Google DeepMind เปิดตัว AlphaGenome เพื่อถอดรหัสหน้าที่ของจีโนมมนุษย์

Google DeepMind ได้เปิดตัว AlphaGenome เมื่อวันที่ 28 มกราคม ซึ่งเป็นโมเดล AI ที่สามารถทำนายว่าลำดับ DNA จะถูกแปลเป็นหน้าที่ทางชีววิทยาได้อย่างไร โดยสามารถประมวลผลได้ถึง 1 ล้านเบส-пар์ในครั้งเดียว และมีประสิทธิภาพเหนือกว่าโมเดลที่มีอยู่ใน 25 จาก 26 บンチมาร์กการทำนายผลกระทบของการเปลี่ยนแปลง

โมเดลนี้ ตีพิมพ์ในวารสาร Nature และมีรายละเอียดเพิ่มเติมบน บล็อกของ DeepMind ซึ่งเป็นการพัฒนาที่สำคัญในด้านจีโนมิกส์เชิงคำนวณ โดยโมเดลก่อนหน้านี้ต้องการระบบที่แยกจากกันสำหรับการทำนายแต่ละประเภท แต่ AlphaGenome สามารถจัดการทุกอย่างตั้งแต่การแสดงออกของยีนไปจนถึงความเข้าถึงของโครมาตินในโครงสร้างที่รวมเป็นหนึ่งเดียว

“AlphaGenome สามารถมองเห็นลำดับ DNA ที่ยาวและทำนายตำแหน่งขององค์ประกอบควบคุมที่สำคัญและผลกระทบที่ตามมาในการแสดงออกของยีน” ทีม DeepMind ระบุในประกาศของพวกเขา โมเดลมีหน้าต่างบริบทขนาด 1 ล้านโทเค็น ซึ่งช่วยให้สามารถจับผลกระทบระยะไกลระหว่างภูมิภาค DNA ที่อยู่ห่างออกไปซึ่งมีอิทธิพลต่อวิธีการทำงานของยีน

วิธีการทำงาน

AlphaGenome รวมโครงสร้างเครือข่ายประสาทสองแบบเข้าด้วยกัน: เครือข่ายการถลอกแบบ 1D สำหรับการประมวลผลลำดับ DNA ที่ไม่ผ่านการประมวลผล และโครงสร้าง U-Net ที่ปรับให้เหมาะสมจากการแบ่งส่วนภาพ ซึ่งช่วยให้โมเดลสามารถจัดการทั้งลักษณะเชิงลำดับของ DNA และความสัมพันธ์เชิงพื้นที่ที่ซับซ้อนระหว่างองค์ประกอบควบคุม

ข้อมูลการฝึกอบรมครอบคลุมประมาณ 7,000 แทร็กจีโนมจากกลุ่ม ENCODE และ FANTOM ซึ่งเป็นความพยายามร่วมกันที่มีขนาดใหญ่ที่ได้ทำการบันทึกองค์ประกอบหน้าที่ทั่วทั้งจีโนมของมนุษย์ โมเดลเรียนรู้เพื่อทำนายสัญญาณจากการทดลองวัดการแสดงออกของยีน ความเข้าถึงของ DNA การผูกโปรตีน และการดัดแปลงโครมาติน

สำหรับนักวิจัย คุณค่าทางปฏิบัติอยู่ที่การทำนายผลกระทบของการเปลี่ยนแปลง เมื่อจีโนมของ患者มีการเปลี่ยนแปลง นักคลินิกต้องทราบว่าการเปลี่ยนแปลงนั้นมีความสำคัญหรือไม่ AlphaGenome สามารถทำนายว่าการเปลี่ยนแปลงนิวคลีโอไทด์เดี่ยวจะส่งผลกระทบต่อภูมิทัศน์การควบคุมทั้งหมดได้อย่างไร ซึ่งอาจช่วยระบุการเปลี่ยนแปลงที่ก่อให้เกิดโรคที่วิธีการปัจจุบันไม่สามารถตรวจพบ

โมเดลได้รับผลลัพธ์ที่แข็งแกร่งในการทดสอบความสามารถในการทำนายว่าการเปลี่ยนแปลงทางพันธุกรรมส่งผลต่อการแสดงออกของยีนและการทำงานขององค์ประกอบควบคุมได้อย่างไร ในการทำนายการแสดงออกของยีนที่มีผลกระทบต่อการแสดงออกของยีน (eQTLs) AlphaGenome มีผลลัพธ์ที่เทียบเท่าหรือเหนือกว่าโมเดลที่ได้รับการฝึกอบรมเฉพาะสำหรับการทำงานเหล่านั้น

การเผยแพร่แบบโอเพ่นซอร์ส

DeepMind ได้เผยแพร่ โค้ดต้นฉบับของ AlphaGenome บน GitHub สำหรับการใช้ที่ไม่ใช่เชิงพาณิชย์ ซึ่งเป็นรูปแบบที่มีการทำซ้ำของห้องปฏิบัติการในการทำให้เครื่องมือชีววิทยาพื้นฐานมีให้ใช้ฟรี ที่เก็บข้อมูลรวมถึงน้ำหนักของโมเดล โค้ดการอนุมาน และเอกสารสำหรับการวิ่งการทำนายบนลำดับแบบกำหนดเอง

การเผยแพร่แบบโอเพ่นซอร์สตามรูปแบบที่กำหนดโดย AlphaFold ซึ่งเป็นเครื่องมือทำนายโครงสร้างโปรตีนที่ได้รับการใช้โดยนักวิจัยมากกว่า 3 ล้านคนนับตั้งแต่การเผยแพร่ในปี 2021 AlphaGenome จัดการปัญหาที่เสริมกัน ในขณะที่ AlphaFold ทำนายว่าโปรตีนมีลักษณะอย่างไร AlphaGenome ทำนายว่าเมื่อและที่ไหนยีนจะผลิตโปรตีนเหล่านั้น

ซีอีโอของ Google DeepMind Demis Hassabis ได้กำหนดให้ชีววิทยาเป็นโดเมนหลักในการใช้ความสามารถ AI ของห้องปฏิบัติการ การทำงานด้านจีโนมิกส์ขยายความทะเยอทะยานของ DeepMind ออกไปนอกเหนือจาก AI สำหรับการสนทนาและโมเดลภาษาที่ขับเคลื่อนผลิตภัณฑ์เช่น Gemini โดยใช้การประดิษฐ์ทางสถาปัตยกรรมที่คล้ายกันในการแก้ปัญหาทางวิทยาศาสตร์

ทำไมจึงมีความสำคัญ

จีโนมของมนุษย์มีเบส-пар์ประมาณ 3 พันล้าน แต่มีเพียง 1.5% เท่านั้นที่เข้ารหัสโปรตีนโดยตรง ส่วนที่เหลืออีก 98.5% ซึ่งเคยถูกมองว่าเป็น “DNA ขยะ” มีองค์ประกอบควบคุมที่ควบคุมเมื่อไหร่ ที่ไหน และมากน้อยเพียงใดที่ยีนจะถูกแสดงออก การเปลี่ยนแปลงในภูมิภาคที่ไม่เข้ารหัสสามารถก่อให้เกิดโรคได้ แต่การระบุว่าการเปลี่ยนแปลงใดที่มีความสำคัญนั้นเป็นเรื่องที่ยากมาก

วิธีการแบบดั้งเดิมต้องการการทดลองที่มีค่าใช้จ่ายสูงและใช้เวลานานเพื่อทดสอบการเปลี่ยนแปลงแต่ละรายการ โมเดลการเรียนรู้ของเครื่องจักร เช่น AlphaGenome สามารถกรองการเปลี่ยนแปลงหลายพันรายการได้ทางคณิตศาสตร์ และจัดลำดับความสำคัญของการเปลี่ยนแปลงใดที่ควรได้รับการติดตามผลการทดลองต่อไป สำหรับการวินิจฉัยโรคหายาก ซึ่งผู้ป่วยมักจะมีการเปลี่ยนแปลงใหม่ที่ไม่ทราบผลกระทบ โมเดลนี้สามารถเร่งเส้นทางจากการทำซีเควนซ์ไปยังการวินิจฉัย

ความสามารถของโมเดลในการประมวลผลบริบทขนาด 1 ล้านเบส-пар์นั้นมีความสำคัญอย่างยิ่ง องค์ประกอบควบคุมของยีนสามารถอยู่ห่างจากยีนหลายพันเบส-пар์ และสื่อสารผ่านการพับ DNA ที่ซับซ้อน โมเดลก่อนหน้านี้ที่มีหน้าต่างบริบทที่สั้นกว่านั้นไม่สามารถจับผลกระทบระยะไกลเหล่านี้ได้

AlphaGenome เข้าร่วมระบบนิเวศที่เติบโตของเครื่องมือ AI ที่เปลี่ยนแปลงการวิจัยทางชีววิทยา การทำนายโครงสร้างโปรตีน การค้นพบยา และตอนนี้การควบคุมยีนเป็นปัญหาที่สามารถแก้ไขได้โดยการเรียนรู้ของเครื่องจักร สำหรับชุมชนการวิจัยทางพันธุกรรม การเผยแพร่แบบโอเพ่นซอร์สของโมเดลเหล่านี้ทำให้สามารถเข้าถึงความสามารถในการคำนวณที่เคยจำกัดเฉพาะห้องปฏิบัติการที่มีเงินทุนดีเท่านั้น

ข้อจำกัดของโมเดลก็ชัดเจนจากการนำเสนอของ DeepMind ในขณะที่ AlphaGenome มีประสิทธิภาพในการทำนายการวัดผลการทดลอง การแปลการทำนายเหล่านั้นให้เป็นผลลัพธ์ทางคลินิกต้องมีการตรวจสอบเพิ่มเติม ช่องว่างระหว่างการทำนายความเข้าถึงโครมาตินและการทำนายความเสี่ยงต่อโรคยังคงมีขนาดใหญ่

สำหรับตอนนี้ AlphaGenome ทำหน้าที่เป็นเครื่องมือวิจัย ซึ่งอาจเร่งความเข้าใจเกี่ยวกับว่าจีโนมทำงานอย่างไร แม้ว่าการใช้งานทางคลินิกจะยังอยู่ห่างออกไปหลายปี นักวิทยาศาสตร์ 3,000 คนจาก 160 ประเทศที่กำลังใช้โมเดลนี้แล้วแสดงให้เห็นว่าชุมชนการวิจัยเห็นคุณค่าในที่ DeepMind สร้างขึ้น