Google DeepMind 發表 AlphaGenome 2,可預測 DNA 變異在特定細胞中的影響
該公司表示,其新模型發現的可改變細胞中基因表現的變異數量幾乎是上一代模型的兩倍。
AI 插圖Google DeepMind 發表了 AlphaGenome 2,這款模型可預測 DNA 序列及其變異如何影響特定人類細胞類型中的基因活性。該公司表示,該模型識別出的可改變細胞中基因表現的變異數量幾乎是上一代模型的兩倍。
去年推出的第一代 AlphaGenome 可預測 DNA 變異如何影響廣泛組織中的分子活性。據 Google DeepMind 表示,該模型一次需預測數千項實驗的屬性,導致能力被分散,難以捕捉密切相關的細胞類型之間的細微差異。
AlphaGenome 2 則採用條件模型的方式運作。它接收一段長達百萬鹼基的 DNA 序列以及一個目標條件(例如某種組織、細胞類型或細胞狀態),並僅針對該條件進行預測。該公司表示,這讓模型能夠學習同一段 DNA 在不同細胞中如何以不同方式被解讀。該模型以人類和小鼠資料,使用來自 68 種組織的超過 100 百萬個單細胞圖譜進行訓練。除了基因表現、組蛋白修飾和染色質可及性之外,它現在還能預測 DNA 甲基化。
該公司表示,在涵蓋 28 種初代免疫細胞類型的 TenK10K 資料集上,該模型識別出 30% 的因果變異,而以單細胞資料微調的初代 AlphaGenome 及其他專用工具僅為 16%;在基因方向性效應方面,該模型識別出 43%,而後者為 23%。它還透過計算重現了一項早期研究的發現:某一變異透過過度活化腸道巨噬細胞中的 ETS2 基因而引發發炎性腸道疾病(IBD)。
Google DeepMind 表示,該模型無須重新訓練即可應用於新的單細胞實驗,僅需數十個細胞的資料。在一項先前未見過的 COVID-19 mRNA 疫苗研究資料中,該模型將疫苗活化的 T 細胞與靜止 T 細胞區分開來,並顯示一個與重症 COVID-19 相關的變異在活化狀態下對基因活性的干擾更為強烈。
該公司還針對數百種人類細胞和組織條件,預先計算了性狀相關變異的預測結果。AlphaGenome 2 可透過 AlphaGenome API 用於非商業研究,並以非公開預覽形式提供給商業研究。Google DeepMind 表示,這些模型僅供研究使用,尚未經過臨床或診斷用途的驗證或核准。