Метод ШІ розкриває, чого геномні моделі навчаються з ДНК, і виявляє приховані експериментальні упередження

Дослідники зі Stowers Institute for Medical Research створили метод інтерпретації, який показує, нуклеотид за нуклеотидом, що глибоке навчання «вивчило» з ДНК, і використали його, щоб усунути приховане експериментальне упередження з геномних даних. Метод, названий PISA, описано у статті, опублікованій у Nature Communications у серпні 2026 року і оголосив інститут 25 серпня 2026 року.

Нейронні мережі «послідовність‑в‑функцію» приймають необроблену ДНК як вхід і передбачають результати геномних експериментів — від зв’язування транскрипційних факторів до організації нуклеосом. Те, чому вони роблять конкретне передбачення, зазвичай не пояснюється. PISA (pairwise influence by sequence attribution) відстежує передбачення моделі в одній конкретній геномній позиції до кожного іншого нуклеотиду, який на неї вплинув, створюючи двовимірну карту з роздільною здатністю в один нуклеотид, що показує, чого модель навчилася, а не лише що вона передбачила.

Дослідження очолювали Джулія Цайтлінгер (Julia Zeitlinger) у Stowers у співпраці з Аншулом Кундаджем (Anshul Kundaje) зі Стенфорда, а Чарльз МакАнані (Charles McAnany), стипендіат Stowers AI, став першим автором. PISA працює всередині BPReveal — останнього розширення BPNet, фреймворку глибокого навчання, розробленого командою у 2021 році.

Як PISA відокремлює експериментальне упередження від біології

Команда застосувала PISA до MNase‑seq — широко використовуваного методу, що картографує нуклеосоми, структури, які утворюються, коли ДНК обгортається навколо гістонових білків. Метод працює за рахунок ферменту, який різе відкриту ДНК, залишаючи захищену нуклеосомами, але фермент має перевагу до певних послідовностей. Тому дані містять два накладаються сигнали, і модель вивчила обидва.

Оскільки ранні інструменти інтерпретації зводили вплив кожного нуклеотиду до одного значення, позитивні та негативні ефекти могли взаємно нейтралізуватися. PISA зберігає інформацію у повній роздільності, і на цій роздільності перевага ферменту до певних послідовностей проявлялася як характерний «відбиток» на картах. Команда математично виділила цей підпис, навчила окрему модель лише на упередженні і відняла його, залишивши другу модель, що вивчила лише біологічний сигнал.

«Це трохи схоже на мікроскопію з надвисокою роздільністю», — сказала Цайтлінгер у заяві інституту. «Навіть ранні методи інтерпретації відкривали чорну скриньку. Потім ви розумієте, що можете бачити ще більше. Ви додаєте пікселі, і раптом бачите те, що раніше було недоступне».

Неочікуване, що ховається у чистих даних

У моделі, скоригованій щодо упередження, PISA виявила ДНК‑послідовності, що сприяють позиціонуванню нуклеосом, з ефектом, що простягається на сотні пар нуклеотидів у обох напрямках. Багато з них були асиметричними, впливаючи по‑різному на одну сторону порівняно з іншою. Ця асиметрія привела команду до меж хроматинних доменів — кордонів, які визначають, які регуляторні послідовності можуть досягати яких генів. Зазвичай такі межі картографують за допомогою 3‑вимірних хроматинних методів, що вимагають величезної глибини секвенування; модель виявила тисячі таких меж лише з даних про нуклеосоми, часто точніше, ніж дозволяють 3‑вимірні дані, згідно зі статтею.

Потім команда використала орієнтовані на біологію моделі для розробки синтетичних ДНК‑послідовностей, передбачених для розташування нуклеосом у певних конфігураціях, і експериментально протестувала підмножину цих дизайнів. Передбачення підтвердилися, що свідчить про те, що правила, які модель вивчила, можуть генерувати тестовані гіпотези, а не лише описувати наявні дані.

Робота розташовується у галузі, яка інтенсивно інвестує у все більші моделі послідовностей. AlphaGenome від Google DeepMind, опублікований раніше у 2026 році і згаданий у вступі статті про PISA, передбачає ефекти регуляторних варіантів по всьому геному. PISA розв’язує комплементарну задачу: після того, як модель робить такі передбачення, зрозуміти, які саме послідовні ознаки вона використала. Метод вже поширився поза межами лабораторії Цайтлінгер, його впровадили у окремий програмний пакет співавтор і використав нейробіолог Stowers Нешет Озель (Neşet Özel) для іншого біологічного питання.

PISA у цифрах

• 2021 – фреймворк глибокого навчання BPNet, фундамент PISA, вперше розроблений командою
• 8 квітня 2025 – перший препринт PISA розміщено на bioRxiv
• серпень 2026 – рецензована публікація у Nature Communications
• Сотні пар нуклеотидів – діапазон дії окремих послідовностей, що позиціонують нуклеосоми, виявлених моделями
• Тисячі – хроматинних доменних меж, ідентифікованих лише з даних про нуклеосоми

Обмеження, зазначені авторами

Це стаття про методи та геноміку, а її значення для захворювань є напрямком, а не результатом. Більшість генетичних варіацій, пов’язаних із захворюваннями, розташовані в регуляторній ДНК, а не в генах, і Цайтлінгер чітко зазначає, що розміщення варіанту у сайті зв’язування або на межі домену пропонує механізм без створення ліків. Робота також вимагала лабораторії, що володіє як глибоким навчанням, так і експериментальною біологією, і Цайтлінгер називає цю двосторонню експертизу стійким розривом у галузі, а не просто обчислювальною потужністю.

Синтетичні ДНК‑послідовності були валідувані лише для підмножини, протестованої експериментально, а демонстрація корекції упередження у статті специфічна для MNase‑seq, хоча автори показують застосування PISA до кількох типів даних. Історія ревізій препринту свідчить, що аналіз хроматинних доменів був доданий під час рецензування, після переглянутої версії, розміщеної 5 січня 2026.

Тепер робота встановлює спосіб аудиту того, що геномні моделі засвоюють з даних навчання, виправляє частини, що походять від експерименту, а не від біології, і виділяє правила послідовностей, достатньо точні, щоб їх можна було проєктувати і тестувати у живих системах.