Google DeepMind משחרר AlphaGenome לפענוח תפקוד הגנום האנושי

Google DeepMind הוציאה לאור את AlphaGenome ב-28 בינואר, מודל AI שחוזה כיצד רצפי DNA מתורגמים לתפקודים ביולוגיים, ומעבד עד מיליון זוגות בסיס בבת אחת, ועוקפת מודלים קיימים ב-25 מתוך 26 בנכסי חיזוי השפעת וריאנטים.

המודל, פורסם ב-Nature ומופרט ב- בלוג של DeepMind, מייצג התקדמות משמעותית בגנומיקה חישובית. בעוד שמודלים קודמים דרשו מערכות נפרדות למשימות חיזוי שונות, AlphaGenome מטפלת בכל מה שמביטוי גנים לנגישות כרומטין בארכיטקטורה מאוחדת אחת.

“AlphaGenome יכולה להסתכל על קטע ארוך של DNA ולחזות היכן האיברים הרגולטוריים הקריטיים והשפעותיהם הדורסטיות על ביטוי גנים,” כתב צוות DeepMind בהודעתם. חלון ההקשר של מיליון טוקנים של המודל מאפשר לו ללכוד אינטראקציות ארוכות טווח בין אזורים מרוחקים של DNA שמשפיעים על כיצד גנים מופעלים ונכבים.

איך זה עובד

AlphaGenome משלבת שתי ארכיטקטורות של רשתות עצביות: רשת קונבולוציה 1D בסגנון Borzoi לעיבוד רצפי DNA גולמיים וארכיטקטורת U-Net המותאמת מסגמנטציה של תמונות. הגישה ההיברידית הזו מאפשרת למודל לטפל הן בטבע הרציף של DNA והן ביחסים המרחביים המורכבים בין איברים רגולטוריים.

נתוני האימון משתרעים על פני כ-7,000 רצועות גנומיות מהקונסורציום ENCODE ו-FANTOM—מאמצים שיתופיים עצומים שתיעדו איברים פונקציונליים ברחבי הגנום האנושי. המודל לומד לחזות אותות מניסויים שונים המודדים ביטוי גנים, נגישות DNA, קישור חלבונים ושינויים בכרומטין.

עבור חוקרים, הערך המעשי טמון בחיזוי השפעת וריאנטים. כאשר גנום של חולה מכיל מוטציה, רופאים צריכים לדעת האם הווריאנט הזה משנה. AlphaGenome יכולה לחזות כיצד שינוי נוקלאוטיד בודד משפיע על כל הנוף הרגולטורי, ובכך לסמן וריאנטים הגורמים למחלות ששיטות נוכחיות מחמיצות.

המודל השיג תוצאות חזקות בבנכסים שבוחנים את יכולתו לחזות כיצד וריאנטים גנטיים משפיעים על רמות ביטוי גנים ופעילות איברים רגולטוריים. ב-eQTLs (אתרים קוונטיטיביים של תכונות ביטוי)—וריאנטים הידועים כמשפיעים על רמות ביטוי גנים—AlphaGenome השוותה או עלתה על מודלים מיוחדים שאומנו במיוחד עבור משימות אלו.

זמינות קוד פתוח

DeepMind הוציאה לאור את הקוד המקור של AlphaGenome ב-GitHub לשימוש לא מסחרי, ובכך ממשיכה את הדפוס של המעבדה להפוך כלים בסיסיים של ביולוגיה לזמינים לציבור. האחסון כולל משקלי מודל, קוד היקש, ומסמכים לריצת חיזויים על רצפים מותאמים אישית.

השחרור הפתוח עוקב אחר המודל שהוקם על ידי AlphaFold, כלי החיזוי של מבנה חלבונים של DeepMind, אשר שימש יותר מ-3 מיליון חוקרים מאז שחרורו ב-2021. AlphaGenome פותרת בעיה משלימה: בעוד AlphaFold חוזה כיצד חלבונים נראים, AlphaGenome חוזה מתי והיכן גנים מייצרים את אותם חלבונים.

מנכ”ל Google DeepMind, דמיס האסאביס, הציב את הביולוגיה כתחום יישום ראשי ליכולות ה-AI של המעבדה. עבודת הגנומיקה מרחיבה את שאיפות DeepMind מעבר ל-AI שיחתי ומודלים לשוניים שמניעים מוצרים כמו Gemini, ויושמות הנדסיות ארכיטקטוניות דומות לבעיות מדעיות.

למה זה משנה

הגנום האנושי מכיל כ-3 מיליארד זוגות בסיס, אך רק כ-1.5% מקודדים ישירות לחלבונים. ה-98.5% הנותר—שבעבר נדחה כ”DNA מיותר”—מכיל איברים רגולטוריים השולטים מתי, היכן וכמה גנים מבוטאים. מוטציות באזורים הלא-קודים האלו גורמות למחלות, אך זיהוי הווריאנטים שמשנים היה בעיה קשה במיוחד.

שיטות מסורתיות דורשות ניסויים יקרים וצורכי זמן רב כדי לבדוק וריאנטים בודדים. מודלים של למידת מכונה כמו AlphaGenome יכולים לבדוק אלפי וריאנטים באופן מחשובי, ולהעדיף את אלו שראויים לעקוב אחריהם בניסוי. עבור אבחון מחלות נדירות, שבהן חולים רבים נושאים וריאנטים חדשים עם השפעות לא ידועות, יכולת זו יכולה לזרז את הדרך מריצוף לאבחון.

יכולת המודל לעבד הקשרים של מיליון זוגות בסיס היא משמעותית במיוחד. איברים רגולטוריים של גנים יכולים להימצא מאות אלפי זוגות בסיסים הרחק מהגנים שהם שולטים עליהם, ותוך כדי קיפול מורכב של DNA במרחב 3D. מודלים קודמים עם חלונות הקשר קצרים יותר לא יכלו לתפוס את התלות הארוכת-טווח הזו.

AlphaGenome מצטרפת למערכת הולכת וגדלה של כלים AI המשנים את מחקר הביולוגיה. חיזוי מבנה חלבונים, גילוי תרופות ועכשיו רגולציה של גנים הם בעיות שניתנות לטיפול באמצעות למידת מכונה. עבור קהילת המחקר הגנטי, זמינות פתוחה של מודלים אלו מדמוקרטיזה את הגישה ליכולות חישוביות שהיו בעבר מוגבלות למעבדות ממומנות היטב.

המגבלות של המודל גם הן ברורות מהצגת DeepMind. בעוד AlphaGenome מצטיינת בחיזוי אותות מניסויים, תרגום החיזויים האלו לתוצאות קליניות דורש היטבת נוספת. הפער בין חיזוי נגישות כרומטין לחיזוי סיכון למחלה נותר משמעותי.

בינתיים, AlphaGenome משמשת ככלי מחקר—כלי שיכול לזרז את ההבנה של כיצד הגנום פועל, אפילו אם יישומים קליניים עדיין רחוקים. 3,000 המדענים ב-160 מדינות שכבר משתמשים במודל מרמזים על כך שקהילת המחקר רואה ערך מיידי במה ש-DeepMind בנתה.