Google DeepMind представила модель для предсказания эффектов вариантов генов AlphaGenome 2

Компания Google DeepMind, принадлежащая Alphabet, представила AlphaGenome 2 — новую версию модели на основе машинного обучения для предсказания влияний генетических вариантов на регуляцию генома и работу клеток. Как говорится в анонсе компании, она может предсказывать эффекты таких вариантов в отдельных клетках разных типов и в отдельных их состояниях.

Первая версия AlphaGenome способна предсказывать эффекты генетических вариантов по 11 различным модальностям в разных тканях, обрабатывать последовательности ДНК до миллиона пар азотистых оснований с разрешением до одной пары и охватом кодирующих и некодирующих участков генома. Ее функционал дополнен платформой AlphaGenome Atlas, которая содержит предсказания для всех девяти миллиардов возможных однонуклеотидных изменений в человеческом геноме. Это помогает исследованиям в области редких болезней, сложных биологических признаков и фундаментальной биологии.

AlphaGenome 2 обучена на профилях более чем 100 миллионов отдельных клеток из 68 типов тканей, что позволило повысить разрешение с усредненных предсказаний для широкого круга тканей до отдельных типов клеток и их состояний. Модель предсказывает, как последовательность ДНК влияет на конкретное условие, которое определяется как тип ткани, тип клетки или состояние клетки, то есть как одна и та же последовательность будет считываться в зависимости от заданного условия. Также модель может подставлять данные в перекрестных модальностях, что позволяет предсказывать эффекты, для которых нет экспериментальных данных, например, доступность хроматина по активности генов в отдельной клетке.

Как и первая версия AlphaGenome, вторая предсказывает экспрессию генов, модификации гистонов и доступность хроматина, но в отличие от нее может предсказывать и метилирование ДНК. По сравнению с первой версией у нее повышена специфичность в отношении типов и состояний клеток — к примеру, при предсказании изменений экспрессии генов в ходе дифференцирования стволовой клетки в зрелую определенного типа. Также у нее улучшено предсказание эффектов генетических вариантов — при работе с крупным датасетом отдельных клеток иммунной системы 28 типов она идентифицировала почти вдвое больше причинных вариантов (30 против 16 процентов) и прямых эффектов генов (43 против 23 процентов). Улучшена и производительность идентификации вариантов, участвующих в развитии заболеваний. К примеру, модель смогла вычислительно предсказать, как вариант находящейся в другом участке генома регуляторной последовательности вызывает чрезмерную активацию гена ETS2 в кишечных макрофагах, что способствует развитию воспалительных заболеваний кишечника — недавно этот механизм открыт экспериментально.

AlphaGenome 2 может применяться в ранее не выполнявшихся экспериментах с отдельными клетками без дополнительного обучения. В нее можно ввести данные единомоментного секвенирования РНК одиночных клеток, по этой активности генов в одном состоянии клеток модель может прогнозировать другие их состояния. В эксперименте AlphaGenome 2 снабдили незнакомыми ей данными по отдельным клеткам из исследования мРНК-вакцины от ковида. По ним модель отличила активированные препаратом Т-лимфоциты от клеток в состоянии покоя, а также определила, что вариант, связанный с тяжелым течением заболевания, сильнее нарушает активность генов в таких активированных клетках. Также создатели AlphaGenome 2 заранее запустили на ней предсказания для связанных с конкретными признаками генетических вариантов, выявленных при полногеномных поисках ассоциаций (GWAS) в сотнях условий человеческих клеток и тканей. Это сделано, чтобы выявить связи энхансеров с генами в реальных клетках и причинные варианты, действующие в конкретных клетках, и предоставить исследователям эту информацию в готовом виде.

AlphaGenome 2 и интерактивные руководства по ней на Google Colab доступны для некоммерческих исследований через API, а также в качестве частного предпросмотра для коммерческих исследований.

Ранее Google DeepMind и Isomorphic Labs представили AlphaFold 3 — новую версию модели для предсказания точной структуры белков и их взаимодействий. В 2024 году создатели моделей для предсказания аминокислотной последовательности белков (Rosetta) и их трехмерной структуры (AlphaFold) удостоились Нобелевской премии по химии — подробно об этих разработках рассказано в материале «Напророчили».