Google DeepMind anunció AlphaGenome Atlas el 8 de septiembre, una base de datos que predice los efectos de cada posible variante de nucleótido en el genoma humano: el catálogo más completo, según la compañía, de cómo las mutaciones genéticas afectan la biología molecular. El lanzamiento convierte el modelo AlphaGenome de DeepMind en un recurso de búsqueda precalculado que los investigadores clínicos y biólogos pueden consultar sin escribir una línea de código.
El problema del 98 por ciento Para más contexto sobre esta historia, consulta nuestra actualidad de inteligencia artificial.
El genoma humano contiene alrededor de 3 mil millones de pares de bases de ADN, y los científicos entienden relativamente bien sólo el 2 por ciento que codifica proteínas. El 98 por ciento restante (en gran parte regulatorio) sigue siendo turbio. El modelo AlphaGenome de DeepMind ya ha demostrado cómo cambios únicos en estas regiones no codificantes pueden alterar procesos moleculares como la producción de proteínas, pero según la compañía, el panorama más amplio de cómo las variantes dan forma a la biología molecular a escala sigue sin estar claro.
Una variante de un solo nucleótido es un cambio en exactamente una letra del alfabeto de ADN de cuatro letras. Cada uno de nosotros posee millones de ellos, y la mayoría no hace nada en absoluto, pero una pequeña fracción altera cómo se activan y desactivan los genes, cómo se empalma el ARN o cómo se construyen las proteínas. Lo difícil nunca ha sido encontrar estas variantes; la secuenciación barata hizo esa rutina hace años. La parte difícil es la interpretación: para la abrumadora mayoría de posibles cambios de una sola letra, nunca se ha realizado ningún experimento, por lo que los investigadores han tenido que confiar en modelos computacionales para adivinar sus consecuencias moleculares.
AlphaGenome Atlas es el intento de DeepMind de proporcionar esa interpretación en un solo lugar. El equipo, dirigido por Pushmeet Kohli, vicepresidente de ciencia de Google DeepMind y científico jefe de Google Cloud, junto con el líder de la iniciativa genómica Ziga Avsec, utilizó el modelo AlphaGenome para precalcular el impacto regulatorio de los 9 mil millones de cambios genéticos de una sola letra (cada variante posible de un solo nucleótido) produciendo un conjunto de datos de aproximadamente 1 petabyte. En lugar de que cada laboratorio vuelva a ejecutar la inferencia a escala genómica en su propio grupo, las predicciones ahora existen como un catálogo compartido y consultable.
Una puntuación por priorizar variantes
Examinar predicciones a escala de petabytes sería en sí mismo un proyecto de investigación, por lo que el Atlas presenta la puntuación AlphaGenome Variant Impact (AVI). La puntuación única y fácil de usar combina predicciones en regiones codificantes y no codificantes, lo que permite a los investigadores priorizar rápidamente las variantes más prometedoras en lugar de tener que recorrer miles de puntos de datos individuales para cada una. En el marco de DeepMind, el Atlas actúa como un "socio de aumento" para la comunidad científica, acelerando la investigación en áreas que van desde variaciones genómicas raras hasta rasgos complejos.
Ya estamos resolviendo casos de enfermedades raras
El Atlas no es un recurso hipotético: DeepMind dice que los investigadores ya lo están utilizando. En el Broad Institute, Laura Covill y su equipo aplicaron la puntuación AVI para priorizar variantes en casos de enfermedades raras sin resolver. La herramienta destacó una variante crítica en el gen DNM1, prediciendo que crearía un sitio de empalme incorrecto, evidencia que ayudó al equipo a resolver el caso con éxito. Para las familias que han pasado años esperando un diagnóstico, esa es la recompensa práctica de la interpretación variante: convertir un resultado de secuenciación ambiguo en una respuesta.
El recurso también ha demostrado ser útil para rasgos complejos, donde es difícil identificar variantes raras no codificantes debido al ruido estadístico. El Dr. Gareth Hawkes aplicó AlphaGenome Atlas a datos de más de 54.000 participantes del Biobanco del Reino Unido. Al agrupar variantes según sus efectos moleculares previstos, descubrió un 22 por ciento más de asociaciones genéticas no codificantes que el análisis estándar. Centrándose en el 1 por ciento superior de variantes impactantes, identificó 19 regiones genéticas relacionadas con el índice de masa corporal, dirigiendo la siguiente etapa de investigación específica.
Acceso gratuito, no se requiere codificación
AlphaGenome Atlas está disponible hoy a través de un portal web que, según DeepMind, no requiere habilidades de codificación, una elección deliberada para democratizar el acceso para investigadores clínicos y biólogos que no trabajan con procesos computacionales a gran escala. Kohli y Avsec enmarcan el lanzamiento como parte del compromiso continuo de DeepMind para acelerar el descubrimiento genómico, y escriben que el Atlas proporciona "conocimientos genómicos fundamentados" que acelerarán el descubrimiento biológico en general.
El lanzamiento continúa la expansión de DeepMind de los modelos de IA para las ciencias biológicas, donde los recursos precalculados cambian la economía de la investigación: en lugar de que cada laboratorio tenga que ejecutar inferencias a escala del genoma, las predicciones para todas las variantes posibles se calculan una vez y se comparten. Para los equipos de enfermedades raras, la diferencia se puede medir en casos resueltos; para la genética de rasgos complejos, en el número de nuevas asociaciones que surgieron a partir de datos de biobancos existentes.
También coloca a DeepMind en competencia indirecta con un campo en aceleración. Los modelos de interpretación del genoma y los predictores de efectos variantes se han multiplicado en los laboratorios académicos y en las nuevas empresas, y la utilidad de cualquier catálogo depende de su adopción. Al ofrecer un portal gratuito con una única puntuación unificada, DeepMind apuesta a que la facilidad de uso (no solo el rendimiento del modelo en bruto) determina qué recurso pasa a formar parte del conjunto de herramientas de investigación clínica estándar.
Para los observadores de la IA, el Atlas es una señal más de hacia dónde se dirige la investigación de la IA aplicada: lejos de las interfaces de chat y hacia una infraestructura de dominio específico que incorpora predicciones de modelos directamente en los flujos de trabajo científicos.
---
Mantente al Día con la IALas últimas noticias, análisis y avances de inteligencia artificial, en un solo lugar.
Leer más noticias de IA →
