Google DeepMind 发布 AlphaGenome 2,可预测 DNA 变异在特定细胞中的影响
该公司表示,其新模型发现的可改变细胞中基因表达的变异数量几乎是上一代模型的两倍。
AI 插图Google DeepMind 发布了 AlphaGenome 2,这一模型可预测 DNA 序列及其变异如何影响特定人类细胞类型中的基因活性。该公司表示,该模型识别出的可改变细胞中基因表达的变异数量几乎是上一代模型的两倍。
去年推出的第一代 AlphaGenome 可预测 DNA 变异如何影响广泛组织中的分子活性。据 Google DeepMind 介绍,该模型一次需预测数千项实验的属性,导致能力被分散,难以捕捉密切相关的细胞类型之间的细微差异。
AlphaGenome 2 则采用条件模型的方式运作。它接收一段长达百万碱基的 DNA 序列以及一个目标条件(例如某种组织、细胞类型或细胞状态),并仅针对该条件进行预测。该公司表示,这使模型能够学习同一段 DNA 在不同细胞中如何以不同方式被解读。该模型基于人类和小鼠数据,使用来自 68 种组织的超过 100 百万个单细胞图谱进行训练。除基因表达、组蛋白修饰和染色质可及性外,它现在还能预测 DNA 甲基化。
该公司表示,在涵盖 28 种原代免疫细胞类型的 TenK10K 数据集上,该模型识别出 30% 的因果变异,而在单细胞数据上微调的初代 AlphaGenome 及其他专用工具仅为 16%;在基因方向性效应方面,该模型识别出 43%,而后者为 23%。它还通过计算重现了一项早期研究的发现:某一变异通过过度激活肠道巨噬细胞中的 ETS2 基因而引发炎症性肠病(IBD)。
Google DeepMind 表示,该模型无需重新训练即可应用于新的单细胞实验,仅需几十个细胞的数据。在一项此前未见过的 COVID-19 mRNA 疫苗研究数据中,该模型将疫苗激活的 T 细胞与静息 T 细胞区分开来,并显示一个与重症 COVID-19 相关的变异在激活状态下对基因活性的干扰更为强烈。
该公司还针对数百种人类细胞和组织条件,预先计算了性状相关变异的预测结果。AlphaGenome 2 可通过 AlphaGenome API 用于非商业研究,并以非公开预览形式提供给商业研究。Google DeepMind 表示,这些模型仅供研究使用,尚未经过临床或诊断用途的验证或批准。