Google DeepMind heeft op 8 september AlphaGenome Atlas aangekondigd, een database die de effecten van elke mogelijke afzonderlijke nucleotidevariant in het menselijk genoom voorspelt – de meest uitgebreide catalogus, zegt het bedrijf, van hoe genetische mutaties de moleculaire biologie beïnvloeden. De release verandert het AlphaGenome-model van DeepMind in een vooraf berekende, doorzoekbare bron die klinische onderzoekers en biologen kunnen doorzoeken zonder een regel code te schrijven.

Het 98 procent-probleem Voor meer context over dit verhaal, zie ons laatste AI-ontwikkelingen.

Het menselijk genoom bevat ongeveer 3 miljard basenparen DNA, en wetenschappers begrijpen relatief goed alleen de 2 procent die codeert voor eiwitten. De overige 98 procent – ​​waarvan een groot deel regelgevend – is duister gebleven. Het AlphaGenome-model van DeepMind heeft al aangetoond hoe afzonderlijke veranderingen in deze niet-coderende regio's moleculaire processen zoals de eiwitproductie kunnen verstoren, maar volgens het bedrijf bleef het grotere beeld van hoe varianten de moleculaire biologie op grote schaal vormgeven onduidelijk.

Een variant met één nucleotide is een verandering in precies één letter van het vierletterige DNA-alfabet. Ieder van ons heeft er miljoenen bij zich, en de meesten doen helemaal niets – maar een klein deel verandert de manier waarop genen worden in- en uitgeschakeld, hoe RNA wordt gesplitst of hoe eiwitten worden gebouwd. Het moeilijkste is nog nooit deze varianten te vinden; goedkope sequencing maakte die routine jaren geleden. Het moeilijkste deel is de interpretatie: voor de overgrote meerderheid van mogelijke veranderingen van één letter is er nooit een experiment uitgevoerd, dus moesten onderzoekers vertrouwen op computermodellen om de moleculaire gevolgen ervan te raden.

AlphaGenome Atlas is de poging van DeepMind om die interpretatie op één plek te bieden. Het team, onder leiding van Pushmeet Kohli, vice-president wetenschap bij Google DeepMind en hoofdwetenschapper bij Google Cloud, gebruikte samen met Ziga Avsec, leider van het genomics-initiatief, het AlphaGenome-model om vooraf de impact op de regelgeving te berekenen van alle 9 miljard genetische veranderingen van één letter – elke mogelijke afzonderlijke nucleotidevariant – en produceerde een dataset van ongeveer 1 petabyte. In plaats van dat elk laboratorium de gevolgtrekkingen op genoomschaal opnieuw uitvoert op zijn eigen cluster, bestaan ​​de voorspellingen nu als een gedeelde, doorzoekbare catalogus.

Eén score voor het prioriteren van varianten

Het doorzoeken van voorspellingen op petabyteschaal zou op zichzelf al een onderzoeksproject zijn, daarom introduceert de Atlas de AlphaGenome Variant Impact (AVI)-score. De enkele, eenvoudig te gebruiken score combineert voorspellingen over zowel coderende als niet-coderende regio's, waardoor onderzoekers snel de meest veelbelovende varianten kunnen prioriteren in plaats van voor elke variant duizenden individuele datapunten te moeten doorzoeken. In de visie van DeepMind fungeert de Atlas als een ‘augmentatiepartner’ voor de wetenschappelijke gemeenschap, waardoor onderzoek wordt versneld op gebieden van zeldzame genomische variaties tot complexe eigenschappen.

Er worden al gevallen van zeldzame ziekten opgelost

De Atlas is geen hypothetische hulpbron: DeepMind zegt dat onderzoekers er al gebruik van maken. Bij het Broad Institute pasten Laura Covill en haar team de AVI-score toe om prioriteit te geven aan varianten in onopgeloste gevallen van zeldzame ziekten. De tool bracht een cruciale variant in het DNM1-gen aan het licht en voorspelde dat er een onjuiste splitsingsplaats ontstond – bewijs dat het team hielp de zaak met succes op te lossen. Voor gezinnen die jarenlang op een diagnose hebben gewacht, is dat de praktische beloning van variantinterpretatie: het omzetten van een dubbelzinnig resultaat in een antwoord.

De bron is ook nuttig gebleken voor complexe kenmerken, waarbij het identificeren van zeldzame niet-coderende varianten moeilijk is vanwege statistische ruis. Dr. Gareth Hawkes heeft AlphaGenome Atlas toegepast op gegevens van meer dan 54.000 Britse Biobank-deelnemers. Door varianten te groeperen op basis van hun voorspelde moleculaire effecten, ontdekte hij 22 procent meer niet-coderende genetische associaties dan standaardanalyse. Door zich te concentreren op de top 1 procent van impactvolle varianten, identificeerde hij 19 genetische regio's die verband houden met de body mass index, waarmee hij de volgende fase van gericht onderzoek leidde.

Gratis toegang, geen codering vereist

AlphaGenome Atlas is vandaag beschikbaar via een webportaal waarvan DeepMind zegt dat er geen codeervaardigheden vereist zijn – een bewuste keuze om de toegang te democratiseren voor klinische onderzoekers en biologen die niet met grootschalige computationele pijplijnen werken. Kohli en Avsec kaderen de release als onderdeel van DeepMind's voortdurende inzet om de genomische ontdekking te versnellen, en schrijven dat de Atlas "gefundeerde genomische inzichten" biedt die de biologische ontdekking in grote lijnen zullen versnellen.

De release zet DeepMind's uitbreiding van AI-modellen voor de levenswetenschappen voort, waarbij vooraf berekende bronnen de economie van onderzoek veranderen: in plaats van dat elk laboratorium gevolgtrekkingen op genoomschaal moet uitvoeren, worden de voorspellingen voor alle mogelijke varianten één keer berekend en gedeeld. Voor teams met zeldzame ziekten kan het verschil worden gemeten in opgeloste gevallen; voor genetica met complexe kenmerken, in het aantal nieuwe associaties dat naar voren kwam uit bestaande biobankgegevens.

Het plaatst DeepMind ook in indirecte concurrentie met een steeds sneller veld. Genoominterpretatiemodellen en voorspellers van varianteffecten zijn in academische laboratoria en startups vermenigvuldigd, en het nut van elke afzonderlijke catalogus hangt af van de acceptatie ervan. Door een gratis portal met één uniforme score te leveren, gokt DeepMind erop dat gebruiksgemak – en niet alleen de prestaties van ruwe modellen – bepaalt welke hulpbron onderdeel wordt van de standaard klinische onderzoekstoolkit.

Voor AI-watchers is de Atlas een verder signaal van waar het toegepaste AI-onderzoek naartoe gaat: weg van chatinterfaces en naar domeinspecifieke infrastructuur die modelvoorspellingen rechtstreeks in wetenschappelijke workflows inbedt.

---

Blijf Voorop met AI

Het laatste AI-nieuws, analyses en doorbraken — allemaal op één plek.

Lees meer AI-nieuws →