11 ноября Google DeepMind представила AlphaGenome 2 — модель, которая оценивает, как генетические изменения влияют на конкретные типы и состояния клеток. В тесте TenK10K модель выявила 30% причинных вариантов против 16% у первой AlphaGenome после дообучения на данных отдельных клеток. Это результат исследовательского бенчмарка, а не проверка диагностической точности или оценка риска заболевания для конкретного человека.
Для ученых модель может помочь связать генетические сигналы с клетками, в которых они проявляются, и сузить круг гипотез для дальнейших экспериментов. Измерения по ткани в целом показывают совокупные изменения, но эффект варианта может различаться от клетки к клетке. Если он возникает только в определенном типе клеток, усредненные данные по ткани могут не выявить его источник.
AlphaGenome 2 учитывает тип и состояние клетки
Первая версия AlphaGenome формировала фиксированный набор прогнозов по разным тканям и экспериментам на основе последовательности ДНК длиной до примерно миллиона букв. В AlphaGenome 2 исследователь может задать нужный контекст — например, ткань, тип клетки или ее состояние. Модель учитывает эти данные при обработке последовательности. По замыслу DeepMind, такой подход помогает обнаруживать эффекты, которые могут теряться при анализе ткани в целом.
Для обучения использовались данные по отдельным клеткам и совокупным образцам человека и мыши — всего более 107 млн профилей одиночных клеток, сообщила компания. Исследователи также могут передавать модели данные об активности генов в отдельных клетках, чтобы получать прогнозы для ранее не изученных клеточных состояний без повторного обучения. AlphaGenome 2 способна прогнозировать и параметры, которые пока не измерялись напрямую; такие результаты могут стать отправной точкой для экспериментов.
В тесте TenK10K оценивались 28 основных типов иммунных клеток. По данным DeepMind, AlphaGenome 2 выявила 30% причинных вариантов. Для первой версии этот показатель составил 16% после дообучения на данных отдельных клеток. Сравнение относится только к результатам этого бенчмарка: оно не является клинической проверкой и не показывает, может ли модель оценить вероятность заболевания у отдельного человека.
Модель воспроизвела известный механизм с участием ETS2
DeepMind также показала пример, связанный с заболеванием кишечника. AlphaGenome 2 вычислительно воспроизвела механизм, описанный в более ранних исследованиях: регуляторный вариант повышает активность ETS2 в кишечных макрофагах — разновидности иммунных клеток. Модель выявила этот вариант и предсказала, что его влияние на ETS2 сосредоточено преимущественно в макрофагах и ограниченно затрагивает другие типы клеток и гены.
Этот механизм не был впервые обнаружен AlphaGenome 2. В 2024 году исследователи Имперского колледжа Лондона, Института Фрэнсиса Крика и Университетского колледжа Лондона связали активный в макрофагах регуляторный участок с повышенной активностью ETS2 и воспалительной функцией. Пример показывает, что модель смогла вычислительно воспроизвести уже известный биологический результат, но не устанавливает новую причину заболевания.
По состоянию на 11 ноября DeepMind предоставляла доступ к AlphaGenome 2 через API для некоммерческих исследований. Доступ для коммерческих исследований оставался в режиме закрытого предварительного тестирования. Компания указывает, что модели AlphaGenome предназначены для научных исследований и не прошли валидацию или одобрение для клинического и диагностического применения. Пока прогнозы с учетом типа и состояния клеток могут помогать выбирать направления экспериментов, однако их необходимо проверять дополнительными исследованиями.