Google DeepMind выпустила AlphaGenome 2: ИИ предсказывает влияние мутаций в отдельных клетках

Google DeepMind представила AlphaGenome 2 — ИИ-модель, которая предсказывает, как изменения в ДНК влияют на работу генов в отдельных клетках. Систему обучили на 107 млн профилей одиночных клеток человека и мыши из 68 типов тканей, на вход она принимает последовательности длиной до миллиона нуклеотидов. На наборе данных TenK10K, охватывающем 28 типов иммунных клеток, модель нашла 30% причинных генетических вариантов против 16% у прошлой версии, а направление эффекта мутации определила в 43% случаев против 23%. AlphaGenome 2 — дополнение, а не замена первой AlphaGenome, вышедшей годом ранее. Ключевое отличие в том, что новая версия учитывает контекст клетки, поэтому одна и та же мутация оценивается отдельно для каждой ткани. В тестах модель за полчаса воспроизвела результат исследования воспалительных заболеваний кишечника, на который у учёных ушло полтора года. Для некоммерческих исследований AlphaGenome 2 уже открыта через API.

Что умеет AlphaGenome 2 и чем отличается от первой версии

Первая AlphaGenome анализировала множество тканей и клеточных линий одновременно. AlphaGenome 2 работает как условная модель: помимо последовательности ДНК до 1 млн нуклеотидов она получает описание биологического контекста — тип ткани, тип клетки, стадию развития. Это позволяет оценить, как одна и та же последовательность регулирует активность генов в разных клетках.

Модель прогнозирует несколько характеристик генома: экспрессию генов, метилирование ДНК, доступность хроматина. Отдельная особенность — работа с ранее неизвестными типами клеток без дообучения. Исследователю достаточно загрузить данные секвенирования РНК отдельных клеток, полученные даже от нескольких десятков клеток.

Проверка на реальных исследованиях: 30 минут против полутора лет

Разработчики воспроизвели часть выводов исследования 2024 года о причинах воспалительных заболеваний кишечника. Тогда учёные установили, что генетический вариант в некодирующем участке ДНК повышает активность гена ETS2 в макрофагах кишечника, запуская воспаление. По словам руководителя того исследования Джеймса Ли из Института Фрэнсиса Крика, его команде понадобилось полтора года, а AlphaGenome 2 получила тот же ответ примерно за 30 минут.

Во втором тесте модель проанализировала данные мРНК-вакцинации против COVID-19. Система определила: генетический вариант, связанный с тяжёлым течением инфекции, сильнее нарушает работу генов в активированных Т-клетках, чем в состоянии покоя.

Цифры: насколько точнее стала модель

Оба показателя получены на одном и том же наборе данных. Разработчики связывают прогресс с новой архитектурой: модель делает прогноз отдельно для каждого типа клеток или состояния.

Ограничения: почему до клиники ещё далеко

• Надёжные прогнозы покрывают лишь ~2% из 6,8 млн проанализированных вариантов (оценка генетика Питера Доннелли, главы Genomics).
• Среди вариантов, уже отнесённых исследованиями к вероятным причинным, модель делает прогнозы в нужном типе клеток примерно в 15 раз чаще.
• Детальный анализ требует больше вычислительных ресурсов, чем первая версия.
• Для клинических исследований модели пока не разрешены.

Сооснователь проекта Human Cell Atlas Сара Тайхманн отдельно отметила способность AlphaGenome 2 работать с новыми данными без переобучения — по её мнению, это важно при изучении клеток, чьё состояние меняется под воздействием болезней.

Вывод

AlphaGenome 2 вдвое обходит первую версию в поиске причинных генетических вариантов и умеет работать с новыми типами клеток без дообучения. До клинического применения далеко: надёжные прогнозы касаются лишь ~2% мутаций, а доступ открыт только для исследований.

Источники: 3dnews.ru, forklog.com, deepmind.google