DeepMind представила AlphaGenome 2: модель ДНК для типов клеток

Google DeepMind анонсировала AlphaGenome 2, модель следующего поколения, которая предсказывает, как последовательности ДНК и их изменения влияют на конкретные типы клеток человека. Исходная проблема: у всех клеток организма один и тот же ДНК-«чертёж», но каждый тип и состояние клетки (например, клетка сердечной мышцы или иммунная клетка, борющаяся с инфекцией) включает и выключает разные гены. Проекты вроде Human Cell Atlas картируют эту активность для миллионов клеток, однако предсказать, как тонкие изменения ДНК влияют на экспрессию генов в клетках, по-прежнему нерешённая задача.
Первая AlphaGenome, запущенная год назад, принимала последовательность ДНК длиной в миллион букв и предсказывала свойства по тысячам экспериментов сразу для многих тканей. Такой параллельный подход «размазывал» ёмкость модели и мешал уловить различия между близкими типами клеток. В AlphaGenome 2 архитектуру переделали: это условная модель (conditional model), которая предсказывает эффекты ДНК для одного условия, ткани, типа клетки или состояния, за раз. Вместе с миллионом букв ДНК она получает целевое биологическое условие на каждом этапе архитектуры и учится тому, как один и тот же участок ДНК «читается» по-разному в разных клетках. Условная схема даёт и кросс-модальное восполнение данных: если учёный вводит лишь одно измерение, например активность генов в одиночных клетках, модель может предсказать неизмеренные свойства, скажем доступность хроматина, и помочь выбрать следующие эксперименты.
Модель обучали на усреднённых по ткани и одноклеточных данных образцов человека и мыши. В анонсе говорится о более чем 100 млн профилей отдельных клеток из 68 тканей; в разделе об обучении названо «свыше 107 млн». Предсказываются те же показатели, что у AlphaGenome (экспрессия генов, модификации гистонов, доступность хроматина), и добавлено метилирование ДНК, давно востребованный показатель.
Результаты, заявленные DeepMind. AlphaGenome 2 идентифицирует почти вдвое больше вариантов, меняющих экспрессию генов в клетках, чем предыдущая лучшая модель компании. На наборе TenK10K (одноклеточная карта 28 первичных типов иммунных клеток) она надёжно выявила почти вдвое больше причинных вариантов (30% против 16%) и направленных эффектов на гены (43% против 23%), чем исходная AlphaGenome, дообученная на одноклеточных данных, и другие специализированные инструменты. Кроме того, на участках генома вне обучающих данных модель лучше объясняет различия экспрессии между типами клеток внутри ткани, в том числе плавные изменения при созревании стволовых клеток крови в эритроциты и иммунные линии. В качестве примера компания приводит недавнее знаковое исследование: вариант в удалённом регуляторном «переключателе» вызывает IBD (воспалительное заболевание кишечника), чрезмерно активируя ген ETS2 в макрофагах кишечника. AlphaGenome 2 воспроизвела этот вывод вычислительно: выделила причинный вариант и показала, что он избирательно усиливает ETS2 в макрофагах кишечника, почти не затрагивая другие клетки и гены.
Модель умеет обобщаться на новые одноклеточные эксперименты без переобучения. Учёный загружает снимок активности генов (одноклеточный RNA-seq) всего из нескольких десятков клеток; он сжимается в представление состояния клетки, по которому настраивается модель. По утверждению DeepMind, она может сравняться с моделями, обученными или дообученными прямо на этих данных, или превзойти их. На невиданных данных исследования мРНК-вакцины от COVID-19 модель отличила активированные вакциной Т-клетки от покоящихся и показала, что вариант, связанный с тяжёлым COVID-19, сильнее нарушает активность гена именно в активированном состоянии, эффект, который в неактивированных клетках был бы пропущен.
Для связи генетики с клеточной биологией DeepMind заранее рассчитала предсказания для вариантов, ассоциированных с признаками, по сотням условий (типов клеток и тканей). Это решает две задачи. Первая, карта связей «энхансер, ген» в реальных клетках человека: эксперименты CRISPR чаще идут на стабильных лабораторных линиях, поэтому для конкретных клеток организма таких схем не хватает; AlphaGenome 2 распространяет картирование на первичные типы клеток, например астроциты мозга. Вторая, поиск причинных вариантов полногеномных исследований ассоциаций (GWAS) и клеток, где они действуют: по ряду сложных признаков, от роста до диабета 2 типа, предрассчитанные оценки помогают указать наиболее вероятные варианты и типы клеток, а при уверенности модель верно предсказывает, повышает или понижает вариант активность гена.
Доступность: AlphaGenome 2 и интерактивные учебные блокноты Colab по настройке на экспрессию доступны для некоторых некоммерческих исследований через AlphaGenome API, а для коммерческих, в закрытом предварительном доступе. Вскоре компания обещает выпустить AlphaGenome 2 Skills в Google Antigravity (агентной платформе разработки), без указания срока. Авторы анонса отдельно оговаривают, что AlphaGenome и AlphaGenome 2 предназначены только для исследований и не проверялись и не одобрялись для клинических или диагностических целей. DeepMind также собирает примеры применения через форму до 30 ноября (год не указан); отобранные проекты могут получить дополнительную квоту и кредиты.
Ключевые факты
- AlphaGenome 2, условная модель: она получает целевую ткань, тип клетки или состояние на каждом этапе архитектуры и предсказывает эффекты ДНК для одного условия за раз.
- По данным DeepMind, модель идентифицирует почти вдвое больше вариантов, меняющих экспрессию генов, чем прежняя лучшая модель компании; на TenK10K причинных вариантов выявлено 30% против 16%, направленных эффектов на гены, 43% против 23%.
- Обучение шло на данных человека и мыши, более чем на 100 млн профилей отдельных клеток из 68 тканей; к прежним показателям добавлено метилирование ДНК.
- Без переобучения модель настраивается на новые состояния клеток по снимку активности генов всего из нескольких десятков клеток; пример, Т-клетки при вакцинации от COVID-19.
- Доступна для некоммерческих исследований через AlphaGenome API и в закрытом предварительном доступе для коммерческих; не предназначена для клинического и диагностического применения.
Почему это важно
Часть генетических вариантов, связанных с болезнями, действует не во всей ткани сразу, а в узких типах и состояниях клеток, и усреднённые по ткани модели такие эффекты пропускают. AlphaGenome 2 переходит от средних по тканям к отдельным типам и состояниям клеток и, по заявлению DeepMind, заметно улучшает предсказание влияния вариантов. Пример с IBD и макрофагами кишечника показывает, что вычислительная модель способна воспроизвести результат знакового исследования, указав причинный вариант и клетки, где он работает. Для учёных это потенциальный способ отбирать кандидатов и планировать эксперименты, а не только объяснять уже известное.
Кому это важно
В первую очередь исследователям человеческой генетики и одноклеточной биологии, занимающимся GWAS, картированием энхансеров и поиском причинных вариантов сложных признаков. Интересна она и командам, которые уже работают с одноклеточными атласами: новые данные можно загрузить в модель без обучения с нуля. Коммерческим лабораториям пока доступен только закрытый предварительный доступ.
Как это применить
AlphaGenome 2 доступна для некоммерческих исследований через AlphaGenome API; DeepMind приложила интерактивные учебные блокноты Colab по настройке на экспрессию. Для коммерческих исследований действует закрытый предварительный доступ. Для работы с новыми состояниями клеток достаточно одноклеточного снимка активности генов примерно из нескольких десятков клеток. Заранее рассчитанные предсказания для вариантов, связанных с признаками, избавляют от больших вычислений самостоятельно. Вскоре обещаны навыки AlphaGenome 2 Skills в Google Antigravity (срока нет). Цены, размер модели и условия квот в тексте не названы; проекты можно подать через форму до 30 ноября (год не указан).
Можно ли доверять
Все цифры, заявления самой DeepMind о собственной модели, это анонс разработчика. В тексте не названы научная публикация, препринт или DOI, независимой оценки тоже не упоминается. Показатели 30% против 16% и 43% против 23% приведены без определения метрики: не сказано, что стоит в знаменателе. Объём обучающих данных назван двумя цифрами: «более 100 млн» во введении и «свыше 107 млн» в разделе об обучении. Пока выводы стоит читать как заявленные, а не подтверждённые сторонними группами.
Риски и подводные камни
DeepMind прямо пишет, что AlphaGenome и AlphaGenome 2 предназначены только для исследований и не проверялись и не одобрялись для клинических или диагностических целей, так что использовать предсказания для медицинских решений нельзя. Сравнение с «предыдущей лучшей моделью» идёт по версии самой компании, а часть успехов показана на отдельных примерах (IBD, вакцина от COVID-19). Уверенно предсказывается направление эффекта варианта лишь тогда, когда модель уверена («when confident»). Для коммерческого применения доступ ограничен закрытым предпросмотром, условия не раскрыты.