Google DeepMind анонсировала модель AlphaGenome 2, которая прогнозирует влияние генетических вариаций на функции клеток человека. Систему обучили на массиве данных, который включает более 100 миллионов профилей экспрессии одиночных клеток. Это позволяет ей выявлять почти вдвое больше патогенных мутаций по сравнению с предыдущими вычислительными решениями.
AlphaGenome 2 анализирует последовательность ДНК и предсказывает последствия изменений в кодирующих и некодирующих регионах для различных типов клеток. Архитектура на основе трансформеров интегрирует информацию о хроматиновой доступности, транскриптомных профилях и эпигенетических метках из проектов ENCODE и Human Cell Atlas. Модель оценивает влияние однонуклеотидных замен, инсерций и делеций на сплайсинг, активность промоторов и энхансеров. В отличие от инструментов, которые дают единую оценку патогенности без учета тканевой специфичности, AlphaGenome 2 формирует предсказания для конкретных клеточных популяций, включая нейроны, кардиомиоциты и гепатоциты.
Предшественником разработки была модель AlphaMissense, выпущенная в 2023 году и классифицировавшая 71 миллион миссенс-вариантов. AlphaGenome 2 расширяет охват на все классы генетических вариаций и добавляет контекст клеточного типа. Внутренние тесты показали двукратный прирост точности в идентификации мутаций, которые связаны с редкими наследственными заболеваниями. Для сравнения, алгоритмы CADD и REVEL опираются на эволюционную консервативность, а PrimateAI-3D использует данные о структуре белков и отбор у приматов, однако все они не дифференцируют эффекты по тканям. Модели Enformer и DeepSEA предсказывают влияние на экспрессию, но ограничены набором клеточных линий и не предоставляют клиническую интерпретацию патогенности.
Обучение AlphaGenome 2 проводилось на распределенной вычислительной инфраструктуре Google Cloud с применением тензорных процессоров TPU v5. Объем обучающей выборки превысил 100 миллионов одиночных клеточных транскриптомов. Разработчики из DeepMind отмечают, что система способна обнаруживать мутации, пропускаемые стандартными пайплайнами клинического секвенирования, и может помочь в диагностике пациентов с нераскрытыми генетическими синдромами. Валидация на независимых выборках из баз ClinVar и HGMD подтвердила повышение доли случаев с установленной молекулярной причиной.
Практическое применение предполагает интеграцию AlphaGenome 2 в процессы интерпретации вариантов в генетических лабораториях. Инструмент ускоряет поиск мишеней для таргетной терапии, указывая, в каких именно клетках мутация вызывает функциональные нарушения. Это особенно важно для заболеваний нервной системы, кардиомиопатий и иммунодефицитов, где патогенез часто ограничен узкой клеточной популяцией. Модель также способна предсказывать аллель-специфичную экспрессию и эффекты мутаций в регуляторных элементах, что открывает возможности для интерпретации некодирующих вариантов, которые составляют большинство сигналов в полногеномных исследованиях ассоциаций.
Исследовательское сообщество ожидает публикации исходного кода и весов модели в открытом доступе по аналогии с AlphaFold и AlphaMissense. Подробное описание архитектуры и результаты бенчмарков будут представлены на профильной конференции и в рецензируемом журнале. AlphaGenome 2 продолжает движение в направлении прецизионной геномики, где мультимодальные нейросетевые модели приближают компьютерные предсказания к уровню функциональных экспериментов и сокращают разрыв между секвенированием и пониманием механизмов болезней.
