- AlphaGenome 2 是一款升級版的 DNA 序列模型，能預測遺傳變異對人類細胞的影響。
- 該模型分析個別細胞類型，幫助研究人員檢視與疾病相關的遺傳變異。
- 在基準測試中，AlphaGenome 2 識別了更多因果變異，提升了基因活性影響的判斷能力。
- 該模型已提供給非商業研究使用，尚未獲得臨床用途的驗證或批准。
Google DeepMind 最新推出了 AlphaGenome 2，這是一款升級版的 DNA 序列模型，旨在預測遺傳變異如何影響不同的人類細胞類型，幫助研究人員探討疾病背後的遺傳機制。該模型建立在原始的 AlphaGenome 之上，後者能夠映射廣泛組織中的分子活動，涵蓋基因組的編碼及非編碼區域，從而提供統一的方法來評估遺傳變異的潛在影響。今年早些時候，該公司還推出了 AlphaGenome Atlas，這是一個獨立的預測資源，映射人類基因組中每一種可能的單字母 DNA 變更的影響。
AlphaGenome 2 的功能與特點
根據公司資料，AlphaGenome 2 不僅限於廣泛的組織層級平均值，而是分析個別細胞類型及其狀態。這使研究人員能夠檢視遺傳變異如何影響與疾病相關的細胞，以及這些影響在不同細胞條件下可能存在的差異。該模型基於超過 1 億 700 萬個來自人類和小鼠樣本的個別細胞資料進行訓練，這些資料涵蓋了 68 種組織。與其前身不同，該模型在輸入時考慮特定的生物學條件及 DNA 序列。
研究人員可以從參考目錄中選擇一種細胞類型，或使用他們自己的單細胞數據來檢視先前未見的細胞狀態。該模型還能夠從其他可用數據估算缺失的實驗測量數據，例如染色質可及性。
在使用 TenK10K 的基準測試中，這是一個涵蓋 28 種主要免疫細胞類型的單細胞數據集，AlphaGenome 2 識別了 30% 的因果變異，相較於原始模型在單細胞數據及其他專用工具上調整後僅識別 16%。該模型還改善了對變異對基因活性的影響方向的判斷能力。在 43% 的案例中，該模型正確識別出變異是否增加或減少基因表達，而原始模型及比較工具僅為 23%。
這些結果表明，更新後的系統可能幫助研究人員縮小最有可能影響特定細胞類型中與疾病相關過程的遺傳變化範圍。
細胞特異性預測的實例
Google DeepMind 還展示了該模型在未曾遇到的細胞條件下檢視遺傳效應的能力。在一個例子中，研究人員使用了來自接受 COVID-19 mRNA 疫苗的人的單細胞數據。AlphaGenome 2 能夠區分活化的免疫 T 細胞與休息的 T 細胞，並發現一種與重症 COVID-19 相關的變異對活化細胞的基因活性影響更大。該公司還使用該模型在計算上重現了與炎症性腸病 (IBD) 相關的發現。
位於 DNA 遙遠調控區域的變異被顯示能夠促進腸道巨噬細胞中 ETS2 基因的活性。該模型預測這一效應集中於這些細胞，而不是在其他細胞類型中普遍發生。這些例子說明瞭細胞特異性預測如何幫助研究人員將遺傳變異與參與疾病的細胞及生物過程聯繫起來。然而，計算預測仍需實驗驗證。
AlphaGenome 2 現已通過 AlphaGenome API 提供給非商業研究使用，而商業研究人員則可以通過私人預覽獲取該模型。Google DeepMind 表示，該模型旨在用於研究用途，尚未獲得臨牀或診斷用途的驗證或批准。
AlphaGenome 2 對基因研究的重要性
AlphaGenome 2 的推出標誌著基因組學研究的一個重要進展，因為它不僅能夠預測遺傳變異的影響，還能針對特定細胞類型進行分析。這種細胞特異性預測有助於研究人員更準確地理解疾病的遺傳基礎，並可能促進新療法的發展。儘管該模型在研究用途上具有潛力，但仍需進一步的實驗驗證來確認其預測的準確性和可靠性。