Google DeepMind เปิดตัว AlphaGenome 2 เมื่อวันที่ 11 พฤศจิกายน โมเดลทำนายผลจากลำดับดีเอ็นเอรุ่นใหม่นี้มุ่งประเมินว่าความเปลี่ยนแปลงทางพันธุกรรมส่งผลอย่างไรในเซลล์แต่ละชนิดและแต่ละสภาวะ โดยผลทดสอบที่บริษัทเปิดเผยพบว่าโมเดลระบุความแปรผันที่เป็นสาเหตุได้ 30% ในชุดข้อมูล TenK10K สูงกว่า AlphaGenome รุ่นก่อนที่ปรับแต่งด้วยข้อมูลเซลล์เดี่ยว ซึ่งทำได้ 16% ผลดังกล่าวเป็นการประเมินบนเกณฑ์ทดสอบเพื่อการวิจัย ไม่ใช่ความแม่นยำในการวินิจฉัย และใช้ประเมินความเสี่ยงโรคของบุคคลไม่ได้
สำหรับนักวิจัย จุดสำคัญคือการเชื่อมสัญญาณทางพันธุกรรมเข้ากับบริบทของเซลล์ เพื่อช่วยจำกัดขอบเขตการทดลองต่อไป การวัดระดับเนื้อเยื่อแสดงให้เห็นการเปลี่ยนแปลงโดยรวม แต่ผลในเซลล์แต่ละชนิดอาจต่างกัน หากผลของความแปรผันเกิดขึ้นเฉพาะในเซลล์บางประเภท ค่าเฉลี่ยจากทั้งเนื้อเยื่ออาจไม่ชี้ให้เห็นเซลล์ที่เกี่ยวข้องอย่างชัดเจน
AlphaGenome 2 ระบุชนิดและสภาวะของเซลล์ได้
AlphaGenome รุ่นก่อนรับลำดับดีเอ็นเอที่ยาวได้ถึงราวหนึ่งล้านตัวอักษร และสร้างผลทำนายแบบกำหนดไว้ล่วงหน้าสำหรับเนื้อเยื่อและการทดลองหลายประเภท ส่วน AlphaGenome 2 เปิดให้นักวิจัยระบุเงื่อนไขที่ต้องการ เช่น เนื้อเยื่อ ชนิดเซลล์ หรือสภาวะของเซลล์ แล้วนำข้อมูลนั้นมาใช้ระหว่างการประมวลผล DeepMind ระบุว่าแนวทางนี้ช่วยตรวจจับผลเฉพาะเซลล์ที่อาจถูกกลบเมื่อวัดเนื้อเยื่อในภาพรวม
การฝึกโมเดลใช้ข้อมูลจากมนุษย์และหนู ทั้งข้อมูลระดับเนื้อเยื่อและข้อมูลเซลล์เดี่ยว รวมกันมากกว่า 107 ล้านระเบียนเซลล์ นักวิจัยยังสามารถป้อนข้อมูลกิจกรรมของยีนจากเซลล์เดี่ยว เพื่อให้โมเดลสร้างคำทำนายภายใต้สภาวะของเซลล์ที่เพิ่งสังเกตพบได้ โดยไม่ต้องฝึกโมเดลใหม่ นอกจากนี้ โมเดลยังทำนายคุณสมบัติที่ยังไม่มีการวัดโดยตรงได้ ซึ่งช่วยให้นักวิจัยคัดเลือกประเด็นสำหรับการทดลองเพิ่มเติม
ชุดข้อมูล TenK10K ครอบคลุมเซลล์ภูมิคุ้มกันปฐมภูมิ 28 ชนิด DeepMind รายงานว่า AlphaGenome 2 ระบุความแปรผันที่เป็นสาเหตุได้ 30% ในการประเมิน ขณะที่ AlphaGenome รุ่นเดิมซึ่งปรับแต่งด้วยข้อมูลเซลล์เดี่ยวทำได้ 16% ตัวเลขนี้สะท้อนผลบนเกณฑ์ทดสอบเฉพาะ ไม่ใช่การตรวจสอบทางคลินิก และไม่ได้แสดงว่าโมเดลทำนายโอกาสเกิดโรคของบุคคลได้
ตัวอย่าง ETS2 จำลองกลไกโรคลำไส้ที่มีการศึกษามาก่อน
DeepMind ยกตัวอย่างกรณีที่เกี่ยวข้องกับโรคลำไส้ โดยโมเดลจำลองผลการศึกษาก่อนหน้าในเชิงคำนวณ ซึ่งพบว่าความแปรผันในบริเวณควบคุมทำให้กิจกรรมของยีน ETS2 เพิ่มขึ้นในแมคโครฟาจของลำไส้ แมคโครฟาจเป็นเซลล์ภูมิคุ้มกัน ในตัวอย่างนี้ โมเดลชี้ความแปรผันที่เกี่ยวข้องและทำนายว่าผลต่อ ETS2 เกิดขึ้นเป็นหลักในเซลล์ชนิดดังกล่าว ขณะที่ผลต่อเซลล์ชนิดอื่นและยีนอื่นมีจำกัด
กลไกทางพันธุกรรมนี้ไม่ใช่การค้นพบใหม่ของ AlphaGenome 2 งานที่เผยแพร่ในปี 2024 โดยนักวิจัยจาก Imperial College London, Francis Crick Institute และ University College London ได้เชื่อมบริเวณควบคุมที่ทำงานในแมคโครฟาจเข้ากับกิจกรรม ETS2 ที่เพิ่มขึ้นและการทำงานด้านการอักเสบแล้ว ตัวอย่างของ DeepMind จึงเป็นการจำลองกลไกทางชีววิทยาที่มีการศึกษามาก่อนด้วยวิธีคำนวณ ไม่ใช่การค้นพบสาเหตุใหม่ของโรค
ณ วันที่ 11 พฤศจิกายน DeepMind เปิดให้ใช้ AlphaGenome 2 ผ่าน API สำหรับงานวิจัยที่ไม่แสวงหากำไร ส่วนการวิจัยเชิงพาณิชย์ยังอยู่ในช่วงพรีวิวแบบจำกัด บริษัทระบุว่าโมเดลในตระกูล AlphaGenome มีไว้สำหรับการวิจัย และยังไม่ได้ผ่านการตรวจสอบหรืออนุมัติให้ใช้ทางคลินิกหรือวินิจฉัยโรค การใช้งานที่กล่าวถึงในขณะนี้คือการใช้คำทำนายระดับเซลล์และสภาวะเพื่อคัดเลือกแนวทางทดลอง ซึ่งยังต้องตรวจสอบด้วยการศึกษาต่อไป