Google DeepMind công bố AlphaGenome 2 ngày 11/11, mô hình dự đoán DNA nhằm xác định biến đổi di truyền tác động ra sao trong từng loại và trạng thái tế bào. Trong bài kiểm tra TenK10K, mô hình nhận diện 30% biến thể nhân quả, so với 16% ở phiên bản AlphaGenome trước đó sau khi được tinh chỉnh bằng dữ liệu đơn bào. Kết quả này chỉ phản ánh hiệu suất trên một bộ chuẩn nghiên cứu, không phải độ chính xác chẩn đoán hay công cụ đánh giá nguy cơ mắc bệnh của từng cá nhân.
Với giới nghiên cứu, giá trị của mô hình nằm ở khả năng nối tín hiệu di truyền với môi trường tế bào cụ thể, qua đó thu hẹp phạm vi cần kiểm tra bằng thực nghiệm. Phép đo ở cấp mô cho thấy biến đổi tổng thể, nhưng có thể che khuất khác biệt giữa các loại tế bào. Nếu tác động của một biến thể chỉ xuất hiện trong một nhóm tế bào nhất định, kết quả trung bình trên toàn mô có thể không chỉ ra rõ nhóm liên quan.
AlphaGenome 2 đưa điều kiện tế bào vào dự đoán
AlphaGenome phiên bản trước xử lý một đoạn DNA dài tối đa khoảng một triệu ký tự và tạo ra đầu ra cố định cho nhiều mô và thí nghiệm. AlphaGenome 2 cho phép nhà nghiên cứu chỉ định điều kiện cần khảo sát, chẳng hạn mô, loại tế bào hoặc trạng thái tế bào, để mô hình sử dụng thông tin này ngay trong quá trình xử lý. DeepMind cho biết thiết kế đó nhằm phát hiện những tác động đặc thù ở cấp tế bào mà các phép đo rộng hơn ở cấp mô có thể bỏ sót.
Mô hình được huấn luyện bằng dữ liệu tổng thể và dữ liệu đơn bào ở người và chuột, bao gồm hơn 107 triệu hồ sơ tế bào đơn. Nhà nghiên cứu cũng có thể đưa dữ liệu hoạt tính gene đơn bào vào để tạo dự đoán theo điều kiện đối với trạng thái tế bào mới quan sát, mà không cần huấn luyện lại mô hình. AlphaGenome 2 còn có thể dự đoán những đặc tính chưa được đo trực tiếp, hỗ trợ sàng lọc các hướng cần kiểm tra trong thí nghiệm.
Bộ dữ liệu TenK10K bao phủ 28 loại tế bào miễn dịch nguyên phát. DeepMind cho biết AlphaGenome 2 nhận diện được 30% biến thể nhân quả trong bài đánh giá, trong khi AlphaGenome bản đầu đạt 16% sau khi tinh chỉnh bằng dữ liệu đơn bào. So sánh này chỉ cho biết khả năng nhận diện biến thể trên bộ chuẩn cụ thể; mô hình chưa được xác nhận lâm sàng và kết quả không cho thấy mô hình có thể dự đoán xác suất một cá nhân mắc bệnh.
Mô hình tái hiện cơ chế ETS2 liên quan bệnh đường ruột
DeepMind cũng trình bày một trường hợp liên quan đến bệnh đường ruột. Bằng tính toán, mô hình tái hiện một phát hiện đã có: một biến thể điều hòa làm tăng hoạt tính của gene ETS2 trong đại thực bào ở ruột. Đại thực bào là một loại tế bào miễn dịch. Trong ví dụ này, mô hình xác định biến thể liên quan và dự đoán tác động lên ETS2 chủ yếu xuất hiện trong nhóm tế bào đó, với ảnh hưởng hạn chế hơn ở các loại tế bào và gene khác.
Cơ chế di truyền này không phải phát hiện mới của AlphaGenome 2. Nghiên cứu được các nhà khoa học tại Imperial College London, Viện Francis Crick và University College London công bố năm 2024 đã liên hệ một vùng điều hòa hoạt động trong đại thực bào với hoạt tính ETS2 tăng cao và chức năng viêm. Ở trường hợp này, AlphaGenome 2 cho thấy khả năng tái hiện bằng tính toán một cơ chế sinh học đã biết, chứ không phát hiện nguyên nhân bệnh mới.
Tính đến ngày 11/11, DeepMind cung cấp AlphaGenome 2 qua API cho nghiên cứu phi thương mại; ứng dụng trong nghiên cứu thương mại vẫn ở giai đoạn thử nghiệm riêng tư. Công ty cho biết các mô hình AlphaGenome được phát triển cho mục đích nghiên cứu, chưa được kiểm chứng hoặc phê duyệt để sử dụng lâm sàng hay chẩn đoán. Trước mắt, nhà nghiên cứu có thể dùng dự đoán theo loại và trạng thái tế bào để chọn hướng thí nghiệm; các kết luận từ mô hình vẫn cần được kiểm tra bằng nghiên cứu tiếp theo.