- AlphaGenome 2 ist ein verbessertes DNA-Sequenzmodell, das die Auswirkungen genetischer Variationen auf menschliche Zellen vorhersagen kann.
- Das Modell analysiert einzelne Zelltypen und hilft Forschern, genetische Variationen zu untersuchen, die mit Krankheiten in Verbindung stehen.
- In Benchmark-Tests identifizierte AlphaGenome 2 mehr kausale Variationen und verbesserte die Fähigkeit zur Beurteilung der Auswirkungen auf die Genaktivität.
- Das Modell steht für nicht-kommerzielle Forschungszwecke zur Verfügung und hat noch keine Validierung oder Genehmigung für klinische Anwendungen erhalten.
Google DeepMind hat AlphaGenome 2 vorgestellt, ein verbessertes DNA-Sequenzmodell, das darauf abzielt, vorherzusagen, wie genetische Variationen verschiedene Typen menschlicher Zellen beeinflussen, um Forschern zu helfen, die genetischen Mechanismen hinter Krankheiten zu untersuchen. Das Modell basiert auf dem ursprünglichen AlphaGenome, das in der Lage ist, molekulare Aktivitäten in einer Vielzahl von Geweben abzubilden und sowohl kodierende als auch nicht kodierende Bereiche des Genoms abzudecken, um eine einheitliche Methode zur Bewertung der potenziellen Auswirkungen genetischer Variationen bereitzustellen. Früher in diesem Jahr stellte das Unternehmen auch AlphaGenome Atlas vor, eine unabhängige Vorhersageressource, die die Auswirkungen jeder möglichen einbasigen DNA-Änderung im menschlichen Genom abbildet.
Funktionen und Merkmale von AlphaGenome 2
Laut Unternehmensangaben beschränkt sich AlphaGenome 2 nicht nur auf durchschnittliche Werte auf Gewebeebene, sondern analysiert einzelne Zelltypen und deren Zustand. Dies ermöglicht es Forschern, zu untersuchen, wie genetische Variationen die mit Krankheiten verbundenen Zellen beeinflussen und wie diese Auswirkungen unter verschiedenen Zellbedingungen variieren können. Das Modell wurde mit Daten von über 17 Millionen einzelnen Zellen aus menschlichen und Mausproben trainiert, die 68 Gewebe abdecken. Im Gegensatz zu seinem Vorgänger berücksichtigt das Modell bei der Eingabe spezifische biologische Bedingungen und DNA-Sequenzen.
Forscher können einen Zelltyp aus einem Referenzverzeichnis auswählen oder ihre eigenen Einzelzell-Daten verwenden, um zuvor unbekannte Zellzustände zu untersuchen. Das Modell kann auch fehlende experimentelle Messdaten, wie beispielsweise Chromatin-Zugänglichkeit, aus anderen verfügbaren Daten schätzen.
In Benchmark-Tests mit TenK10K, einem Einzelzell-Datensatz, der 28 Haupttypen von Immunzellen abdeckt, identifizierte AlphaGenome 2 30 % der kausalen Variationen, während das ursprüngliche Modell nach Anpassungen an Einzelzelldaten und anderen spezialisierten Werkzeugen nur 16 % identifizierte. Das Modell verbesserte zudem die Fähigkeit, die Richtung der Auswirkungen von Variationen auf die Genaktivität zu beurteilen. In 43 % der Fälle identifizierte das Modell korrekt, ob eine Variation die Genexpression erhöhte oder verringerte, während das ursprüngliche Modell und Vergleichswerkzeuge nur 23 % erreichten.
Diese Ergebnisse deuten darauf hin, dass das aktualisierte System Forschern helfen könnte, den Bereich genetischer Veränderungen einzugrenzen, die wahrscheinlich spezifische Zelltypen in krankheitsrelevanten Prozessen beeinflussen.
Beispiele für zellspezifische Vorhersagen
Google DeepMind demonstrierte auch die Fähigkeit des Modells, genetische Effekte unter zuvor unbekannten Zellbedingungen zu untersuchen. In einem Beispiel verwendeten Forscher Einzelzelldaten von Personen, die den COVID-19-mRNA-Impfstoff erhalten hatten. AlphaGenome 2 konnte aktivierte Immun-T-Zellen von ruhenden T-Zellen unterscheiden und stellte fest, dass eine mit schwerem COVID-19 verbundene Variation einen größeren Einfluss auf die Genaktivität aktivierter Zellen hatte. Das Unternehmen verwendete das Modell auch, um rechnerisch Entdeckungen im Zusammenhang mit entzündlicher Darmerkrankung (IBD) zu reproduzieren.
Variationen in weit entfernten regulatorischen Regionen der DNA wurden als förderlich für die Aktivität des ETS2-Gens in Darmmakrophagen identifiziert. Das Modell sagt voraus, dass dieser Effekt auf diese Zellen konzentriert ist und nicht allgemein in anderen Zelltypen auftritt. Diese Beispiele veranschaulichen, wie zellspezifische Vorhersagen Forschern helfen können, genetische Variationen mit Zellen und biologischen Prozessen, die an Krankheiten beteiligt sind, in Verbindung zu bringen. Dennoch bedarf es experimenteller Validierung für die rechnerischen Vorhersagen.
AlphaGenome 2 ist jetzt über die AlphaGenome API für nicht-kommerzielle Forschungszwecke verfügbar, während kommerzielle Forscher über eine private Vorschau auf das Modell zugreifen können. Google DeepMind gibt an, dass das Modell für Forschungszwecke gedacht ist und noch keine Validierung oder Genehmigung für klinische oder diagnostische Anwendungen erhalten hat.
Die Bedeutung von AlphaGenome 2 für die Genforschung
Die Einführung von AlphaGenome 2 stellt einen wichtigen Fortschritt in der Genomforschung dar, da es nicht nur in der Lage ist, die Auswirkungen genetischer Variationen vorherzusagen, sondern auch Analysen für spezifische Zelltypen durchzuführen. Diese zellspezifischen Vorhersagen helfen Forschern, das genetische Fundament von Krankheiten genauer zu verstehen und könnten die Entwicklung neuer Therapien fördern. Obwohl das Modell Potenzial für Forschungszwecke hat, sind weitere experimentelle Validierungen erforderlich, um die Genauigkeit und Zuverlässigkeit seiner Vorhersagen zu bestätigen.

