Google DeepMind выпустила AlphaGenome 2 для анализа влияния ДНК на клетки
Модель прогнозирует эффекты генетических вариантов для отдельных типов и состояний клеток. Для некоммерческих исследований она доступна через AlphaGenome API; коммерческим исследователям открыли закрытый предварительный доступ.

Модель доступна для исследовательской работы
Google DeepMind объявила о выпуске AlphaGenome 2 — модели, которая прогнозирует, как последовательности ДНК и их вариации влияют на разные типы клеток человека. Для некоммерческих исследований модель доступна через AlphaGenome API, а для коммерческих — в закрытом предварительном доступе.
В отличие от первой AlphaGenome, которая параллельно оценивала данные для широких групп тканей, новая версия обрабатывает одно биологическое условие за раз: ткань, тип или состояние клетки. По словам разработчиков, такой подход помогает улавливать различия между близкими типами клеток и оценивать эффекты вариантов в состояниях, которых модель не встречала при обучении. Ранее выпущенная модель AlphaGenome описана в отдельном
Обучение на данных одиночных клеток
AlphaGenome 2 обучали на данных человека и мыши: более чем 107 миллионах профилей отдельных клеток из 68 тканей. Модель прогнозирует активность генов, модификации гистонов и доступность хроматина, а также метилирование ДНК. По заявлению Google DeepMind, она выявляет почти вдвое больше вариантов, меняющих экспрессию генов в клетках, чем прежняя модель.
На наборе TenK10K, карте 28 основных типов иммунных клеток, разработчики сообщили о выявлении 30% причинных вариантов против 16% у AlphaGenome, настроенной на данные одиночных клеток. Для вариантов с направленным влиянием на активность генов показатели составили 43% и 23% соответственно. Это результаты, приведённые компанией для указанного набора данных, а не оценка клинической точности.
Модель также может работать с новыми клеточными состояниями без переобучения: исследователи могут загрузить данные РНК-секвенирования нескольких десятков клеток. В примере DeepMind AlphaGenome 2 различила активированные вакциной против COVID-19 Т-клетки и покоящиеся, а также предсказала более сильное влияние связанного с тяжёлым течением COVID-19 варианта в активированном состоянии.
Применение и ограничения
DeepMind также сообщила, что заранее рассчитала прогнозы для связанных с признаками и заболеваниями вариантов в сотнях условий для клеток и тканей человека. Они предназначены помочь исследователям связывать варианты, найденные в геномных исследованиях, с вероятными целевыми генами и типами клеток. В качестве примера компания приводит анализ варианта, связанного с воспалительным заболеванием кишечника: модель воспроизвела выводы опубликованного исследования о его влиянии на ген ETS2 в макрофагах кишечника.
Продолжить чтение
В ленте материалов: 1


