Google DeepMind julkaisi AlphaGenome 2 -mallin blogissaan 11. marraskuuta. Viime vuonna julkaistu edeltäjä AlphaGenome ennusti DNA:n kirjainmuutosten eli varianttien vaikutuksia kokonaisissa kudoksissa. Jos variantti vaikuttaa vain yhdessä solutyypissä, kudoksen keskiarvo voi peittää vaikutuksen.

Ehto ohjaa koko mallia

AlphaGenome 2 lukee miljoonan emäksen DNA-jakson ja yhden ehdon: kudoksen, solutyypin tai solutilan. DeepMindin mukaan ehto ohjaa mallin jokaista vaihetta. Näin malli oppii, miten samaa DNA:ta luetaan eri soluissa.

Ehdon voi valita valmiista luettelosta tai muodostaa omasta yksisolu-RNA-sekvensoinnista. Menetelmä mittaa geenien aktiivisuutta yksittäisissä soluissa. DeepMindin mukaan muutaman kymmenen solun näyte riittää, eikä mallia tarvitse kouluttaa uudelleen.

Malli ennustaa muun muassa geenien ilmentymistä ja kromatiinin avoimuutta sekä nyt myös DNA:n metylaatiota. Yhden mittauksen perusteella se voi arvioida ominaisuuksia, joita ei ole mitattu. Koulutusaineistona oli ihmisen ja hiiren kudos- ja yksisoluaineistoa, DeepMindin mukaan yli 100 miljoonaa soluprofiilia 68 kudoksesta.

Enemmän osumia, mutta vain vähemmistö syy-varianteista

DeepMind testasi mallia TenK10K-aineistolla, joka kattaa 28 immuunisolutyyppiä. Kun 90 prosenttia mallin ehdokkaista oli oikeita, malli löysi 30 prosenttia geenin ilmentymistä muuttaviksi arvioiduista syy-varianteista. Yksisoluaineistolla hienosäädetty AlphaGenome 1 löysi 16 prosenttia. Kun 90 prosenttia suuntaennusteista oli oikein, uusi malli tunnisti vaikutuksen suunnan 43 prosentille varianteista, edeltäjä 23 prosentille.

MarkTechPostin mukaan malli löysi 41 prosenttia varianteista Parkinsonin taudin aineistossa, jota se ei ollut ennen nähnyt. Juuri tälle aineistolle sovitettu Scooby-malli löysi 17 prosenttia. Lehti ei kerro, millä tarkkuusrajalla luvut on laskettu.

MarkTechPost huomauttaa, että vertailut ovat DeepMindin omia. Unite.AI:n mukaan tutkimusraportti varoittaa, että korkeallakin tarkkuudella malli löytää vain vähemmistön tilastollisesti todennäköisistä syy-varianteista. Malli voi arvioida liian pieniksi vaikutukset, jotka syntyvät avoimen kromatiinin ulkopuolella, hyvin kaukaisissa säätelyalueissa tai vasta transkription jälkeen. MarkTechPostin mukaan avoimen kromatiinin ulkopuolella vaikutuksen suunnan ennusteiden AUROC-arvo on vain 0,63. Arvo 0,5 vastaa arvausta.

Unite.AI:n mukaan raportissa todetaan myös, että solutilojen kuvaukset perustuvat havaintoaineistoon, joten ne kuvaavat korrelaatioita eivätkä syy-yhteyksiä. On epävarmaa, ennustaako malli esimerkiksi geenin poiston vaikutuksia. Tilapäiset, ärsykkeen aktivoimat ja sairauden aikaiset solutilat ovat koulutusaineistossa ja valmiiksi lasketuissa pisteissä aliedustettuina, eikä malli erota hyvin hermosolujen hienojakoisia alaryhmiä.

The Vergen mukaan uusi malli ei korvaa edeltäjäänsä lähiaikoina. DeepMindin genomiikkajohtaja Žiga Avsec sanoi lehdelle, että uuden mallin ennusteiden laskeminen on kalliimpaa.

Käyttö rajapinnan kautta

AlphaGenome 2 on käytettävissä ei-kaupalliseen tutkimukseen AlphaGenome-rajapinnan kautta. Unite.AI kertoo, että dokumentaation mukaan ei-kaupallinen käyttö on maksutonta. Kaupalliseen tutkimukseen malli on saatavilla rajatussa esikatselussa. MarkTechPostin mukaan mallin painot julkaistaan vasta, kun tutkimus ilmestyy lopullisessa muodossaan.

DeepMind jakaa myös valmiiksi laskettuja tuloksia. Niissä on säätelyalueiden ja geenien yhteydet 640 solutyypissä tai -tilassa ja Unite.AI:n mukaan yli 6,8 miljoonan yleisen tai ominaisuuksiin ja sairauksiin liittyvän variantin pisteet 510 tilassa. Malli on tarkoitettu vain tutkimuskäyttöön, eikä sitä ole validoitu kliiniseen käyttöön tai diagnostiikkaan.