‹ News Blitz Science & Technology Settled

பில்லியன்கணக்கான சாத்தியமான டிஎன்ஏ மாற்றங்களைப் புரிந்துகொள்ள ஆல்பாஜெனோம் அட்லஸ் உதவுகிறது

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

கூகுள் டீப்மைண்ட் 8 செப்டம்பர் 2026 அன்று ஆல்பாஜெனோம் அட்லஸை வெளியிட்டது, இது சுமார் 9 பில்லியன் சாத்தியமான சிங்கிள்-லெட்டர் டிஎன்ஏ மாற்றங்களுக்கான கணிப்புகளை ஆராய்ச்சியாளர்களுக்கு வழங்குகிறது. இதற்கு முன்பு, தேர்ந்தெடுக்கப்பட்ட மாறுபாடுகளை ஆய்வு செய்ய ஆல்பாஜெனோம் உதவியது; அட்லஸ் முன்கூட்டியே கணக்கிடப்பட்ட முடிவுகளை ஜீனோம் முழுவதும் தேடக்கூடியதாக மாற்றுகிறது. முதலில் எந்தெந்த மாற்றங்கள் ஆய்வக சோதனைக்கு உட்படுத்தப்பட வேண்டும் என்பதைத் தேர்ந்தெடுக்க விஞ்ஞானிகள் இந்த முடிவுகளைப் பயன்படுத்தலாம். ஒருங்கிணைந்த இம்பாக்ட் ஸ்கோர் மாறுபாடுகளைத் தரவரிசைப்படுத்தவும் அவை பாதிக்கக்கூடிய உயிரியல் செயல்முறைகளை அடையாளம் காணவும் உதவுகிறது. இந்த வளம் வணிகரீதியற்ற ஆராய்ச்சிக்குக் கிடைக்கிறது. இது மருத்துவப் பயன்பாட்டிற்காக சரிபார்க்கப்படவில்லை அல்லது அங்கீகரிக்கப்படவில்லை, எனவே ஒரு கணிப்பு மூலம் நோயாளியின் நோயறிதலை நிறுவ முடியாது.

Background

டிஎன்ஏ வரிசையை வாசிப்பது அதன் எழுத்துக்களை வெளிப்படுத்துகிறது, ஆனால் அந்த எழுத்துக்களில் ஏற்படும் மாற்றம் என்ன செய்யும் என்பதை தானாகவே விளக்காது. சில மாற்றங்கள் புரதங்களை மாற்றுகின்றன. மற்றவை மரபணுக்கள் எப்போது, எங்கே அல்லது எவ்வளவு வலுவாகச் செயல்படுகின்றன என்பதைக் கட்டுப்படுத்தும் வழிமுறைகளைப் பாதிக்கின்றன. எனவே ஆராய்ச்சியாளர்கள் ஒரு மாறுபாட்டைக் கண்டறிவதோடு நிற்காமல், அதை ஒரு உயிரியல் வழிமுறையுடன் இணைக்க வேண்டும். சாத்தியமான ஒவ்வொரு மாற்றத்தையும் சோதிப்பது மிகப்பெரிய ஆய்வக முயற்சியை எடுக்கும். தேடக்கூடிய கணிப்பு வரைபடம் அந்தத் தேடலைக் குறைக்கலாம். பரிந்துரைக்கப்பட்ட விளைவு உண்மையில் நிகழ்கிறதா என்பதைச் சோதனைகள் அதன் பிறகு சோதிக்க வேண்டும்.

How it developed

Earlier context: interpreting DNA beyond its sequence

How it started
ஜீனோமை வாசிப்பது செயல்பாடு பற்றிய கடினமான கேள்வியை விட்டுச்செல்கிறது

முந்தைய ஆல்பாஜெனோம் மாதிரி, தேர்ந்தெடுக்கப்பட்ட டிஎன்ஏ மாறுபாடுகளின் விளைவுகளைக் கணிக்க ஆராய்ச்சியாளர்களுக்கு உதவியது. ஜீனோம் முழுவதும் மாற்றங்களை ஒப்பிடவும் அவற்றின் மதிப்பெண்களுக்குப் பின்னால் உள்ள செயல்முறைகளைப் புரிந்துகொள்ளவும் ஆராய்ச்சியாளர்களுக்கு ஒரு வழி தேவைப்பட்டது. மரபணுக்கள் எல்லா இடங்களிலும் தானாகவே இயங்குவதில்லை என்பதால் இது முக்கியமானது. செல்கள் மரபணுக்களின் செயல்பாட்டைக் கட்டுப்படுத்துகின்றன, மேலும் ஒரு ஒழுங்குமுறை வழிமுறையில் ஏற்படும் மாற்றம் ஒரு புரத-குறியாக்கப் பகுதிக்கு வெளியிலும் முக்கியத்துவம் வாய்ந்ததாக இருக்கலாம். இந்த பரந்த ஒப்பீட்டை அணுகக்கூடியதாக மாற்ற அட்லஸ் தற்போதுள்ள மாதிரியை அடிப்படையாகக் கொண்டுள்ளது.

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

New fact
முதலில் எந்த மாறுபாடுகளைச் சோதிக்க வேண்டும் என்பதைத் தேடக்கூடிய வரைபடம் வழிகாட்டுகிறது

8 செப்டம்பர் 2026 அன்று, டீப்மைண்ட் தேடக்கூடிய இணையதளம் மூலம் வணிகரீதியற்ற ஆராய்ச்சிக்காக அட்லஸைத் திறந்தது. மனித ஜீனோமில் தோராயமாக 3 பில்லியன் டிஎன்ஏ எழுத்துக்கள் உள்ளன, ஒவ்வொரு இடத்திலும் 3 மாற்று எழுத்துக்கள் சாத்தியமாகும். இது சுமார் 9 பில்லியன் சிங்கிள்-லெட்டர் மாற்றங்களின் அளவை விளக்குகிறது; இது நோயாளிகளின் எண்ணிக்கை அல்ல. சோதனைகளுக்கு முன்னுரிமை அளிக்க ஆராய்ச்சியாளர்களுக்கு உதவ, கணிக்கப்பட்ட மூலக்கூறு விளைவுகள் மற்றும் இம்பாக்ட் ஸ்கோரை அட்லஸ் சேமிக்கிறது. செல் வகைகளில் உள்ள ஒழுங்குமுறை வடிவங்களைப் படிக்க, கூட்டு விஞ்ஞானிகளும் இதைப் பயன்படுத்தினர். இந்தப் பயன்பாடுகள் ஆராய்ச்சியை ஆதரிக்கின்றன, ஆனால் ஆய்வகச் சோதனைக்கு மாற்றாக அமையாது அல்லது மருத்துவ ஒப்புதலை நிறுவவில்லை.

Google DeepMind Stowers Institute

Why it matters for UPSC

GS3 · BiotechnologyGS3 · Artificial intelligence

GS3-க்காக, மரபியல் துறையை செயற்கை நுண்ணறிவு மற்றும் சோதனை சரிபார்த்தல் ஆகியவற்றுடன் இணைக்கவும். டிஎன்ஏ வரிசையை வாசிப்பது, மாறுபாட்டின் விளைவைக் கணிப்பது மற்றும் நோயறிதலை நிறுவுவது ஆகியவற்றுக்கு இடையேயான வித்தியாசத்தைக் கண்டறியவும். மருத்துவ ரீதியாகக் கணிப்புகளை அங்கீகரிக்காமல் திறந்த ஆராய்ச்சி அணுகல் பங்கேற்பை விரிவுபடுத்தும்.

Key terms

ஜீனோம் (Genome)ஒரு உயிரினத்தில் உள்ள மரபணு வழிமுறைகளின் முழுமையான தொகுப்பு. மனித டிஎன்ஏ 4 வேதியியல் காரங்களைப் பயன்படுத்துகிறது, இவை வழக்கமாக A, C, G மற்றும் T என்று எழுதப்படுகின்றன. அவற்றின் வரிசையைப் படிப்பது ஒரு தொடரைத் தருகிறது; அந்த வரிசை எவ்வாறு செயல்படுகிறது என்பதைப் புரிந்துகொள்ள மேலும் சான்றுகள் தேவை.

சிங்கிள்-நியூக்ளியோடைடு வேரியண்ட் (Single-nucleotide variant)ஒரு டிஎன்ஏ-எழுத்து நிலையில் உள்ள வேறுபாடு, உதாரணமாக A-க்கு பதிலாக G என மாற்றுவது. அட்லஸ் ஜீனோம் முழுவதும் சாத்தியமான சிங்கிள்-லெட்டர் மாற்றுக்களைக் கருதுகிறது. இதன் நோக்கெல்லையை ஒவ்வொரு சாத்தியமான நீக்கம், செருகல் அல்லது பெரிய குரோமோசோம் மாற்றம் என்று தவறாகப் புரிந்து கொள்ளக் கூடாது.

மரபணுச் செயல்பாட்டுக் கட்டுப்பாடு (Gene regulation)ஒரு மரபணு எப்போது, எங்கே, எவ்வளவு பயன்படுத்தப்படுகிறது என்பதைக் கட்டுப்படுத்தும் செயல்முறைகள். அடிப்படையில் ஒரே டிஎன்ஏ-வைக் கொண்டிருந்தாலும் வெவ்வேறு செல்கள் வெவ்வேறு வேலைகளைச் செய்ய இது உதவுகிறது. ஒரு மாறுபாடு ஒரு புரதத்தின் குறியாக்க வரிசையை மாற்றாமல் இந்தக் கட்டுப்பாட்டைப் பாதிக்கலாம்.

புரதக் குறியாக்கம் மற்றும் குறியாக்கமற்ற டிஎன்ஏ (Protein-coding and non-coding DNA)புரத-குறியாக்கப் பகுதிகள் புரதங்களை உருவாக்குவதற்கான வழிமுறைகளை வழங்குகின்றன. குறியாக்கமற்ற பகுதிகள் ஒரு புரத வரிசையை நேரடியாகக் குறிப்பிடுவதில்லை; சிலவற்றில் முக்கியமான ஒழுங்குமுறை வழிமுறைகள் உள்ளன. குறியாக்கமற்றது என்றால் பயனற்றது என்று அர்த்தமல்ல, அத்தகைய ஒவ்வொரு பகுதிக்கும் அறியப்பட்ட செயல்பாடு உள்ளது என்றும் அர்த்தமல்ல.

ஆல்பாஜெனோம் வேரியண்ட் இம்பாக்ட் ஸ்கோர் (AlphaGenome Variant Impact score)ஆய்வுக்கான மாறுபாடுகளைத் தரவரிசைப்படுத்த உதவும் மரபணுச் செயல்பாட்டுக் கட்டுப்பாடு மற்றும் புரத விளைவுகள் பற்றிய கணிப்புகளை இணைக்கும் ஸ்கோர். அதிக கணிக்கப்பட்ட இம்பாக்ட் ஸ்கோர் கூர்ந்து படிக்க ஒரு மரபணு மாறுபாட்டை அடையாளம் காட்டுகிறது. இது ஒரு குறிப்பிட்ட நோயை ஏற்படுத்துகிறது என்பதற்கு இதுவே சான்றல்ல.

டிஎன்ஏ மோட்டிஃப் (DNA motif)ஒழுங்குமுறைப் புரதத்தைப் பிணைப்பது போன்ற உயிரியல் செயல்பாட்டுடன் தொடர்புடைய மீண்டும் நிகழும் குறுகிய டிஎன்ஏ வரிசை. மோட்டிஃப்களை மேப்பிங் செய்வது, ஒரு மாற்றம் ஏன் மரபணு செயல்பாட்டைப் பாதிக்கிறது என்பதை விளக்க உதவும். முக்கியத்துவம் செல் வகை மற்றும் சுற்றியுள்ள வரிசையைப் பொறுத்தது.

முன்கூட்டியே கணக்கிட்ட கணிப்பு (Precomputed prediction)ஒரு மதிப்பீடு முன்கூட்டியே கணக்கிடப்பட்டுப் பின்னர் பார்ப்பதற்காகச் சேமிக்கப்படுகிறது. ஒவ்வொரு தேடலுக்கும் புதிய மாதிரி கணக்கீட்டை இயக்காமல் பல மாறுபாடுகளை ஆராய இது ஆராய்ச்சியாளர்களை அனுமதிக்கிறது. ஒரு கணிப்பைச் சேமிப்பது அதை பரிசோதனையில் கண்டறியப்பட்ட உண்மையாக மாற்றாது.

மருத்துவச் சரிபார்ப்பு (Clinical validation)பொருத்தமான சான்றுகள் மற்றும் பாதுகாப்புகளுடன், வரையறுக்கப்பட்ட மருத்துவப் பயன்பாட்டிற்கு ஒரு கருவி போதுமான நம்பகத்தன்மையுடன் இருக்கிறதா என்று சோதிப்பது. அட்லஸ் கணிப்புகள் ஆராய்ச்சி முடிவுகள் மற்றும் மருத்துவப் பயன்பாட்டிற்காகக் சரிபார்க்கப்படவில்லை அல்லது அங்கீகரிக்கப்படவில்லை. அவை தொழில்முறை நோயறிதலை மாற்ற முடியாது.

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