Un Metodo di IA Rivela Cosa Imparano i Modelli Genomici dal DNA ed Espone il Bias Sperimentale Nascosto

I ricercatori dello Stowers Institute for Medical Research hanno creato un metodo di interpretazione che mostra, base per base, cosa ha appreso un modello di deep‑learning dal DNA, e lo hanno usato per rimuovere un bias sperimentale nascosto dai dati genomici. Il metodo, chiamato PISA, è descritto in un articolo pubblicato su Nature Communications ad agosto 2026 e annunciato dall’istituto il 25 agosto 2026.

Le reti neurali sequenza‑a‑funzione prendono DNA grezzo in input e prevedono l’esito di esperimenti genomici, dal legame dei fattori di trascrizione all’organizzazione dei nucleosomi. Ciò che normalmente non riescono a spiegare è il perché della predizione. PISA, abbreviazione di pairwise influence by sequence attribution, ricostruisce la predizione di un modello in una posizione genomica esatta risalendo a ogni altra base che l’ha influenzata, generando una mappa bidimensionale a risoluzione di singola base di ciò che il modello ha appreso, non solo di ciò che ha predetto.

Lo studio è stato guidato da Julia Zeitlinger allo Stowers in collaborazione con Anshul Kundaje della Stanford University, con Charles McAnany, Stowers AI Fellow, come primo autore. PISA funziona all’interno di BPReveal, l’ultima estensione del laboratorio di BPNet, un framework di deep learning sviluppato dal team per la prima volta nel 2021.

Come PISA Separa il Bias Sperimentale dalla Biologia

Il team ha applicato PISA a MNase-seq, un test ampiamente usato per mappare i nucleosomi, le strutture che si formano quando il DNA si avvolge attorno alle proteine istoniche. Il test funziona usando un enzima che taglia il DNA esposto lasciando intatto il DNA protetto dal nucleosoma, ma l’enzima preferisce alcune sequenze rispetto ad altre. I dati contengono quindi due segnali sovrapposti, e il modello ha appreso entrambi.

Poiché gli strumenti di interpretazione precedenti comprimono l’influenza di ogni base in un unico valore, gli effetti positivi e negativi possono annullarsi e scomparire. PISA conserva l’informazione a piena risoluzione e, a tale risoluzione, la preferenza di sequenza dell’enzima appare come un’impronta distintiva sulle mappe. Il team ha estratto tale firma matematicamente, ha addestrato un modello separato solo sul bias e lo ha sottratto, lasciando un secondo modello che ha appreso solo la biologia.

“È un po’ come la microscopia a super‑risoluzione,” ha detto Zeitlinger nell’annuncio dell’istituto. “Anche i metodi di interpretazione precedenti hanno aperto la scatola nera. Poi ti rendi conto che puoi vedere ancora di più. Aggiungi pixel e improvvisamente vedi cose che prima non potevi vedere.”

La Sorpresa Nascosta nei Dati Puliti

All’interno del modello corretto per il bias, PISA ha rivelato sequenze di DNA che favoriscono il posizionamento dei nucleosomi, con effetti che si estendono per centinaia di coppie di basi in entrambe le direzioni. Molte erano asimmetriche, influenzando un lato diversamente dall’altro. Seguendo tale asimmetria il team è arrivato ai confini dei domini della cromatina, i limiti che determinano quali sequenze regolatorie possono raggiungere quali geni. Tali confini sono normalmente mappati con metodi di cromatina 3D che richiedono una profondità di sequenziamento enorme; il modello ha individuato migliaia di essi solo dai dati sui nucleosomi, spesso con una precisione superiore a quella consentita dai dati 3D, secondo l’articolo.

Il team ha poi usato i modelli incentrati sulla biologia per progettare sequenze di DNA sintetico previste per organizzare i nucleosomi in configurazioni specifiche, e ha testato sperimentalmente un sottoinsieme di tali progetti. Le predizioni si sono confermate, a dimostrazione che le regole apprese dal modello possono generare ipotesi verificabili anziché limitarsi a descrivere i dati esistenti.

Il lavoro si colloca in un campo che ha investito molto in modelli di sequenza sempre più grandi. AlphaGenome di Google DeepMind, pubblicato all’inizio del 2026 e citato nell’introduzione dell’articolo su PISA, prevede gli effetti delle varianti regolatorie su tutto il genoma. PISA affronta il problema complementare: una volta che un modello effettua tali predizioni, capire quali caratteristiche di sequenza ha effettivamente utilizzato. Il metodo si è già diffuso oltre il laboratorio di Zeitlinger, è stato implementato in un pacchetto software separato da un collaboratore e adottato dalla neuroscienziata di Stowers Neşet Özel per una diversa domanda biologica.

PISA in Numeri

• 2021 – il framework di deep learning BPNet, fondamento di PISA, sviluppato per la prima volta dal team
• 8 aprile 2025 – preprint di PISA pubblicato per la prima volta su bioRxiv
• agosto 2026 – pubblicazione peer‑reviewed su Nature Communications
• Centinaia di coppie di basi – la portata delle singole sequenze di posizionamento dei nucleosomi scoperte dai modelli
• Migliaia – confini di domini della cromatina identificati solo dai dati sui nucleosomi

I Limiti Dichiarati dagli Autori

Questo è un articolo di metodologie e genomica, e la sua rilevanza per le malattie è una direzione, non un risultato. La maggior parte delle variazioni genetiche associate a malattie si trova nel DNA regolatorio piuttosto che nei geni, e Zeitlinger è esplicita nel dire che inserire una variante in un sito di legame o in un confine di dominio propone un meccanismo senza produrre un farmaco. Il lavoro ha inoltre richiesto un laboratorio competente sia in deep learning sia in biologia sperimentale, e Zeitlinger indica tale doppia competenza come la lacuna persistente del campo, più che la potenza computazionale.

Le sequenze di DNA progettate sono state validate solo per un sottoinsieme testato sperimentalmente, e la dimostrazione della correzione del bias nell’articolo è specifica per MNase-seq, sebbene gli autori mostrino PISA applicata a diversi tipi di dati. La cronologia delle revisioni del preprint mostra che l’analisi dei domini di cromatina è stata aggiunta durante il peer review, dopo una versione revisionata pubblicata il 5 gennaio 2026.

Ciò che il lavoro dimostra ora è un modo per verificare cosa i modelli genomici assorbono dai loro dati di addestramento, correggere le parti che provengono dall’esperimento anziché dalla biologia, ed estrarre regole di sequenza sufficientemente precise da progettare e testare su sistemi viventi.