Google DeepMind представила AlphaGenome 2 для прогнозирования эффектов вариантов ДНК в конкретных клетках
По словам компании, новая модель находит почти вдвое больше вариантов, изменяющих экспрессию генов в клетках, чем предыдущая.
Иллюстрация, созданная ИИGoogle DeepMind анонсировала AlphaGenome 2 — модель, которая прогнозирует, как последовательности ДНК и их варианты влияют на активность генов в конкретных типах клеток человека. По словам компании, модель выявляет почти вдвое больше вариантов, изменяющих экспрессию генов в клетках, чем предыдущая модель.
Первая версия AlphaGenome, выпущенная в прошлом году, прогнозировала, как варианты ДНК влияют на молекулярную активность в широком спектре тканей. По данным Google DeepMind, она прогнозировала свойства сразу для тысяч экспериментов, из-за чего её возможности распределялись слишком широко, а тонкие различия между близкородственными типами клеток было трудно уловить.
AlphaGenome 2 же работает как условная модель. Она принимает последовательность ДНК длиной в миллион букв вместе с одним целевым условием — например, тканью, типом клеток или состоянием клетки — и делает прогнозы только для этого условия. По словам компании, это позволяет модели понять, как один и тот же фрагмент ДНК по-разному считывается в разных клетках. Модель обучена на более чем 100 миллионах профилей отдельных клеток из 68 тканей с использованием данных человека и мыши. Помимо экспрессии генов, модификаций гистонов и доступности хроматина, теперь она прогнозирует и метилирование ДНК.
По данным компании, на наборе данных TenK10K, охватывающем 28 типов первичных иммунных клеток, модель выявила 30% причинных вариантов против 16% у исходной AlphaGenome, дообученной на данных отдельных клеток, и других специализированных инструментов, а также 43% направленных эффектов на гены против 23%. Кроме того, она вычислительными методами воспроизвела вывод более раннего исследования о том, что один из вариантов вызывает ВЗК за счёт избыточной активации гена ETS2 в кишечных макрофагах.
Google DeepMind сообщила, что модель можно применять к новым экспериментам с отдельными клетками без повторного обучения, используя данные всего нескольких десятков клеток. На данных незнакомого ей исследования мРНК-вакцины против COVID-19 модель отделила активированные вакциной T-клетки от покоящихся и показала, что вариант, связанный с тяжёлым течением COVID-19, сильнее нарушает активность генов в активированном состоянии.
Компания также заранее рассчитала прогнозы для вариантов, связанных с признаками, для сотен условий клеток и тканей человека. AlphaGenome 2 доступна для некоммерческих исследований через AlphaGenome API, а для коммерческих исследований — в формате закрытой предварительной версии. Google DeepMind заявила, что модели предназначены только для исследований и не проходили валидацию и не одобрены для клинических или диагностических целей.