8 września firma Google DeepMind ogłosiła utworzenie bazy danych AlphaGenome Atlas, która przewiduje skutki każdego możliwego wariantu pojedynczego nukleotydu w ludzkim genomie. Jest to, zdaniem firmy, najbardziej kompleksowy katalog wpływu mutacji genetycznych na biologię molekularną. W tej wersji model AlphaGenome firmy DeepMind staje się wstępnie obliczonym, możliwym do przeszukiwania zasobem, z którego badacze kliniczni i biolodzy mogą korzystać bez pisania nawet linijki kodu.
Problem na 98 procent Więcej kontekstu na ten temat znajdziesz w naszych najnowsze osiągnięcia AI.
Ludzki genom zawiera około 3 miliardy par zasad DNA, a naukowcy stosunkowo dobrze rozumieją tylko 2 procent, które kodują białka. Pozostałe 98 procent – w większości regulacyjne – pozostaje niejasne. Model AlphaGenome opracowany przez DeepMind pokazał już, jak pojedyncze zmiany w tych niekodujących regionach mogą zakłócać procesy molekularne, takie jak produkcja białek, jednak zdaniem firmy szerszy obraz tego, jak warianty kształtują biologię molekularną na dużą skalę, pozostaje niejasny.
Wariant pojedynczego nukleotydu to zmiana dokładnie jednej litery czteroliterowego alfabetu DNA. Każdy z nas nosi w sobie miliony z nich, a większość nie robi w ogóle nic — ale niewielka ich część zmienia sposób włączania i wyłączania genów, sposób składania RNA lub budowę białek. Najtrudniejszą częścią nigdy nie było znalezienie tych wariantów; tanie sekwencjonowanie stało się rutyną wiele lat temu. Najtrudniejszą częścią jest interpretacja: w przypadku przeważającej większości możliwych zmian jednoliterowych nigdy nie przeprowadzono żadnego eksperymentu, więc badacze musieli polegać na modelach obliczeniowych, aby odgadnąć ich konsekwencje molekularne.
Atlas AlphaGenome jest próbą DeepMind dostarczenia tej interpretacji w jednym miejscu. Zespół kierowany przez Pushmeeta Kohli, wiceprezesa ds. nauki w Google DeepMind i głównego naukowca w Google Cloud, wraz z kierownikiem inicjatywy genomiki Zigą Avsec, wykorzystał model AlphaGenome do wstępnego obliczenia wpływu regulacyjnego wszystkich 9 miliardów jednoliterowych zmian genetycznych – każdego możliwego wariantu pojedynczego nukleotydu – tworząc zbiór danych o wielkości około 1 petabajta. Zamiast powtarzania przez każde laboratorium wnioskowania w skali genomu na swoim własnym klastrze, przewidywania istnieją teraz w postaci wspólnego katalogu, z możliwością przeszukiwania.
Jeden wynik za nadanie priorytetu wariantom
Przeglądanie prognoz w skali petabajtowej samo w sobie byłoby projektem badawczym, dlatego Atlas wprowadza wynik AlphaGenome Variant Impact (AVI). Pojedynczy, łatwy w użyciu wynik łączy przewidywania zarówno dla regionów kodujących, jak i niekodujących, umożliwiając badaczom szybkie ustalanie priorytetów najbardziej obiecujących wariantów, zamiast przeglądać tysiące pojedynczych punktów danych dla każdego z nich. W ramach DeepMind Atlas pełni rolę „partnera wspierającego” społeczność naukową, przyspieszając badania w obszarach od rzadkich zmian genomicznych po cechy złożone.
Już rozwiązuję przypadki chorób rzadkich
Atlas nie jest hipotetycznym zasobem: DeepMind twierdzi, że badacze już z niego korzystają. W Broad Institute Laura Covill i jej zespół zastosowali wynik AVI do ustalenia priorytetów wariantów w nierozwiązanych przypadkach chorób rzadkich. Narzędzie uwidoczniło krytyczny wariant genu DNM1, przewidując, że utworzył on nieprawidłowe miejsce splotu, co pomogło zespołowi pomyślnie rozwiązać tę sprawę. Dla rodzin, które spędziły lata w oczekiwaniu na diagnozę, jest to praktyczna korzyść z wariantowej interpretacji: przekształcenie niejednoznacznego wyniku sekwencjonowania w odpowiedź.
Zasób okazał się również przydatny w przypadku cech złożonych, gdzie identyfikacja rzadkich wariantów niekodujących jest trudna ze względu na szum statystyczny. Dr Gareth Hawkes zastosował Atlas AlphaGenome do danych pochodzących od ponad 54 000 uczestników brytyjskiego Biobanku. Grupując warianty według przewidywanych skutków molekularnych, odkrył o 22 procent więcej niekodujących powiązań genetycznych niż w przypadku standardowej analizy. Koncentrując się na 1 procentach najbardziej wpływowych wariantów, zidentyfikował 19 regionów genetycznych powiązanych ze wskaźnikiem masy ciała, wyznaczając kierunek kolejnego etapu ukierunkowanych badań.
Bezpłatny dostęp, nie wymaga kodowania
Atlas AlphaGenome jest już dostępny za pośrednictwem portalu internetowego, który według DeepMind nie wymaga umiejętności kodowania – jest to celowy wybór mający na celu demokratyzację dostępu dla badaczy klinicznych i biologów, którzy nie pracują z potokami obliczeniowymi na dużą skalę. Kohli i Avsec wpisują tę publikację w część stałego zaangażowania DeepMind na rzecz przyspieszenia odkryć genomicznych, pisząc, że Atlas zapewnia „ugruntowane informacje na temat genomu”, które w szerokim zakresie przyspieszą odkrycia biologiczne.
Publikacja stanowi kontynuację rozwoju modeli sztucznej inteligencji DeepMind dla nauk przyrodniczych, w których wstępnie obliczone zasoby zmieniają ekonomikę badań: zamiast konieczności wnioskowania w skali genomu przez każde laboratorium, prognozy dla wszystkich możliwych wariantów są obliczane raz i udostępniane. W przypadku zespołów zajmujących się chorobami rzadkimi różnicę można zmierzyć w rozwiązanych przypadkach; w przypadku genetyki cech złożonych – liczbę nowych powiązań wykrytych na podstawie istniejących danych z biobanków.
Stawia to także DeepMind w pośredniej konkurencji z przyspieszającym polem. Modele interpretacji genomu i predyktory efektów wariantów pomnożyły się w laboratoriach akademickich i start-upach, a użyteczność każdego pojedynczego katalogu zależy od przyjęcia. Dostarczając bezpłatny portal z jednym ujednoliconym wynikiem, DeepMind stawia na to, że łatwość obsługi – a nie sama wydajność surowego modelu – określi, które zasoby staną się częścią standardowego zestawu narzędzi do badań klinicznych.
Dla obserwatorów sztucznej inteligencji Atlas jest kolejnym sygnałem wskazującym, w jakim kierunku zmierzają badania nad sztuczną inteligencją – od interfejsów czatu w kierunku infrastruktury specyficznej dla domeny, która osadza przewidywania modeli bezpośrednio w procesach naukowych.
---
Bądź na Bieżąco z AINajnowsze wiadomości, analizy i przełomy w dziedzinie AI — wszystko w jednym miejscu.
Czytaj więcej wiadomości AI →
