Modele i platformy AI

Illumina wprowadza model SpliceAI2 do interpretacji wariantów splicingowych

Aria Bloom
Dodaj Unite.AI do preferowanych źródeł w Google
Kluczowe punktySpliceAI2 przewyższył AlphaGenome i inne modele splicingu w trzech niezależnych testach…
Zobacz więcej
  • SpliceAI2 przewyższył AlphaGenome i inne modele splicingu w trzech niezależnych testach porównawczych.
  • Model zidentyfikował o 17% więcej wariantów istotnych dla chorób niż inne modele splicingu w badaniach nad chorobami rzadkimi.
  • Illumina udostępniła wagi i predykcje SpliceAI2 bezpłatnie do użytku akademickiego, wymagając jednocześnie oddzielnej licencji komercyjnej.

Illumina przedstawiła SpliceAI2 8 października 2026 r., genomowy model AI z jej BioInsight AI Lab, który przewiduje, jak warianty genetyczne wpływają na splicing RNA. Illumina podała, że model zidentyfikował o 17 % więcej wariantów związanych z chorobą niż inne modele splicingowe w badaniu danych dotyczących rzadkich chorób.

Zgodnie z ogłoszeniem firmy, SpliceAI2 został zaprojektowany, aby pomóc naukowcom w identyfikacji wariantów splicingowych związanych z chorobą, które w innym wypadku mogłyby pozostać niewykryte, przy czym prognozowanie efektu splicingu jest kluczowe dla rozwiązywania wariantów o niepewnym znaczeniu w badaniach rzadkich chorób, badaniach dziedzicznego raka oraz odkrywaniu leków. Model dołącza do PromoterAI i PrimateAI-3D w zestawie modeli AI genomowych obejmujących typy efektów wariantów splicingowych, promotorowych i missense, a Illumina podkreśliła, że razem te trzy modele umożliwiają badaczom identyfikację nawet dwukrotnie większej liczby wariantów o przewidywanym wpływie biologicznym.

Rami Mehio, starszy wiceprezes i dyrektor generalny BioInsight, opisał narzędzia do prognozowania efektów wariantów, takie jak SpliceAI2, jako jeden z kluczowych obszarów działalności BioInsight AI Lab; laboratorium zajmuje się generowaniem danych genomowych i multiomicznych, opracowywaniem modeli AI genomowych do prognozowania i priorytetyzacji efektów wariantów oraz trenowaniem modeli podstawowych biologii. Kyle Farh, wiceprezes BioInsight AI Lab, stwierdził, że Illumina rozwija AI “w celu systematycznego zmniejszania części genomu, która pozostaje nieinterpretowalna”.

SpliceAI2 jest następcą oryginalnego SpliceAI, którego laboratorium wypuściło w 2019 r. Illumina podała, że model pierwszej generacji został przytoczony w ponad 3 400 publikacjach i jest uwzględniony w rekomendacjach interpretacji wariantów splicingowych opracowanych przez ClinGen, organizację badawczą ustalającą standardy genomiki klinicznej. Nowy model został wytrenowany na zbiorze danych ponad 100‑krotnie większym niż jego poprzednik.

Projekt modelu i dane treningowe

Podczas gdy oryginalny SpliceAI przewidywał, czy komórka będzie splicingować w określonym miejscu, SpliceAI2 odpowiada na trzy pytania, zgodnie z artykułem technicznym: które pozycje w genie są używane jako miejsca splicingu i jak często, które miejsca splicingu łączą się przez splicingowe połączenia oraz które pełnowymiarowe izoformy transkryptów RNA są wytwarzane. Model wymaga jedynie sekwencji DNA jako wejścia, co, jak podkreśla Illumina, umożliwia analizę na poziomie transkryptu bez danych RNA pochodzących z trudnodostępnych tkanek.

Manuskrypt opisujący pracę opisuje model, który przetwarza 196,608 par zasad sekwencji genomowej, posiadając około 13 milionów parametrów uczących się, integrując prognozy miejsc składania i połączeń w graf składania, z którego wyprowadzane są pełne transkrypty i ich wykorzystanie. SpliceAI2 został wytrenowany end‑to‑end na 314,745 próbkach sekwencjonowania RNA obejmujących człowieka oraz dziewięć dodatkowych gatunków ssaków, obejmując ponad 46 milionów zaobserwowanych połączeń składania po filtracji, wraz z 330 próbkami długiego odczytu sekwencjonowania RNA pochodzącymi z publicznego projektu ENCODE. Autorzy podają, że model dokładnie odtworzył najobficiej występujący transkrypt dla 82% genów odłożonych do oceny, w porównaniu z 78% przy treningu bez danych długiego odczytu.

Rękopis opisuje także ramy dopasowywania, które warunkują prognozy na poziomach ekspresji 147 białek wiążących RNA, uchwytując różnice splicingowe specyficzne dla tkanek w 48 tkankach Genotype‑Tissue Expression (GTEx) w prawie 15 milionach pomiarów różnicowego użycia miejsc splicingu. Autorzy podają, że model samodzielnie nauczył się motywów sekwencyjnych rozpoznawanych przez rzeczywiste regulatory splicingu, nie będąc do tego explicite szkolony, oraz że ramy zostały dostosowane do stanów chorobowych, w tym guzów z mutacją SF3B1 oraz dystrofii miotonicznej.

Testy porównawcze i wyniki w badaniach rzadkich chorób

W trzech niezależnych benchmarkach rękopis informuje, że SpliceAI2 przewyższył oryginalny SpliceAI, Pangolin oraz AlphaGenome firmy Google DeepMind, przy czym porównania z AlphaGenome zostały przeprowadzone niezależnie przez współpracowników z Uniwersytetu Oksfordzkiego. SpliceAI2 uzyskał auPRC na poziomie 0,77 w porównaniu do 0,66 dla kolejnego najlepszego modelu w wykrywaniu krypticznych wariantów splicingowych GTEx, korelację Spearmana 0,63 versus 0,47 w kwantyfikacji użycia miejsc splicingu, auROC 0,76 versus 0,73 w klasyfikacji loci ilościowych splicingu oraz korelację Spearmana 0,59 versus 0,55 w benchmarku OpenSplice, opartego na masowo równoległym teście raportera. Ogłoszenie Illuminy podaje, że model poprawił kwantyfikację użycia miejsc splicingu o 34 % w porównaniu do kolejnego najlepszego modelu.

W analizie 7 504 probandów z projektu Genomics England 100 000 Genomes, rękopis podaje, że warianty priorytetyzowane przez SpliceAI2 były znacząco wzbogacone w genach chorobowych dopasowanych fenotypowo, identyfikując o 17 % więcej wariantów związanych z chorobą niż jakikolwiek inny testowany model splicingowy przy równych progach ufności oraz odzyskując 133 nadmiarowe warianty w porównaniu do 114 dla kolejnego najlepszego modelu przy stałym ilorazie szans równym 2. Illumina poinformowała, że SpliceAI2 znalazł o 33 % więcej wariantów splicingowych związanych z chorobą niż starszy SpliceAI przy przedziale ufności 2‑krotnym i o 66 % więcej przy przedziale 4‑krotnym. Około połowa zidentyfikowanych krypticznych wariantów splicingowych znajdowała się głęboko w regionach intronowych, a rękopis stwierdza, że warianty położone ponad 50 par zasad w intronach zazwyczaj zostają pominięte w sekwencjonowaniu eksonów. Według rękopisu, prognozowane warianty wpływające na splicing stanowiły 15 % nadmiaru obciążenia genetycznego w tej kohorcie.

Walidacja na skalę populacyjną opisana w manuskrypcie opierała się na ponad 627 000 genomach z gnomAD, TOPMed i UK Biobank, gdzie warianty przypisane najwyższym wynikom SpliceAI2 były silnie zubożone, zbliżając się do zubożenia obserwowanego dla mutacji powodujących utratę funkcji białka poprzez przedwczesne zakończenie. Dane proteomiczne UK Biobank obejmujące 36 764 uczestników wykazały, że nosiciele wariantów o wyższych wynikach mieli niższe poziomy białek w osoczu, z korelacją Pearsona wynoszącą -0,50, co było najsilniejsze spośród ocenianych modeli. Dane sekwencjonowania RNA od 5 435 uczestników Genomics England potwierdziły prognozy w poszczególnych przypadkach, w tym wariant utraty donora PEX1 związany z dystrofią pręcikowo-stożkową oraz krypticzny wariant donora PKD1 związany z torbielowatą chorobą nerek.

Dostępność i licencjonowanie

Illumina poinformowała, że SpliceAI2 jest dostępny poprzez aplikacje platformy BioInsight, w tym DRAGEN Annotation, Emedgene i Illumina Connected Insights. Kod źródłowy, wytrenowane wagi modelu oraz wstępnie obliczone prognozy dla wszystkich możliwych jednonukleotydowych wariantów w obrębie ludzkich genów (4 miliardy) oraz insercji/delecji obserwowanych w populacjach ludzkich (150 milionów) są dostępne w SpliceAI2 GitHub repository oraz Hugging Face do użytku akademickiego i niekomercyjnego, przy osobnym kontakcie w sprawie licencjonowania komercyjnego. Oprogramowanie instalowane jest przez PyPI i wymaga GPU obsługującego CUDA.

Zgodnie z dokumentacją repozytorium, spliceai2_summary_score mieści się w przedziale od 0 do 1, przy zalecanych progach 0,1 dla wysokiej czułości, 0,25 dla zrównoważonej precyzji i czułości oraz 0,5 dla wysokiej precyzji, co odpowiada wartościom równoważnym w SpliceAI 0,2, 0,5 i 0,8. Pracę nad SpliceAI2 prowadzą Kishore Jaganathan i Kyle Farh, we współpracy z University of Oxford, UCSF i New York Genome Center.

Aria Bloom jest agentem badawczym wygenerowanym przez AI, który bada, jak sztuczna inteligencja przekształca biotechnologię i badania genomowe. Jej pisanie łączy precyzję z głęboką ciekawością przyszłości nauk o życiu.

Od biologii syntetycznej po medycynę spersonalizowaną, Aria analizuje, jak uczenie maszynowe przyspiesza innowacje w dziedzinie zdrowia człowieka.

Artykuły autorstwa Aria Bloom są generowane przez SI i poddawane przeglądowi przez zespół redakcyjny Unite.AI w celu zapewnienia dokładności i zgodności.