Google DeepMind lanserer AlphaGenome for å avkode menneskegenomens funksjon

Google DeepMind lanserte AlphaGenome den 28. januar, en AI-modell som forutsier hvordan DNA-sekvenser oversettes til biologiske funksjoner, og som kan prosessere opptil en million basepar samtidig og overgår eksisterende modeller i 25 av 26 variant-effektprediksjonsbenchmarks.

Modellen, som er publisert i Nature og detaljert på DeepMind-bloggen, representerer en betydelig fremgang i komputasjonell genetikk. Der hvor tidligere modeller krevde separate systemer for forskjellige prediksjonsoppgaver, håndterer AlphaGenome alt fra genuttrykk til kromatintilgjengelighet i en enkelt, samlet arkitektur.

“AlphaGenome kan se over en lang strekning av DNA og forutsi hvor de kritiske reguleringselementene er og deres nedstrøms-effekter på genuttrykk,” skrev DeepMind-teamet i sin annonsering. Modellens million-token kontekstvindu lar den fange lange rekkeavhengigheter mellom fjerne DNA-regioner som påvirker hvordan gener slås av og på.

How It Works

AlphaGenome kombinerer to neurale nettverksarkitekturer: en Borzoi-liknende 1D konvolusjonsnettverk for å prosessere rå DNA-sekvenser og en U-Net-arkitektur tilpasset fra bildesegmentering. Denne hybride tilnærmingen lar modellen håndtere både den sekvensielle naturen til DNA og de komplekse romlige relasjonene mellom reguleringselementer.

Treningsdataene omfatter omtrent 7 000 genetiske spor fra ENCODE- og FANTOM-konsortiene – massive samarbeidsprosjekter som har katalogisert funksjonelle elementer over hele menneskegenomet. Modellen lærer å forutsi signaler fra eksperimentelle undersøkelser som måler genuttrykk, DNA-tilgjengelighet, proteinbinding og kromatinmodifikasjoner.

For forskere ligger den praktiske verdien i variant-effektprediksjon. Når en pasients genom inneholder en mutasjon, må klinikerne vite om varianten har betydning. AlphaGenome kan forutsi hvordan en enkelt nukleotidforandring påvirker hele reguleringsskapet, potensielt flaggande sykdomsfremkallende varianter som nåværende metoder overseer.

Modellen oppnådde sterke resultater på benchmarks som testet dens evne til å forutsi hvordan genetiske varianter påvirker genuttrykk og reguleringselementaktivitet. På uttrykkskvantitative traitloci (eQTL) – varianter som er kjent for å påvirke genuttrykksnivå – matchet eller overgikk AlphaGenome spesialiserte modeller som var trent spesifikt for disse oppgavene.

Open Source Availability

DeepMind lanserte AlphaGenomes kildekode på GitHub for ikke-kommersiell bruk, og fortsatte laboratoriets mønster med å gjøre grunnleggende biologiske verktøy offentlig tilgjengelige. Repositoriet inkluderer modellvekter, inferenskode og dokumentasjon for å kjøre prediksjoner på tilpassede sekvenser.

Den åpne utgivelsen følger mønsteret etablert av AlphaFold, DeepMinds verktøy for proteinstrukturprediksjon som har blitt brukt av over 3 millioner forskere siden utgivelsen i 2021. AlphaGenome løser et komplementært problem: mens AlphaFold forutsier hvordan proteiner ser ut, forutsier AlphaGenome når og hvor gener produserer disse proteinene.

Google DeepMind-sjef Demis Hassabis har posisjonert biologi som en primær anvendingsdomene for laboratoriets AI-egenskaper. Genomarbeidet utvider DeepMinds ambisjoner utenfor konversasjons-AI og språkmodellene som driver produkter som Gemini, og anvender lignende arkitektoniske innovasjoner på vitenskapelige problemer.

Why This Matters

Menneskegenomet inneholder omtrent 3 milliarder basepar, men bare omtrent 1,5 % koder direkte for proteiner. De resterende 98,5 % – som lenge har blitt forkastet som “junk-DNA” – inneholder reguleringselementer som kontrollerer når, hvor og hvor mye gener uttrykkes. Mutasjoner i disse ikke-kodende regionene forårsaker sykdommer, men å identifisere hvilke varianter som har betydning har vært ekstraordinært vanskelig.

Tradisjonelle metoder krever dyre, tidskrevende eksperimenter for å teste enkeltvarianter. Maskinlæringsmodeller som AlphaGenome kan skanne tusenvis av varianter komputasjonelt, og prioritere hvilke som fortjener eksperimentell oppfølging. For sjeldne sykdomsdiagnoser, der pasienter ofte bærer nye varianter med ukjente effekter, kunne denne evnen akselerere veien fra sekvensering til diagnose.

Modellens evne til å prosessere million basepar kontekst er særlig betydelig. Genregulerende elementer kan ligge hundredtusener av basepar unna genene de kontrollerer, og kommunisere gjennom komplekse 3D-folding av DNA. Tidligere modeller med kortere kontekstvinduer kunne ikke fange disse lange rekkeavhengighetene.

AlphaGenome slutter seg til en voksende økosystem av AI-verktøy som transformerer biologisk forskning. Proteinstrukturprediksjon, legemiddelforskning og nå genregulering er stadig mer håndterbare problemer for maskinlæring. For genetiskforskningsmiljøet demokratiserer den åpne tilgjengeligheten av disse modellene tilgangen til komputasjonelle kapasiteter som tidligere var begrenset til godt finansierte laboratorier.

Modellens begrensninger er også tydelige fra DeepMinds presentasjon. Mens AlphaGenome utmerker seg ved å forutsi eksperimentelle målinger, krever oversettelsen av disse forutsigelsene til kliniske resultater ytterligere validering. Gapet mellom å forutsi kromatintilgjengelighet og å forutsi sykdomsrisk forblir betydelig.

For nå tjener AlphaGenome som et forskningsverktøy – ett som kunne akselerere forståelsen av hvordan genomet fungerer, selv om kliniske anvendelser kan ligge år unna. De 3 000 forskerne over 160 land som allerede bruker modellen, antyder at forskningsmiljøet ser umiddelbar verdi i det DeepMind har bygget.