Google DeepMind перешла от прогнозов для целых тканей к анализу отдельных типов клеток в AlphaGenome 2

У всех клеток тела одна и та же ДНК, но разные типы клеток включают и выключают разные гены. Поэтому сердечная мышца и иммунная клетка используют одну и ту же последовательность по-разному. Предсказать такие различия — одна из нерешённых задач геномики. Google DeepMind обучила AlphaGenome 2 на более чем 107 миллионах профилей отдельных клеток из 68 тканей человека и мыши. Модель должна помочь исследователям находить клеточные механизмы заболеваний.

От тканей к отдельным клеткам

Предыдущая AlphaGenome принимала последовательность ДНК длиной в миллион букв и предсказывала её свойства сразу по тысячам экспериментов с разными тканями. По данным Google DeepMind, такой подход распределял возможности модели между множеством задач и мешал ей улавливать тонкие различия между близкими типами клеток.

AlphaGenome 2 работает условно: вместе с последовательностью ДНК она получает сведения о конкретном биологическом состоянии и рассчитывает эффекты для одного типа клеток. Модель оценивает не только активность генов, но и физическую упаковку ДНК в ядре: по её прогнозам можно определить, какие участки генома доступны. Она также предсказывает метилирование ДНК — химические метки, которые помогают включать и выключать гены.

Модель способна восстанавливать недостающие данные по одному измерению. Например, если исследователи знают только активность генов в клетке, AlphaGenome 2 может оценить дополнительные свойства — в том числе насколько плотно упакованы определённые участки ДНК. Это помогает решить, какие лабораторные эксперименты проводить дальше.

AlphaGenome 2 больше не рассчитывает эффекты ДНК в широком смысле сразу для многих тканей, а вместо этого нацелен на конкретное состояние клетки, заданное как дополнительное условие

Источник: the-decoder.com

Точнее определяет варианты, связанные с болезнями

В бенчмарке TenK10K, включающем 28 типов первичных иммунных клеток, AlphaGenome 2 выявила около 30% причинных вариантов. В 43% случаев модель также верно предсказала, повышает вариант активность гена или снижает её. Тонко настроенная версия AlphaGenome 1 показала результаты 16% и 23% соответственно. Новая модель точнее описывает и непрерывные изменения — например, созревание стволовых клеток крови в эритроциты.

Вычислительным путём AlphaGenome 2 воспроизвела механизм воспалительного заболевания кишечника, ранее описанный в исследовании. Модель определила конкретный вариант ДНК в регуляторном участке, расположенном далеко от гена: он избирательно усиливал активность ETS2 в макрофагах кишечника, почти не затрагивая другие типы клеток и гены.

Архитектура модели позволяет применять её к новым экспериментам без повторного обучения. Исследователи могут передать данные об активности генов всего нескольких десятков клеток, после чего модель оценит ранее не встречавшееся состояние клетки. По словам DeepMind, в таких задачах она часто превосходит специализированные модели, обученные непосредственно на этих данных.

На данных исследования мРНК-вакцины от COVID-19 AlphaGenome 2 различила Т-клетки, активированные вакциной, и покоящиеся клетки. Она также показала, что вариант гена, связанный с тяжёлым течением COVID-19, нарушает работу клеток главным образом в активированном состоянии. В покоящихся клетках этот эффект остался бы незаметным.

При созревании эритроцитов предсказания AlphaGenome 2 (в центре) гораздо ближе к наблюдаемым измерениям (слева), чем предсказания его предшественника, дообученного на этих данных (справа)

Источник: the-decoder.com

От генетических исследований к поиску мишеней

DeepMind заранее рассчитала прогнозы для сотен состояний клеток и тканей, в том числе для поддержки разработки лекарств с помощью ИИ. Эти данные предназначены и для анализа исследований полногеномных ассоциаций — GWAS. Такие исследования связывают участки ДНК с признаками вроде роста или диабета второго типа, но часто указывают лишь на широкую область генома. AlphaGenome 2 помогает сузить поиск причинных вариантов и определить затронутые типы клеток — например, астроциты мозга или отдельные иммунные клетки. Если уверенность модели достаточно высока, она также прогнозирует, усиливает мутация активность гена или ослабляет её.

Для некоммерческих исследований AlphaGenome 2 доступна через API. Коммерческим пользователям открыт закрытый предварительный доступ; для клинической диагностики модель не одобрена. DeepMind также планирует вскоре добавить специальные функции AlphaGenome 2 в платформу разработки ИИ-агентов Google Antigravity. Там модель собираются объединить с инструментами вроде Gemini 4 для автоматизации исследовательских процессов.

По оценке Dataist, AlphaGenome 2 помогает связывать генетические варианты с теми клетками, где их эффект проявляется, и тем самым уточнять результаты геномных исследований. Однако модель пока предназначена для исследовательской работы: для клинической диагностики она не одобрена.