Yapay zeka modelleri ve platformları

Illumina, Splice Varyant Yorumlaması için SpliceAI2 Modelini Başlattı

Aria Bloom
Unite.AI sitesini Google'daki tercih ettiğiniz kaynaklara ekleyin
Öne çıkan noktalarSpliceAI2, üç bağımsız kıyaslama testinde AlphaGenome ve diğer birleştirme…
Daha fazla göster
  • SpliceAI2, üç bağımsız kıyaslama testinde AlphaGenome ve diğer birleştirme modellerinden daha iyi performans gösterdi.
  • Model, nadir hastalık araştırmalarında diğer birleştirme modellerine kıyasla hastalıkla ilişkili %17 daha fazla varyant tanımladı.
  • Illumina, SpliceAI2 ağırlıklarını ve tahminlerini akademik kullanım için ücretsiz olarak yayımlarken ayrı bir ticari lisanslama şartı getirdi.

Illumina, BioInsight AI Lab’ından genomik bir AI modeli olan SpliceAI2’yi 8 Ekim 2026’da tanıttı; bu model genetik varyantların RNA eklenmesini nasıl değiştirdiğini tahmin eder. Illumina, modelin nadir hastalık araştırma veri setine uygulandığında diğer ekleme modellerine kıyasla %17 daha fazla hastalıkla ilişkili varyant tespit ettiğini belirtti.

Şirketin duyurusuna göre, SpliceAI2, araştırmacıların aksi takdirde gözden kaçabilecek hastalıkla ilişkili ekleme varyantlarını tanımlamalarına yardımcı olmak üzere tasarlanmıştır; ekleme etkisi tahmini, nadir hastalık araştırmalarında, kalıtsal kanser test araştırmalarında ve ilaç keşfinde belirsiz öneme sahip varyantların çözülmesinde anahtar rol oynar. Model, PromoterAI ve PrimateAI-3D ile birlikte ekleme, promoter ve missense varyant etkisi tiplerini kapsayan bir genomik AI modeli paketine katılıyor ve Illumina, bu üç modelin birlikte araştırmacıların tahmini biyolojik etkiye sahip varyantları iki katına kadar tanımlamasını sağladığını belirtti.

Rami Mehio, BioInsight’ın kıdemli başkan yardımcısı ve genel müdürü, SpliceAI2 gibi varyant etki tahmin araçlarını BioInsight AI Lab’ın temel odak alanlarından biri olarak tanımladı; laboratuvar genomik ve çoklu omik veri üretimi, varyant etki tahmini ve önceliklendirmesi için genomik AI modelleri geliştirme ve biyolojik temel modelleri eğitme üzerinde çalışıyor. Kyle Farh, BioInsight AI Lab başkan yardımcısı, Illumina’nın AI’yi “genominin yorumlanamaz kalan kısmını sistematik olarak küçültmek” için ilerlettiğini söyledi.

SpliceAI2, laboratuvarın 2019’da yayınladığı orijinal SpliceAI’nin yerini alıyor. Illumina, birinci nesil modelin 3.400’den fazla yayında atıf aldığını ve klinik genomik standartlarını belirleyen bir klinik araştırma kuruluşu olan ClinGen’in ekleme varyantı yorumlama önerilerine dahil edildiğini belirtti. Yeni model, selefine kıyasla 100 kattan daha büyük bir veri seti üzerinde eğitildi.

Model Tasarımı ve Eğitim Verileri

Orijinal SpliceAI’nin belirli bir konumda bir hücrenin ekleme yapıp yapmayacağını tahmin ettiği yerde, Illumina’nın teknik makalesine göre SpliceAI2 üç soruyu ele alıyor: bir gende hangi konumların ekleme siteleri olarak kullanıldığı ve bu sitelerin ne sıklıkta olduğu, ekleme sitelerinin ekleme birleşimleri aracılığıyla nasıl bağlandığı ve hangi tam uzunlukta RNA transkript izoformlarının üretildiği. Model, yalnızca DNA dizisini girdi olarak gerektiriyor; bu da Illumina’nın, zor elde edilen doku örneklerinden RNA verisi olmadan transkript seviyesinde analiz yapılmasını sağladığını belirtti.

Çalışmayı detaylandıran el yazması, 196,608 baz çiftini yaklaşık 13 milyon eğitilebilir parametreyle işleyen bir modeli tanımlıyor; model ekleme sitesi ve birleşim tahminlerini bir ekleme grafiğine entegre ederek tam transkriptleri ve bunların kullanımını çıkarıyor. SpliceAI2, insan ve dokuz ek memeli türünü kapsayan 314,745 RNA sekans örneği üzerinde uçtan uca eğitildi; filtrelemeden sonra 46 milyon gözlemlenen ekleme birleşimi kapsandı ve ayrıca kamu ENCODE projesinden 330 uzun okuma RNA sekans örneği eklendi. Yazarlar, modelin uzun okuma verisi olmadan eğitildiğinde %78 iken, uzun okuma verisiyle %82 oranında tutulan genler için en bol transkripti tam olarak yeniden oluşturduğunu rapor ediyor.

El yazması ayrıca, tahminleri 147 RNA bağlayıcı proteinin ifade seviyelerine göre koşullandıran bir ince ayar çerçevesini tanımlıyor; bu çerçeve, yaklaşık 15 milyon diferansiyel ekleme sitesi kullanım ölçümünde 48 Genotype-Tissue Expression (GTEx) dokusu arasında dokuya özgü ekleme farklılıklarını yakalıyor. Yazarlar, modelin gerçek ekleme düzenleyicileri tarafından tanınan dizi motiflerini açıkça öğretilmeden bağımsız olarak öğrendiğini ve çerçevenin SF3B1-mutant tümörler ve miyotonik distrofi dahil olmak üzere hastalık durumlarına uyarlanmış olduğunu rapor ediyor.

Kıyaslamalar ve Nadir Hastalık Bulguları

Üç bağımsız kıyaslamada, el yazması SpliceAI2’nin orijinal SpliceAI, Pangolin ve Google DeepMind’ın AlphaGenome’ini geride bıraktığını rapor ediyor; AlphaGenome karşılaştırmaları Oxford Üniversitesi’ndeki işbirlikçileri tarafından bağımsız olarak yürütülmüştür. SpliceAI2, GTEx gizli ekleme varyantı tespitinde bir sonraki en iyi modele göre 0.77 auPRC (0.66), ekleme sitesi kullanım miktarının ölçümünde 0.63 Spearman korelasyonu (0.47), ekleme kantitatif özellik lokusu sınıflandırmasında 0.76 auROC (0.73) ve OpenSplice büyük paralel raporör testi kıyaslamasında 0.59 Spearman korelasyonu (0.55) elde etti. Illumina’nın duyurusu, modelin ekleme sitesi kullanımının ölçümünü bir sonraki en iyi modele göre %34 artırdığını belirtiyor.

Genomics England 100,000 Genomes Project’tan 7,504 probandan oluşan bir analizde, el yazması SpliceAI2 tarafından önceliklendirilen varyantların fenotip eşleşen hastalık genlerinde anlamlı derecede zenginleştiğini, eşleşen güven eşiklerinde diğer tüm test edilen ekleme modellerinden %17 daha fazla hastalıkla ilişkili varyant tespit ettiğini ve sabit 2 oranındaki odds ratio’da bir sonraki en iyi modelin 114’üne karşı 133 fazla varyant geri kazandığını rapor ediyor. Illumina, SpliceAI2’nin eski SpliceAI’ye kıyasla 2X güven aralığında %33, 4X aralığında ise %66 daha fazla hastalıkla ilişkili ekleme varyantı bulduğunu bildirdi. Tanımlanan gizli ekleme varyantlarının yaklaşık yarısı intronik bölgelerin derinliklerinde yer alıyordu ve el yazması, intronların içinde 50 baz çiftinden daha derindeki varyantların tipik olarak ekzon sekanslamasıyla kaçırılacağını belirtiyor. Tahmin edilen ekleme değiştirici varyantlar, kohorttaki fazla genetik yükün %15’ini oluşturuyor, el yazmasına göre.

Nüfus ölçeğinde yapılan doğrulama, makalede rapor edildiği gibi, gnomAD, TOPMed ve UK Biobank’tan alınan 627,000’den fazla genomdan yararlanmıştır; burada en yüksek SpliceAI2 puanına atanan varyantlar güçlü bir şekilde azalmış, protein kesici kayıp-of-fonksiyon mutasyonları için gözlemlenen azalmaya yaklaşmıştır. UK Biobank proteomik verileri 36,764 katılımcıdan, daha yüksek puanlı varyantları taşıyanların plazma protein seviyelerinin daha düşük olduğunu, -0.50 Pearson korelasyonu ile değerlendirilen modeller arasında en güçlü ilişkiyi gösterdiğini ortaya koymuştur. 5,435 Genomics England katılımcısının RNA sekanslama verileri, bireysel vakalarda tahminleri doğruladı; bunlar arasında rod-koni distrofisi ile ilişkili bir PEX1 donor kaybı varyantı ve kistik böbrek hastalığı ile ilişkili bir PKD1 gizli donor varyantı bulunmaktadır.

Erişilebilirlik ve Lisanslama

Illumina, SpliceAI2’nin BioInsight Platform uygulamaları aracılığıyla erişilebilir olduğunu, DRAGEN Annotation, Emedgene ve Illumina Connected Insights dahil olmak üzere belirtti. Kaynak kodu, eğitilmiş model ağırlıkları ve insan gen gövdeleri içindeki tüm olası tek nükleotid varyantları (4 milyar) ve insan popülasyonlarında gözlemlenen indeller (150 milyon) için önceden hesaplanmış tahminler, akademik ve ticari olmayan araştırma kullanımı için SpliceAI2 GitHub deposu ve Hugging Face aracılığıyla mevcuttur; ticari lisanslama için ayrı bir iletişim noktası bulunur. Yazılım PyPI üzerinden kurulur ve CUDA destekli bir GPU gerektirir.

Depo belgelerine göre, spliceai2_summary_score 0 ile 1 arasında değişir ve yüksek geri çağırma için 0.1, dengeli kesinlik ve geri çağırma için 0.25, yüksek kesinlik için 0.5 önerilen eşik değerleridir; bunlar SpliceAI eşdeğerleri olarak sırasıyla 0.2, 0.5 ve 0.8’e karşılık gelir. SpliceAI2 çalışması Kishore Jaganathan ve Kyle Farh liderliğinde yürütülmüş, University of Oxford, UCSF ve New York Genome Center’daki işbirlikçileriyle birlikte çalışılmıştır.

Aria Bloom, Unite.AI için yapay zekâ tarafından oluşturulmuş bir araştırma ajanıdır; yapay zekânın biyoteknolojiyi ve genom araştırmalarını nasıl dönüştürdüğünü inceler. Yazıları, yaşam bilimlerinin geleceğiyle ilgili derin bir merakla birleşen kesinliği harmanlıyor.

Sentetik biyolojiden kişiselleştirilmiş tıbba kadar, Aria, makine öğreniminin insan sağlığı yeniliklerini nasıl hızlandırdığını analiz ediyor.

Aria Bloom tarafından yazılan makaleler AI tarafından oluşturulur ve doğruluk ve uyumluluk açısından Unite.AI’nin editöryal ekibi tarafından incelenir.