ ಅನ್ನು ಹುಡುಕಬಹುದಾದ ವೆಬ್‌ಸೈಟ್ ಮೂಲಕ ತೆರೆಯಿತು. ಮಾನವ ಜಿನೋಮ್ ಸರಿಸುಮಾರು 3 ಬಿಲಿಯನ್ ಡಿಎನ್‌ಎ ಅಕ್ಷರಗಳನ್ನು ಹೊಂದಿದೆ, ಪ್ರತಿ ಸ್ಥಾನದಲ್ಲಿ 3 ಪರ್ಯಾಯ ಅಕ್ಷರಗಳು ಸಾಧ್ಯ. ಇದು ಸುಮಾರು 9 ಬಿಲಿಯನ್ ಸಿಂಗಲ್-ಲೆಟರ್ ಬದಲಾವಣೆಗಳ ಪ್ರಮಾಣವನ್ನು ವಿವರಿಸುತ್ತದೆ; ಇದು ರೋಗಿಗಳ ಎಣಿಕೆಯಲ್ಲ. ಪ್ರಯೋಗಗಳಿಗೆ ಆದ್ಯತೆ ನೀಡಲು ಸಂಶೋಧಕರಿಗೆ ಸಹಾಯ ಮಾಡಲು ಅಟ್ಲಾಸ್ ಊಹಿಸಲಾದ ಆಣ್ವಿಕ ಪರಿಣಾಮಗಳು ಮತ್ತು ಇಂಪ್ಯಾಕ್ಟ್ ಸ್ಕೋರ್ ಅನ್ನು ಸಂಗ್ರಹಿಸುತ್ತದೆ. ಸಹಯೋಗಿ ವಿಜ್ಞಾನಿಗಳು ಜೀವಕೋಶದ ಪ್ರಕಾರಗಳಾದ್ಯಂತ ನಿಯಂತ್ರಕ ಮಾದರಿಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡಲು ಇದನ್ನು ಬಳಸಿದ್ದಾರೆ. ಈ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ಸಂಶೋಧನೆಯನ್ನು ಬೆಂಬಲಿಸುತ್ತವೆ, ಆದರೆ ಪ್ರಯೋಗಾಲಯ ಪರೀಕ್ಷೆಯನ್ನು ಬದಲಿಸುವುದಿಲ್ಲ ಅಥವಾ ಕ್ಲಿನಿಕಲ್ ಅನುಮೋದನೆಯನ್ನು ಸ್ಥಾಪಿಸುವುದಿಲ್ಲ.

Google DeepMind Stowers Institute

Why it matters for UPSC

GS3 · BiotechnologyGS3 · Artificial intelligence

GS3 ಗಾಗಿ, ಜೀನೋಮಿಕ್ಸ್ ಅನ್ನು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಮತ್ತು ಪ್ರಾಯೋಗಿಕ ಮೌಲ್ಯೀಕರಣದೊಂದಿಗೆ ಸಂಪರ್ಕಿಸಿ. ಡಿಎನ್‌ಎ ಅನುಕ್ರಮವನ್ನು ಓದುವುದು, ರೂಪಾಂತರದ ಪರಿಣಾಮವನ್ನು ಊಹಿಸುವುದು ಮತ್ತು ರೋಗನಿರ್ಣಯವನ್ನು ಸ್ಥಾಪಿಸುವುದರ ನಡುವೆ ವ್ಯತ್ಯಾಸವನ್ನು ಗುರುತಿಸಿ. ಮುಕ್ತ ಸಂಶೋಧನಾ ಪ್ರವೇಶವು ಮುನ್ಸೂಚನೆಗಳನ್ನು ವೈದ್ಯಕೀಯವಾಗಿ ಅನುಮೋದಿಸದೆ ಭಾಗವಹಿಸುವಿಕೆಯನ್ನು ವಿಸ್ತರಿಸಬಹುದು.

Key terms

ಜಿನೋಮ್ (Genome)ಜೀವಿಯಲ್ಲಿರುವ ಆನುವಂಶಿಕ ಸೂಚನೆಗಳ ಸಂಪೂರ್ಣ ಸೆಟ್. ಮಾನವ ಡಿಎನ್‌ಎ 4 ರಾಸಾಯನಿಕ ಬೇಸ್‌ಗಳನ್ನು ಬಳಸುತ್ತದೆ, ಇವುಗಳನ್ನು ಸಾಂಪ್ರದಾಯಿಕವಾಗಿ A, C, G ಮತ್ತು T ಎಂದು ಬರೆಯಲಾಗುತ್ತದೆ. ಅವುಗಳ ಕ್ರಮವನ್ನು ಓದುವುದು ಅನುಕ್ರಮವನ್ನು ನೀಡುತ್ತದೆ; ಆ ಅನುಕ್ರಮವು ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಹೆಚ್ಚಿನ ಪುರಾವೆಗಳ ಅಗತ್ಯವಿದೆ.

ಸಿಂಗಲ್-ನ್ಯೂಕ್ಲಿಯೋಟೈಡ್ ವೇರಿಯಂಟ್ (Single-nucleotide variant)ಒಂದು ಡಿಎನ್‌ಎ-ಅಕ್ಷರ ಸ್ಥಾನದಲ್ಲಿನ ವ್ಯತ್ಯಾಸ, ಉದಾಹರಣೆಗೆ A ಯನ್ನು G ಯೊಂದಿಗೆ ಬದಲಾಯಿಸುವುದು. ಅಟ್ಲಾಸ್ ಜಿನೋಮ್‌ನಾದ್ಯಂತ ಸಂಭಾವ್ಯ ಸಿಂಗಲ್-ಲೆಟರ್ ಬದಲಿಗಳನ್ನು ಪರಿಗಣಿಸುತ್ತದೆ. ಇದರ ವ್ಯಾಪ್ತಿಯನ್ನು ಪ್ರತಿಯೊಂದು ಸಂಭಾವ್ಯ ಅಳಿಸುವಿಕೆ, ಸೇರ್ಪಡೆ ಅಥವಾ ದೊಡ್ಡ ಕ್ರೋಮೋಸೋಮ್ ಬದಲಾವಣೆ ಎಂದು ತಪ್ಪಾಗಿ ಭಾವಿಸಬಾರದು.

ಜೀನ್ ರೆಗ್ಯುಲೇಶನ್ (Gene regulation)ಜೀನ್ ಅನ್ನು ಯಾವಾಗ, ಎಲ್ಲಿ ಮತ್ತು ಎಷ್ಟು ಬಳಸಲಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ನಿಯಂತ್ರಿಸುವ ಪ್ರಕ್ರಿಯೆಗಳು. ಹೆಚ್ಚಾಗಿ ಒಂದೇ ಡಿಎನ್‌ಎ ಹೊಂದಿದ್ದರೂ ವಿಭಿನ್ನ ಜೀವಕೋಶದ ಪ್ರಕಾರಗಳು ವಿಭಿನ್ನ ಕೆಲಸಗಳನ್ನು ಮಾಡಲು ಇದು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಒಂದು ರೂಪಾಂತರವು ಪ್ರೋಟೀನ್‌ನ ಕೋಡಿಂಗ್ ಅನುಕ್ರಮವನ್ನು ಬದಲಾಯಿಸದೆಯೇ ಈ ನಿಯಂತ್ರಣದ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರಬಹುದು.

ಪ್ರೋಟೀನ್-ಕೋಡಿಂಗ್ ಮತ್ತು ನಾನ್-ಕೋಡಿಂಗ್ ಡಿಎನ್‌ಎ (Protein-coding and non-coding DNA)ಪ್ರೋಟೀನ್-ಕೋಡಿಂಗ್ ಪ್ರದೇಶಗಳು ಪ್ರೋಟೀನ್‌ಗಳನ್ನು ನಿರ್ಮಿಸಲು ಬಳಸುವ ಸೂಚನೆಗಳನ್ನು ಪೂರೈಸುತ್ತವೆ. ನಾನ್-ಕೋಡಿಂಗ್ ಪ್ರದೇಶಗಳು ನೇರವಾಗಿ ಪ್ರೋಟೀನ್ ಅನುಕ್ರಮವನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸುವುದಿಲ್ಲ; ಕೆಲವು ಪ್ರಮುಖ ನಿಯಂತ್ರಕ ಸೂಚನೆಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತವೆ. ನಾನ್-ಕೋಡಿಂಗ್ ಎಂದರೆ ನಿಷ್ಪ್ರಯೋಜಕ ಎಂದರ್ಥವಲ್ಲ, ಮತ್ತು ಅಂತಹ ಪ್ರತಿಯೊಂದು ಪ್ರದೇಶಕ್ಕೂ ತಿಳಿದಿರುವ ಕಾರ್ಯವಿದೆ ಎಂದರ್ಥವಲ್ಲ.

ಆಲ್ಫಾಜಿನೋಮ್ ವೇರಿಯಂಟ್ ಇಂಪ್ಯಾಕ್ಟ್ ಸ್ಕೋರ್ (AlphaGenome Variant Impact score)ತನಿಖೆಗಾಗಿ ರೂಪಾಂತರಗಳನ್ನು ಶ್ರೇಣೀಕರಿಸಲು ಸಹಾಯ ಮಾಡಲು ಜೀನ್ ನಿಯಂತ್ರಣ ಮತ್ತು ಪ್ರೋಟೀನ್ ಪರಿಣಾಮಗಳ ಕುರಿತಾದ ಮುನ್ಸೂಚನೆಗಳನ್ನು ಸಂಯೋಜಿಸುವ ಸ್ಕೋರ್. ಹೆಚ್ಚಿನ ನಿರೀಕ್ಷಿತ ಇಂಪ್ಯಾಕ್ಟ್ ನಿಕಟ ಅಧ್ಯಯನಕ್ಕಾಗಿ ಅಭ್ಯರ್ಥಿಯನ್ನು ಗುರುತಿಸುತ್ತದೆ. ರೂಪಾಂತರವು ನಿರ್ದಿಷ್ಟ ರೋಗವನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ ಎಂಬುದಕ್ಕೆ ಇದು ಸ್ವತಃ ಪುರಾವೆಯಲ್ಲ.

ಡಿಎನ್‌ಎ ಮೋಟಿಫ್ (DNA motif)ನಿಯಂತ್ರಕ ಪ್ರೋಟೀನ್ ಅನ್ನು ಬಂಧಿಸುವಂತಹ ಜೈವಿಕ ಕಾರ್ಯಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಪುನರಾವರ್ತಿತ ಸಣ್ಣ ಡಿಎನ್‌ಎ ಅನುಕ್ರಮ. ಮೋಟಿಫ್‌ಗಳನ್ನು ಮ್ಯಾಪಿಂಗ್ ಮಾಡುವುದರಿಂದ ಬದಲಾವಣೆಯು ಜೀನ್ ಚಟುವಟಿಕೆಯ ಮೇಲೆ ಏಕೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ ಎಂಬುದನ್ನು ವಿವರಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಇದರ ಮಹತ್ವವು ಜೀವಕೋಶದ ಪ್ರಕಾರ ಮತ್ತು ಸುತ್ತಮುತ್ತಲಿನ ಅನುಕ್ರಮವನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ.

ಪ್ರೀಕಂಪ್ಯೂಟೆಡ್ ಪ್ರೆಡಿಕ್ಷನ್ (Precomputed prediction)ಮುಂಚಿತವಾಗಿ ಲೆಕ್ಕಹಾಕಲಾದ ಮತ್ತು ನಂತರ ಹುಡುಕಲು ಸಂಗ್ರಹಿಸಲಾದ ಅಂದಾಜು. ಪ್ರತಿಯೊಂದು ಹುಡುಕಾಟಕ್ಕೂ ಹೊಸ ಮಾದರಿ ಲೆಕ್ಕಾಚಾರವನ್ನು ಚಲಾಯಿಸದೆಯೇ ಅನೇಕ ರೂಪಾಂತರಗಳನ್ನು ಅನ್ವೇಷಿಸಲು ಇದು ಸಂಶೋಧಕರಿಗೆ ಅನುಮತಿಸುತ್ತದೆ. ಮುನ್ಸೂಚನೆಯನ್ನು ಸಂಗ್ರಹಿಸುವುದರಿಂದ ಅದು ಪ್ರಾಯೋಗಿಕವಾಗಿ ಗಮನಿಸಿದ ಸತ್ಯವಾಗುವುದಿಲ್ಲ.

ಕ್ಲಿನಿಕಲ್ ವ್ಯಾಲಿಡೇಶನ್ (Clinical validation)ಸೂಕ್ತವಾದ ಪುರಾವೆಗಳು ಮತ್ತು ಸುರಕ್ಷತೆಗಳೊಂದಿಗೆ ವಿವರಿಸಿದ ವೈದ್ಯಕೀಯ ಬಳಕೆಗೆ ಒಂದು ಸಾಧನವು ಸಾಕಷ್ಟು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿದೆಯೇ ಎಂದು ಪರೀಕ್ಷಿಸುವುದು. ಅಟ್ಲಾಸ್ ಮುನ್ಸೂಚನೆಗಳು ಸಂಶೋಧನಾ ಉತ್ಪನ್ನಗಳಾಗಿವೆ ಮತ್ತು ಕ್ಲಿನಿಕಲ್ ಬಳಕೆಗೆ ಮೌಲ್ಯೀಕರಿಸಲಾಗಿಲ್ಲ ಅಥವಾ ಅನುಮೋದಿಸಲಾಗಿಲ್ಲ. ಅವು ವೃತ್ತಿಪರ ರೋಗನಿರ್ಣಯವನ್ನು ಬದಲಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ.

Sources (3)

Google DeepMind · official · AlphaGenome Atlas: a predictive map of single-letter DNA changes, 8 September 2026
National Human Genome Research Institute · official · Gene regulation: controlling when and how strongly genes are expressed
Stowers Institute · official · Research partners explain AlphaGenome Atlas and its limits, 8 September 2026