
Компания Google DeepMind, входящая в структуру Alphabet, анонсировала запуск AlphaGenome — мощной модели на основе машинного обучения, предназначенной для предсказания эффектов одиночных мутаций и вариантов генов. Эта новаторская разработка охватывает 11 различных модальностей и способна анализировать длинные последовательности ДНК — до миллиона пар оснований с разрешением до одной пары. Она предоставляет возможность оценивать как кодирующие, так и некодирующие участки генома. Описание AlphaGenome представлено в журнале Nature по ссылке.
Вопрос интерпретации влияния различий в последовательностях ДНК на их функциональность продолжает оставаться одной из самых сложных задач в области биологии. Некодирующие области, составляющие более 98 процентов генетической вариабельности, добавляют к этой задаче дополнительную сложность. В нынешнее время существующие модели на основе машинного обучения подвержены ограничениям: разрешение снижается с увеличением длины анализируемой последовательности, что может скрыть влияние на отдаленные участки генома. Кроме того, многие из них анализируют эффекты только по одной модальности, что ограничивает их возможности.
Вице-президент по исследованиям Google DeepMind Пушмит Кохли и его команда разработали AlphaGenome, которая может предсказывать множество молекулярных характеристик, включая начало и окончание генов, места сплайсинга и доступность. Для обучения использовались данные человеческого и мышиного геномов из организаций, таких как ENCODE и GTEx. AlphaGenome является продолжением предыдущих разработок Google DeepMind, таких как Enformer и AlphaMissense. Обучение модели заняло всего четыре часа, при этом потребовав вдвое меньше вычислительных ресурсов, чем Enformer.
AlphaGenome показывает высокую эффективность в предсказании эффектов одиночных мутаций, обрабатывая данные по 11 различным молекулярным характеристикам, включая экспрессию генов и состояние хроматина. В испытаниях эта модель продемонстрировала результаты, сопоставимые с лучшими существующими моделями, обеспечив целостную оценку, что является её преимуществом. Например, модель успешно проанализировала механизмы действия мутаций при остром Т-лимфобластном лейкозе и предсказала их связь с онкогеном TAL1 через связывание с фактором транскрипции MYB.
Google DeepMind открыла доступ к AlphaGenome для некоммерческого использования через API и создала форум для пользователей. Однако, несмотря на свои достижения, AlphaGenome имеет ограничения, включая снижение точности предсказаний на больших расстояниях от варианта и необходимость значительных доработок для учета специфики клеток и тканей. Модель ещё не предназначена для персонализированных предсказаний геномов и ограничена данными о геномах человека и мыши.




