- AlphaGenome 2 是一款升级版的 DNA 序列模型,能预测遗传变异对人类细胞的影响。
- 该模型分析个别细胞类型,帮助研究人员检视与疾病相关的遗传变异。
- 在基准测试中,AlphaGenome 2 识别了更多因果变异,提升了基因活性影响的判断能力。
- 该模型已提供给非商业研究使用,尚未获得临床用途的验证或批准。
Google DeepMind 最新推出了 AlphaGenome 2,这是一款升级版的 DNA 序列模型,旨在预测遗传变异如何影响不同的人类细胞类型,帮助研究人员探讨疾病背后的遗传机制。该模型建立在原始的 AlphaGenome 之上,后者能够映射广泛组织中的分子活动,涵盖基因组的编码及非编码区域,从而提供统一的方法来评估遗传变异的潜在影响。今年早些时候,该公司还推出了 AlphaGenome Atlas,这是一个独立的预测资源,映射人类基因组中每一种可能的单字母 DNA 变更的影响。
AlphaGenome 2 的功能与特点
根据公司资料,AlphaGenome 2 不仅限于广泛的组织层级平均值,而是分析个别细胞类型及其状态。这使研究人员能够检视遗传变异如何影响与疾病相关的细胞,以及这些影响在不同细胞条件下可能存在的差异。该模型基于超过 1 亿 700 万个来自人类和小鼠样本的个别细胞资料进行训练,这些资料涵盖了 68 种组织。与其前身不同,该模型在输入时考虑特定的生物学条件及 DNA 序列。
研究人员可以从参考目录中选择一种细胞类型,或使用他们自己的单细胞数据来检视先前未见的细胞状态。该模型还能够从其他可用数据估算缺失的实验测量数据,例如染色质可及性。
在使用 TenK10K 的基准测试中,这是一個涵蓋 28 種主要免疫細胞類型的單細胞數據集,AlphaGenome 2 识别了 30% 的因果变异,相较于原始模型在单细胞数据及其他专用工具上调整后仅识别 16%。该模型还改善了对变异对基因活性的影响方向的判断能力。在 43% 的案例中,该模型正确识别出变异是否增加或减少基因表达,而原始模型及比较工具仅为 23%。
这些结果表明,更新后的系统可能帮助研究人员缩小最有可能影响特定细胞类型中与疾病相关过程的遗传变化范围。
细胞特异性预测的实例
Google DeepMind 还展示了该模型在未曾遇到的细胞条件下检视遗传效应的能力。在一个例子中,研究人员使用了来自接受 COVID-19 mRNA 疫苗的人的单细胞数据。AlphaGenome 2 能够区分活化的免疫 T 细胞与休息的 T 细胞,并发现一种与重症 COVID-19 相关的变异对活化细胞的基因活性影响更大。该公司还使用该模型在计算上重现了与炎症性肠病 (IBD) 相关的发现。
位于 DNA 遥远调控区域的变异被显示能够促进肠道巨噬细胞中 ETS2 基因的活性。该模型预测这一效应集中于这些细胞,而不是在其他细胞类型中普遍发生。这些例子说明了细胞特异性预测如何帮助研究人员将遗传变异与参与疾病的细胞及生物过程联系起来。然而,计算预测仍需实验验证。
AlphaGenome 2 现已通过 AlphaGenome API 提供给非商业研究使用,而商业研究人员则可以通过私人预览获取该模型。Google DeepMind 表示,该模型旨在用于研究用途,尚未获得临床或诊断用途的验证或批准。
AlphaGenome 2 对基因研究的重要性
AlphaGenome 2 的推出标志着基因组学研究的一个重要进展,因为它不仅能够预测遗传变异的影响,还能针对特定细胞类型进行分析。这种细胞特异性预测有助于研究人员更准确地理解疾病的遗传基础,并可能促进新疗法的发展。尽管该模型在研究用途上具有潜力,但仍需进一步的实验验证来确认其预测的准确性和可靠性。

