AlphaGenome 2 может предсказывать, в каких типах клеток с наибольшей вероятностью проявит себя тот или иной вариант ДНК.
В 2024 году исследователи обнаружили новый фактор, провоцирующий воспалительные заболевания кишечника (ВЗК): это ген ETS2, который проявляет чрезмерную активность в иммунных клетках из-за варианта ДНК, предрасполагающего к развитию этого заболевания. Этот вариант ранее ставил исследователей в тупик, поскольку находился в «генной пустыне» вдали от кодирующих белок последовательностей. Это открытие было сделано с помощью редактирования генов и других сложных методов молекулярной биологии и позволило выявить потенциально новые способы лечения ВЗК. Теперь исследователи из лондонского подразделения Google DeepMind воспроизвели некоторые аспекты этого открытия с помощью модели на основе искусственного интеллекта, не прибегая к помощи лабораторных экспериментов. Их модель называется AlphaGenome 2. «Им удалось найти ответ за 30 минут, а нам на это потребовалось полтора года экспериментов, — говорит Джеймс Ли, иммунолог и генетик из Института Фрэнсиса Крика в Лондоне, который руководил исследованием 2024 года. — Несомненно это обнадеживает».
Модель AlphaGenome 2, о которой было сообщено на днях, представляет собой обновленную версию инструмента на основе искусственного интеллекта, который прогнозирует молекулярные эффекты «некодирующих» последовательностей ДНК, например их влияние на экспрессию других генов. Эти последовательности составляют 98% генома человека, но их расшифровать сложнее всего. Последняя модель делает такие прогнозы для сотен типов клеток мыши и человека. Два месяца назад компания Google DeepMind опубликовала «Атлас AlphaGenome»: это были прогнозы для всех возможных однонуклеотидных изменений в геноме человека — всего девять миллиардов вариантов. Эти и другие прогнозы были сделаны с помощью модели AlphaGenome 1, но с одной существенной оговоркой: прогноз не указывал, в каком именно типе клеток — будь то В-клетки, вырабатывающие антитела, или β-клетки поджелудочной железы — с наибольшей вероятностью проявит себя тот или иной вариант. «То, что мы не можем предсказать специфичность для конкретного типа клеток, — это проблема, поэтому для нас это было не слишком полезно», — поясняет Ли.
Однако исследователи знают, что многие некодирующие последовательности ДНК, в том числе вариант, который изучала группа Ли и который является частью последовательности, называемой генным энхансером, как правило, активны в определённых типах клеток. «Если вы хотите понять, какие варианты связаны с генетическими заболеваниями, то должны задаться вопросом, какие типы клеток они затрагивают», — говорит Жига Авсек, исследователь из DeepMind, возглавляющий команду AlphaGenome. Чтобы разработать модель искусственного интеллекта, способную расшифровывать эффекты вариантов генов в различных клетках, группа Авсека обучила AlphaGenome 2 на данных об активности генов в отдельных клетках и других показателях, полученных более чем в 100 миллионах клеток из 68 тканей. AlphaGenome 1, напротив, обучалась на данных, полученных из «массивных» образцов гетерогенных клеток.
В результате этой работы исследователи получили более полное и детальное представление о различиях между клетками. AlphaGenome 2 может делать прогнозы не только для 637 типов клеток человека и 311 типов клеток мыши, на которых обучалась модель. Исследователи могут предоставить модели новые данные об активности генов в отдельных клетках, например в клетках, пораженных каким-либо заболеванием, и получить прогнозы о вариантах генов, что может помочь быстрее выявлять варианты генов, связанные с развитием заболеваний. Биоинформатик Питер Ку считает, что AlphaGenome 2 — часть набирающей популярность тенденции по включению информации о состоянии клетки в модели искусственного интеллекта для расшифровки некодирующей ДНК. «Идеи не новы, но инженерная составляющая и производительность весьма впечатляют».
Исследователи могут бесплатно использовать AlphaGenome 2 для некоммерческих целей. Ли надеется проверить предсказания AlphaGenome 2 на других некодирующих вариантах, которые его команда картировала в конкретных клетках. Если предсказания окажутся верными, то, по его мнению, модель можно будет использовать для определения приоритетности вариантов для более глубокого изучения, что ускорит процесс научных открытий. «Я не думаю, что это избавит нас от необходимости проводить эксперименты, — говорит он. — Но возможно, со временем это произойдет».

