نماذج ومنصات الذكاء الاصطناعي
إيلومينا تطلق نموذج SpliceAI2 لتفسير المتغيرات القَطعية

النقاط الرئيسيةتفوّق SpliceAI2 على AlphaGenome وغيره من نماذج التوصيل الجيني عبر ثلاثة معايير تقييم…
عرض المزيد
- تفوّق SpliceAI2 على AlphaGenome وغيره من نماذج التوصيل الجيني عبر ثلاثة معايير تقييم مستقلة.
- حدّد النموذج متغيرات مرتبطة بالمرض بنسبة 17% أكثر من غيره من نماذج التوصيل الجيني في أبحاث الأمراض النادرة.
- أطلقت Illumina أوزان SpliceAI2 وتنبؤاته مجانًا للاستخدام الأكاديمي مع اشتراط ترخيص تجاري منفصل.
أعلنت إيلومينا عن نموذج SpliceAI2 في 8 أكتوبر 2026، وهو نموذج ذكاء اصطناعي جينومي من مختبر BioInsight AI Lab يتنبأ بكيفية تعديل المتغيرات الجينية للقص RNA. وقالت إيلومينا إن النموذج حدد 17٪ أكثر من المتغيرات ذات الصلة بالأمراض مقارنةً بالنماذج القَطعية الأخرى عند تطبيقه على مجموعة بيانات أبحاث الأمراض النادرة.
وفقًا لإعلان الشركة، صُمم SpliceAI2 لمساعدة الباحثين على تحديد المتغيرات القَطعية ذات الصلة بالأمراض والتي قد تبقى غير ملحوظة، حيث يُعد التنبؤ بتأثير القطع مفتاحًا لحل المتغيرات ذات الدلالة غير المؤكدة في أبحاث الأمراض النادرة، وأبحاث اختبار السرطان الوراثي، واكتشاف الأدوية. ينضم النموذج إلى PromoterAI وPrimateAI-3D في مجموعة من نماذج الذكاء الاصطناعي الجينومي التي تغطي أنواع تأثيرات المتغيرات القَطعية، والمُحَفِّزات، وتغيّر الأحماض الأمينية، وقالت إيلومينا إن الثلاثة معًا تمكن الباحثين الآن من تحديد ما يصل إلى ضعف عدد المتغيرات ذات التأثير البيولوجي المتوقّع.
وصف رامي مهيّو، نائب الرئيس الأول والمدير العام لـ BioInsight، أدوات التنبؤ بتأثير المتغيرات مثل SpliceAI2 كواحدة من المجالات الرئيسية لمختبر BioInsight AI Lab؛ حيث يعمل المختبر على توليد بيانات جينومية ومتعددة الأوميكس، وتطوير نماذج ذكاء اصطناعي جينومية للتنبؤ بتأثير المتغيرات وتحديد أولوياتها، وتدريب نماذج أساسية بيولوجية. وقال كايل فار، نائب رئيس مختبر BioInsight AI Lab، إن إيلومينا تتقدم في مجال الذكاء الاصطناعي لتقليص الجزء من الجينوم الذي لا يزال غير قابل للتفسير بشكل منهجي.
يحل SpliceAI2 محل SpliceAI الأصلي، الذي أصدره المختبر في عام 2019. وقالت إيلومينا إن النموذج من الجيل الأول تم الاستشهاد به في أكثر من 3,400 دراسة وتم دمجه في توصيات تفسير المتغيرات القَطعية من ClinGen، وهي هيئة أبحاث سريرية تحدد معايير الجينوميات السريرية. تم تدريب النموذج الجديد على مجموعة بيانات أكبر بأكثر من 100 مرة من سابقتها.
تصميم النموذج وبيانات التدريب
حيث كان SpliceAI الأصلي يتنبأ بما إذا كانت الخلية ستقوم بالقص في موقع معين، يتناول SpliceAI2 ثلاثة أسئلة، وفقًا للمقال التقني من إيلومينا: ما هي المواقع في الجين التي تُستخدم كمواقع قص وبأي تكرار، أي مواقع القص تتصل عبر وصلات القص، وأي أشكال RNA الكاملة تُنتج. يتطلب النموذج فقط تسلسل DNA كمدخل، وهو ما قالت إيلومينا إنه يتيح تحليلًا على مستوى نسخ RNA دون الحاجة إلى بيانات RNA من الأنسجة التي يصعب الحصول عليها.
تصف المخطوطة التي تفصل العمل نموذجًا يعالج 196,608 زوجًا قاعديًا من التسلسل الجينومي مع ما يقرب من 13 مليون معلمة قابلة للتدريب، مدمجًا توقعات مواقع القص والوصلات في رسم بياني للقص يُستنتج منه نسخ RNA الكاملة واستخدامها. تم تدريب SpliceAI2 من البداية إلى النهاية على 314,745 عينة تسلسل RNA تشمل الإنسان وتسعة أنواع ثديية أخرى، تغطي أكثر من 46 مليون وصلة قص مُلاحظة بعد الترشيح، بالإضافة إلى 330 عينة تسلسل RNA طويلة القراءة من مشروع ENCODE العام. أفاد المؤلفون أن النموذج أعاد بناء نسخة RNA الأكثر وفرة بدقة لـ 82٪ من الجينات المحتفظ بها، مقارنةً بـ 78٪ عندما تم التدريب دون بيانات القراءة الطويلة.
تصف المخطوطة أيضًا إطار تحسين دقيق يشرط التنبؤات على مستويات التعبير لـ 147 بروتين ربط RNA، مما يلتقط اختلافات القص الخاصة بالأنسجة عبر 48 نسيجًا من Genotype-Tissue Expression (GTEx) في ما يقرب من 15 مليون قياس لاختلاف استخدام مواقع القص. أفاد المؤلفون أن النموذج تعلم بشكل مستقل أنماط تسلسلية يتعرف عليها منظمات القص الحقيقية دون أن يتم تعليمه صراحةً تلك العلاقات، وأن الإطار تم تكييفه لحالات المرض بما في ذلك الأورام المتحولة بـ SF3B1 وضمور العضلات الميوتوني.
المقاييس والنتائج في الأمراض النادرة
عبر ثلاثة مقاييس مستقلة، أفادت المخطوطة أن SpliceAI2 تفوق على SpliceAI الأصلي، Pangolin، وAlphaGenome من Google DeepMind، حيث أُجريت مقارنات AlphaGenome بشكل مستقل من قبل المتعاونين في جامعة أكسفورد. سجّل SpliceAI2 قيمة auPRC قدرها 0.77 مقابل 0.66 للنموذج التالي الأفضل في كشف المتغيرات القَطعية الخفية في GTEx، ومعامل ارتباط سبيرمان قدره 0.63 مقابل 0.47 في قياس استخدام مواقع القص، وقيمة auROC قدرها 0.76 مقابل 0.73 في تصنيف مواقع الصفات الكمية للقص، ومعامل ارتباط سبيرمان قدره 0.59 مقابل 0.55 في معيار اختبار المراسل المتوازي الضخم OpenSplice. يشير إعلان إيلومينا إلى أن النموذج حسّن قياس استخدام مواقع القص بنسبة 34٪ مقارنةً بالنموذج التالي الأفضل.
في تحليل شمل 7,504 شخصًا من مشروع Genomics England 100,000 Genomes، أفادت المخطوطة أن المتغيرات التي تم إعطاؤها أولوية بواسطة SpliceAI2 كانت غنية بشكل كبير في الجينات المرضية المتطابقة مع النمط الظاهري، حيث حددت 17٪ أكثر من المتغيرات المرتبطة بالأمراض مقارنةً بأي نموذج قص آخر تم اختباره عند مستويات ثقة متطابقة، واستعاد 133 متغيرًا زائدًا مقابل 114 للنموذج التالي الأفضل عند نسبة أودز ثابتة قدرها 2. أفادت إيلومينا أن SpliceAI2 وجد 33٪ أكثر من المتغيرات القَطعية ذات الصلة بالأمراض مقارنةً بـ SpliceAI القديم عند فاصل ثقة 2X و66٪ أكثر عند فاصل 4X. تقريبًا نصف المتغيرات القَطعية الخفية التي تم تحديدها تقع عميقًا داخل مناطق الإنترونات، وتذكر المخطوطة أن المتغيرات التي تتجاوز 50 زوجًا قاعديًا داخل الإنترونات عادةً ما تُفقد في تسلسل الإكسوم. شكلت المتغيرات المتوقعة التي تغير القص 15٪ من العبء الجيني الزائد في المجموعة، وفقًا للمخطوطة.
أظهر التحقق على نطاق سكاني المذكور في المخطوطة أنه استند إلى أكثر من 627,000 جينوم من gnomAD وTOPMed وUK Biobank، حيث كانت المتغيرات التي حصلت على أعلى درجات SpliceAI2 منخفضة بشكل كبير، مقتربة من الانخفاض الذي يُلاحظ في طفرات فقدان الوظيفة التي تُقطع البروتين. أظهرت بيانات البروتيوم في UK Biobank لـ 36,764 مشاركًا أن حاملي المتغيرات ذات الدرجات الأعلى لديهم مستويات بروتين بلازما أقل، مع ارتباط بيرسون قدره -0.50، وهو الأقوى بين النماذج التي تم تقييمها. أكدت بيانات تسلسل RNA لـ 5,435 مشاركًا من Genomics England التنبؤات في حالات فردية، بما في ذلك متغير فقدان المانح في جين PEX1 المرتبط بضمور القضبان والمخاريط ومتغير مانح خفي في جين PKD1 مرتبط بمرض الكلى الكيسي.
التوافر والترخيص
أفادت Illumina أن SpliceAI2 يمكن الوصول إليه عبر تطبيقات منصة BioInsight، بما في ذلك DRAGEN Annotation وEmedgene وIllumina Connected Insights. يتوفر كود المصدر وأوزان النموذج المدربة والتنبؤات المسبقة الحساب لجميع المتغيرات أحادية النوكليوتيد الممكنة داخل أجسام الجينات البشرية (4 مليارات) والإنسدلات التي لوحظت في السكان البشريين (150 مليون) من خلال SpliceAI2 GitHub repository وHugging Face للاستخدام البحثي الأكاديمي وغير التجاري، مع جهة اتصال منفصلة لترخيص الاستخدام التجاري. يتم تثبيت البرنامج عبر PyPI ويتطلب وحدة معالجة رسومية تدعم CUDA.
وفقًا لتوثيق المستودع، يتراوح نطاق spliceai2_summary_score من 0 إلى 1، مع توصية بالحدود 0.1 للاستدعاء العالي، 0.25 للتوازن بين الدقة والاستدعاء، و0.5 للدقة العالية، مما يعادل قيم SpliceAI المكافئة 0.2 و0.5 و0.8. قاد عمل SpliceAI2 كل من Kishore Jaganathan وKyle Farh، بالتعاون مع باحثين في University of Oxford وUCSF وNew York Genome Center.












