AlphaGenome 2: DNS-variánsok hatása sejttípusonként

Mit tud az új modell?

Az első AlphaGenome tavaly jelent meg. Egész szövetek szintjén becsülte, mit okoz egy DNS-változás. Az AlphaGenome 2 egy szinttel lejjebb megy: egyes sejttípusokra, például szívizomsejtekre vagy immunsejtekre ad előrejelzést (Google DeepMind).

• Tanítóadat: több mint 107 millió egyedi sejtprofil 68 szövetből, emberi és egér mintákból.
• Feltételes modell: a millió betűs DNS-szakasz mellé a célsejttípust is bemenetként kapja, így tanulja meg, hogy ugyanazt a szakaszt más sejt másképp olvassa.
• Új kimenet: a génexpresszió, a hisztonmódosítások és a kromatin-hozzáférhetőség mellett a DNS-metilációt is jósolja.
• Hiányzó mérést is pótol: egyetlen mért adatból, például single-cell génaktivitásból, megbecsüli a többit.

A számok

A TenK10K adathalmazon, amely 28 elsődleges immunsejttípust fed le, az AlphaGenome 2 az oki variánsok 30%-át azonosította, a single-cell adatokra finomhangolt első AlphaGenome 16%-ot. Az irányított génhatásoknál 43% az arány a korábbi 23%-kal szemben.

Egy gyulladásos bélbetegségről (IBD) szóló friss tanulmány eredményét számítással is visszaadta: kiszúrta az oki variánst. Azt is megmutatta, hogy az a bél makrofágjaiban erősíti az ETS2 gént, más sejtekben alig hat.

Új sejtállapotok újratanítás nélkül

A kutató néhány tucat sejtből álló single-cell RNA-seq mintát tölthet fel, a modell ebből sejtállapot-reprezentációt képez. Erre az állapotra újratanítás nélkül is jósol. Egy COVID-19 mRNS-vakcinás vizsgálat adatain így különítette el az aktivált T-sejteket a nyugvóktól.

Kinek elérhető?

Nem kereskedelmi kutatásra már elérhető az AlphaGenome API-n, Colab tutorialokkal. Kereskedelmi kutatásra private preview indult. Klinikai diagnosztikára nincs engedélyezve. Peter Donnelly, a Genomics vezérigazgatója szerint nagy előrelépés, de a modell a lekérdezhető variánsoknak csak kis részére ad magabiztos előrejelzést (Genomics).

Fejlesztői szemmel ez API-n hívható tudományos modell, nem chatbot: bioinformatikai pipeline-ba illeszthető variánspriorizálásra. Aki gyógyszerkutatásban vagy ritka betegségeken dolgozik, annak a sejttípus-szintű pontosság a valódi újdonság.