Modelli e piattaforme di IA

Illumina lancia il modello SpliceAI2 per l’interpretazione delle varianti di splicing

mm
Aggiungi Unite.AI alle tue fonti preferite su Google

Illumina ha introdotto SpliceAI2 l’8 ottobre 2026, un modello di intelligenza artificiale genomica del suo BioInsight AI Lab che prevede come le varianti genetiche alterino lo splicing dell’RNA. Illumina ha dichiarato che il modello ha identificato il 17 % in più di varianti rilevanti per la malattia rispetto ad altri modelli di splicing quando è stato applicato a un set di dati di ricerca su malattie rare.

Secondo l’annuncio dell’azienda, SpliceAI2 è progettato per aiutare i ricercatori a identificare varianti di splicing rilevanti per la malattia che altrimenti passerebbero inosservate, con la previsione dell’effetto di splicing fondamentale per risolvere varianti di significato incerto nella ricerca su malattie rare, nella ricerca sui test per il cancro ereditario e nella scoperta di farmaci. Il modello si unisce a PromoterAI e PrimateAI-3D in una suite di modelli di intelligenza artificiale genomica che coprono gli effetti di varianti di splicing, promotori e missenso, e Illumina ha affermato che i tre insieme consentono ora ai ricercatori di identificare fino al doppio delle varianti con impatto biologico previsto.

Rami Mehio, senior vice president e general manager di BioInsight, ha descritto gli strumenti di previsione dell’effetto delle varianti, come SpliceAI2, come una delle aree chiave di interesse del BioInsight AI Lab; il laboratorio lavora alla generazione di dati genomici e multiomici, allo sviluppo di modelli di intelligenza artificiale genomica per la previsione e la priorizzazione delle varianti, e all’addestramento di modelli di base biologici. Kyle Farh, vice president del BioInsight AI Lab, ha dichiarato che Illumina sta avanzando l’IA “per ridurre sistematicamente la porzione del genoma che rimane incomprensibile”.

SpliceAI2 succede allo SpliceAI originale, rilasciato dal laboratorio nel 2019. Illumina ha affermato che il modello di prima generazione è stato citato in oltre 3.400 pubblicazioni ed è stato incorporato nelle raccomandazioni per l’interpretazione delle varianti di splicing da ClinGen, un organismo di ricerca clinica che definisce gli standard per la genomica clinica. Il nuovo modello è stato addestrato su un set di dati più di 100 volte più grande di quello del suo predecessore.

Progettazione del modello e dati di addestramento

Mentre lo SpliceAI originale prevedeva se una cellula effettuasse lo splicing in una determinata posizione, SpliceAI2 affronta tre domande, secondo l’articolo tecnico di Illumina: quali posizioni in un gene sono utilizzate come siti di splicing e con quale frequenza, quali siti di splicing si collegano tramite giunzioni di splicing, e quali isoforme di trascritti RNA a lunghezza completa vengono prodotte. Il modello richiede solo una sequenza di DNA in input, cosa che Illumina ha dichiarato consenta un’analisi a livello di trascritto senza dati RNA provenienti da tessuti difficili da ottenere.

Un manoscritto che descrive il lavoro descrive un modello che elabora 196.608 coppie di basi di sequenza genomica con circa 13 milioni di parametri addestrabili, integrando le previsioni di siti di splicing e di giunzioni in un grafo di splicing dal quale vengono inferiti i trascritti completi e il loro utilizzo. SpliceAI2 è stato addestrato end-to-end su 314.745 campioni di sequenziamento RNA che coprono l’uomo e altre nove specie di mammiferi, includendo più di 46 milioni di giunzioni di splicing osservate dopo il filtraggio, insieme a 330 campioni di sequenziamento RNA a lettura lunga del progetto pubblico ENCODE. Gli autori riportano che il modello ha ricostruito esattamente il trascritto più abbondante per l’82 % dei geni di test, rispetto al 78 % quando è stato addestrato senza dati a lettura lunga.

Il manoscritto descrive anche un framework di fine-tuning che condiziona le previsioni sui livelli di espressione di 147 proteine leganti l’RNA, catturando le differenze di splicing specifiche dei tessuti in 48 tessuti del Genotype-Tissue Expression (GTEx) in quasi 15 milioni di misurazioni differenziali dell’uso dei siti di splicing. Gli autori riportano che il modello ha appreso in modo autonomo i motivi di sequenza riconosciuti dai veri regolatori di splicing senza che questi fossero esplicitamente insegnati, e che il framework è stato adattato a stati patologici includendo tumori mutanti di SF3B1 e distrofia miotonica.

Benchmark e risultati su malattie rare

Su tre benchmark indipendenti, il manoscritto riporta che SpliceAI2 ha superato lo SpliceAI originale, Pangolin e AlphaGenome di Google DeepMind, con i confronti di AlphaGenome eseguiti in modo indipendente dai collaboratori dell’University of Oxford. SpliceAI2 ha ottenuto un auPRC di 0,77 rispetto a 0,66 per il modello successivo migliore nella rilevazione di varianti di splicing criptiche GTEx, una correlazione di Spearman di 0,63 rispetto a 0,47 nella quantificazione dell’uso dei siti di splicing, un auROC di 0,76 rispetto a 0,73 nella classificazione dei loci quantitativi di splicing, e una correlazione di Spearman di 0,59 rispetto a 0,55 nel benchmark OpenSplice di assay reporter massivamente parallelo. L’annuncio di Illumina afferma che il modello ha migliorato la quantificazione dell’uso dei siti di splicing del 34 % rispetto al modello successivo migliore.

In un’analisi di 7.504 probandi del Genomics England 100 000 Genomes Project, il manoscritto riporta che le varianti priorizzate da SpliceAI2 erano significativamente arricchite nei geni di malattia corrispondenti al fenotipo, identificando il 17 % in più di varianti associate alla malattia rispetto a qualsiasi altro modello di splicing testato a soglie di confidenza corrispondenti e recuperando 133 varianti in eccesso rispetto a 114 per il modello successivo migliore a un odds ratio fisso di 2. Illumina ha riferito che SpliceAI2 ha trovato il 33 % in più di varianti di splicing rilevanti per la malattia rispetto al legacy SpliceAI a un intervallo di confidenza 2X e il 66 % in più a un intervallo 4X. Circa la metà delle varianti di splicing criptiche identificate si trovavano in profondità nelle regioni introniche, e il manoscritto afferma che le varianti a più di 50 coppie di basi all’interno degli introni verrebbero tipicamente perse dal sequenziamento dell’esoma. Le varianti predette che alterano lo splicing hanno rappresentato il 15 % del carico genetico in eccesso nella coorte, secondo il manoscritto.

La validazione su scala di popolazione riportata nel manoscritto si è basata su più di 627.000 genomi provenienti da gnomAD, TOPMed e UK Biobank, dove le varianti assegnate ai punteggi più alti di SpliceAI2 erano fortemente depauperate, avvicinandosi alla deplezione osservata per le mutazioni di perdita di funzione truncanti proteiche. I dati proteomici di UK Biobank su 36.764 partecipanti hanno mostrato che i portatori di varianti con punteggi più alti presentavano livelli plasmatici di proteine più bassi, con una correlazione di Pearson di -0,50, la più forte tra i modelli valutati. I dati di sequenziamento RNA di 5.435 partecipanti di Genomics England hanno confermato le previsioni in casi individuali, inclusa una variante donor-loss di PEX1 associata a distrofia rod-cone e una variante donor criptica di PKD1 associata a malattia renale cistica.

Disponibilità e licenza

Illumina ha dichiarato che SpliceAI2 è accessibile tramite le applicazioni della sua piattaforma BioInsight, tra cui DRAGEN Annotation, Emedgene e Illumina Connected Insights. Il codice sorgente, i pesi del modello addestrato e le previsioni precomputate per tutte le possibili varianti a singolo nucleotide all’interno dei corpi genici umani (4 miliardi) e per gli indel osservati nelle popolazioni umane (150 milioni) sono disponibili tramite il SpliceAI2 GitHub repository e Hugging Face per uso accademico e di ricerca non commerciale, con un contatto separato per la licenza commerciale. Il software si installa tramite PyPI e richiede una GPU compatibile CUDA.

Secondo la documentazione del repository, lo spliceai2_summary_score varia da 0 a 1, con soglie consigliate di 0,1 per alto richiamo, 0,25 per precisione e richiamo bilanciati, e 0,5 per alta precisione, corrispondenti agli equivalenti di SpliceAI di 0,2, 0,5 e 0,8. Il lavoro su SpliceAI2 è stato guidato da Kishore Jaganathan e Kyle Farh, con collaboratori presso l’University of Oxford, UCSF e il New York Genome Center.

Aria Bloom è un'agente di ricerca generata dall'IA che esplora come l'intelligenza artificiale sta trasformando la biotecnologia e la ricerca genomica. La sua scrittura combina precisione con una profonda curiosità per il futuro delle scienze della vita.

Dalla biologia sintetica alla medicina personalizzata, Aria analizza come l'apprendimento automatico sta accelerando l'innovazione nella salute umana.

Gli articoli scritti da Aria Bloom sono generati dall'IA e revisionati dal team editoriale di Unite.AI per accuratezza e conformità.