Google DeepMind udostępnił AlphaGenome Atlas – oparty na sztucznej inteligencji zasób zawierający prognozy molekularnych skutków ponad 9 miliardów możliwych jednoliterowych zmian w ludzkim DNA. Atlas ma pomóc naukowcom w interpretacji wariantów genetycznych, w tym zmian znajdujących się poza regionami kodującymi białka. W jego opracowaniu i testowaniu uczestniczyli badacze m.in. ze Stowers Institute for Medical Research, Broad Institute, University of Exeter, Memorial Sloan Kettering Cancer Center i Stanford University.
Ludzki genom składa się z około 3 miliardów „liter” DNA. Oznacza to ponad 9 miliardów możliwych zmian pojedynczego nukleotydu. Eksperymentalne sprawdzenie wpływu każdej z nich byłoby praktycznie niewykonalne. AlphaGenome Atlas ma umożliwić badaczom znacznie szybsze określanie, które warianty mogą być biologicznie istotne i zasługują na dalsze badania laboratoryjne. Zasób ma wielkość około jednego petabajta i – według Google DeepMind – jest najbardziej kompleksowym katalogiem tego rodzaju. Zawiera generowane przez AI prognozy efektów molekularnych dla ponad 9 miliardów potencjalnych zmian jednoliterowych w ludzkim genomie.
Z tego artykułu dowiesz się…
- Jak AlphaGenome Atlas wykorzystuje sztuczną inteligencję do przewidywania molekularnych skutków ponad 9 miliardów możliwych jednoliterowych zmian w ludzkim DNA.
- Jak narzędzie może pomóc naukowcom interpretować warianty w kodujących i niekodujących regionach genomu oraz badać regulację aktywności genów.
- Jaki jest wskaźnik AlphaGenome Variant Impact (AVI) i dowiesz się, jak może wspierać klasyfikowanie wariantów według ich potencjalnego wpływu biologicznego.
- Dlaczego AlphaGenome Atlas nie zastępuje badań laboratoryjnych ani diagnostyki genetycznej i dlaczego jego prognozy nie są obecnie zatwierdzone do zastosowania klinicznego.
AlphaGenome Atlas – sztuczna inteligencja analizuje ponad 9 miliardów wariantów DNA
AlphaGenome Atlas powstawał przez kilka lat. Technologię stojącą za zasobem opracował Google DeepMind, natomiast naukowcy z kilku ośrodków badawczych dostarczyli wiedzy biologicznej i uczestniczyli w analizowaniu jego potencjalnych zastosowań. Jedną z kluczowych badaczek zaangażowanych w projekt była Julia Zeitlinger ze Stowers Institute for Medical Research, która współpracowała z zespołem Google DeepMind kierowanym przez Žigę Avseca. Ważną rolę odegrała również Melanie Weilert, bioinformatyczka ze Stowers Institute i główna autorka projektu AlphaGenome. Celem współpracy było m.in. zrozumienie wzorców w DNA odpowiadających za regulację procesów biologicznych zachodzących w komórkach.
To bardzo trudny problem, ponieważ każdy typ komórki posługuje się nieco innym językiem, co utrudnia określenie, które reguły są ogólne – powiedział Zeitlinger. Dzięki AlphaGenome możemy szybko przeszukiwać wiele typów komórek i szukać ogólnych wzorców aktywacji i represji genów.
Jak AlphaGenome może pomóc zrozumieć „język” regulacji genów?
Każda komórka ludzkiego organizmu zawiera zasadniczo tę samą informację genetyczną, jednak komórka nerwowa, mięśniowa czy wątrobowa wykorzystuje ją w odmienny sposób. Jednym z podstawowych pytań biologii jest więc to, w jaki sposób komórka „wie”, które geny powinna włączyć, a które wyciszyć. Istotną rolę odgrywają krótkie sekwencje DNA określane jako motywy regulacyjne. Są one związane z działaniem czynników transkrypcyjnych, czyli białek wpływających na aktywność genów.
Zespół Zeitlinger wykorzystał AlphaGenome Atlas do badania takich motywów w całym genomie. Naukowcy analizowali m.in. czynniki transkrypcyjne wpływające na dostępność DNA oraz te uczestniczące w aktywowaniu lub hamowaniu genów.
Zmapowanie tych motywów z rozdzielczością par zasad w całym genomie i w wielu typach komórek daje nam przeszukiwalny słownik niekodującego DNA – powiedział Zeitlinger. Umożliwiając społeczności naukowej dostęp do tych prognoz, AlphaGenome Atlas może przyspieszyć proces identyfikacji potencjalnie chorobotwórczych wariantów, jednocześnie pomagając nam zrozumieć fundamentalne zasady regulacji genów.
AlphaGenome Variant Impact ma pomagać klasyfikować warianty genetyczne
Atlas nie ogranicza się do przedstawienia pojedynczej prognozy dla określonej zmiany DNA. Dla każdego wariantu zawiera tysiące przewidywań dotyczących jego potencjalnych efektów molekularnych w setkach typów ludzkich komórek i tkanek. Dane te wykorzystano do stworzenia wskaźnika AlphaGenome Variant Impact (AVI). Łączy on prognozy AlphaGenome, AlphaMissense oraz informacje dotyczące konserwacji ewolucyjnej.
W efekcie badacz otrzymuje pojedynczą miarę umożliwiającą klasyfikowanie wariantów według ich potencjalnego wpływu zarówno na kodujące, jak i niekodujące części genomu. Następnie może sprawdzić, jakie procesy molekularne mogą zostać zaburzone – m.in. ekspresja genów, splicing RNA czy funkcjonowanie białek. Może to mieć szczególne znaczenie w przypadku niekodujących części DNA. Chociaż nie zawierają one instrukcji bezpośrednio wykorzystywanych do produkcji białek, mogą pełnić istotne funkcje regulacyjne.
AlphaGenome wykorzystano już w badaniach rzadkich wariantów
Potencjalne możliwości Atlasu sprawdzało kilka współpracujących ośrodków. Naukowcy z Broad Institute wykorzystali wskaźnik AVI do nadania wyższego priorytetu wcześniej pomijanemu wariantowi niekodującemu, który był związany z niewyjaśnionym przypadkiem rzadkiej choroby. Z kolei badacze z University of Exeter zastosowali AlphaGenome Atlas do danych genomicznych obejmujących ponad 54 tys. uczestników UK Biobank. Analiza pozwoliła znaleźć dodatkowe związki pomiędzy rzadkimi wariantami niekodującymi a poziomami białek.
Przykłady te pokazują potencjalną rolę AI jako narzędzia pomagającego zawężać ogromną liczbę wariantów genetycznych do tych, które warto dokładniej analizować.
Atlas nie zastąpi eksperymentów laboratoryjnych
Skala AlphaGenome Atlas może być imponująca, jednak kluczowe jest rozróżnienie między prognozą modelu sztucznej inteligencji, a eksperymentalnie potwierdzonym efektem biologicznym. Atlas nie zastępuje badań laboratoryjnych. Jego rolą jest przede wszystkim pomaganie naukowcom w wyborze wariantów oraz mechanizmów, które powinny zostać zweryfikowane w pierwszej kolejności. Dzięki temu ograniczone zasoby badawcze mogą być kierowane na najbardziej obiecujące hipotezy.
Co ważne, prognozy AlphaGenome Atlas mają obecnie charakter badawczy i nie zostały zweryfikowane ani zatwierdzone do zastosowania klinicznego. Nie należy więc traktować wyników generowanych przez narzędzie jako diagnozy ani podstawy do podejmowania decyzji dotyczących leczenia.
AlphaGenome Atlas dostępny również bez programowania
Jednym z założeń projektu jest zwiększenie dostępności zaawansowanych analiz genomowych. Naukowcy mogą korzystać z Atlasu za pośrednictwem przeglądarki internetowej, bez konieczności samodzielnego pisania kodu. Może to rozszerzyć grono badaczy zdolnych do analizowania ogromnej liczby wariantów genetycznych i porównywania przewidywanych efektów w różnych komórkach oraz tkankach.
AlphaGenome Atlas to znakomity przykład tego, jak sztuczna inteligencja może poszerzać ludzką wiedzę i przyspieszać odkrycia naukowe – powiedział wiceprezes ds. nauki w Google DeepMind i główny naukowiec w Google Cloud, dr Pushmeet Kohli. Udostępniając to źródło na szeroką skalę, mamy nadzieję, że naukowcy z całego świata będą mogli z niego korzystać, aby lepiej zrozumieć język życia i to, co dzieje się, gdy zmieniają się poszczególne litery w ludzkim genomie .
Sztuczna inteligencja może pomóc wybrać najważniejsze zmiany w genomie
AlphaGenome Atlas pokazuje zmianę sposobu wykorzystania sztucznej inteligencji w genomice. Zamiast eksperymentalnie badać miliardy możliwych zmian DNA, naukowcy mogą najpierw wykorzystać modele AI do wskazania wariantów o potencjalnie największym znaczeniu biologicznym, a następnie poddać je dalszej weryfikacji. Szczególnie istotna może okazać się możliwość analizowania niekodujących regionów genomu oraz przewidywania, w jaki sposób poszczególne warianty wpływają na regulację genów w różnych komórkach i tkankach.
AlphaGenome pozostaje jednak narzędziem badawczym. Ostateczne potwierdzenie wpływu określonych zmian genetycznych na procesy biologiczne, rozwój chorób czy potencjalne cele terapeutyczne nadal wymaga odpowiednich badań eksperymentalnych.
Główne wnioski
- AlphaGenome Atlas zawiera prognozy efektów molekularnych dla ponad 9 miliardów możliwych jednoliterowych zmian DNA. Zasób opracowany przez Google DeepMind ma wielkość około jednego petabajta.
- Atlas obejmuje tysiące prognoz dla każdego wariantu w setkach typów ludzkich komórek i tkanek, co ma ułatwiać badanie m.in. ekspresji genów, splicingu RNA i funkcji białek.
- AlphaGenome Variant Impact (AVI) łączy prognozy AlphaGenome, AlphaMissense i dane dotyczące konserwacji ewolucyjnej. Naukowcy z University of Exeter zastosowali Atlas do danych genomicznych ponad 54 tys. uczestników UK Biobank.
- AlphaGenome Atlas jest narzędziem badawczym, a nie klinicznym. Jego prognozy nie zostały zweryfikowane ani zatwierdzone do zastosowania klinicznego i wymagają dalszej weryfikacji eksperymentalnej.
Źródło:
- https://www.stowers.org/news/stowers-institute-partners-with-google-deepmind-and-leading-research-institutions-to-help-reveal-the-regulatory-language-of-the-human-genome
