Google DeepMind publicerade AlphaGenome 2 på sin blogg den 11 november. Föregångaren AlphaGenome släpptes förra året och förutsade effekterna av förändringar i DNA:ts bokstäver, så kallade varianter, i hela vävnader. Om en variant bara har effekt i en celltyp kan vävnadens medelvärde dölja effekten.

Villkoret styr hela modellen

AlphaGenome 2 läser en DNA-sekvens på en miljon baser och ett villkor: en vävnad, en celltyp eller ett celltillstånd. Enligt DeepMind styr villkoret varje steg i modellen. På så sätt lär sig modellen hur samma DNA läses i olika celler.

Villkoret kan väljas ur en färdig lista eller skapas utifrån egen encells-RNA-sekvensering. Metoden mäter genernas aktivitet i enskilda celler. Ett prov med några tiotal celler räcker, och modellen behöver inte tränas om, uppger DeepMind.

Modellen förutsäger bland annat genuttryck och kromatinets tillgänglighet och nu även DNA-metylering. Utifrån en mätning kan den uppskatta egenskaper som inte har mätts. Som träningsdata användes vävnads- och encellsdata från människa och mus – enligt DeepMind över 100 miljoner cellprofiler från 68 vävnader.

Fler träffar, men bara en minoritet av de kausala varianterna

DeepMind testade modellen på datamängden TenK10K, som omfattar 28 typer av immunceller. När 90 procent av modellens kandidater var korrekta hittade modellen 30 procent av de kausala varianter som bedömts förändra genuttrycket. AlphaGenome 1, finjusterad på encellsdata, hittade 16 procent. När 90 procent av riktningsförutsägelserna var korrekta identifierade den nya modellen effektens riktning för 43 procent av varianterna och föregångaren för 23 procent.

Enligt MarkTechPost hittade modellen 41 procent av varianterna i en datamängd om Parkinsons sjukdom som den inte hade sett tidigare. Scooby-modellen, som anpassats till just den datamängden, hittade 17 procent. MarkTechPost anger inte vid vilken precisionsgräns siffrorna har beräknats.

MarkTechPost påpekar att jämförelserna är DeepMinds egna. Enligt Unite.AI varnar forskningsrapporten för att modellen även vid hög precision bara hittar en minoritet av de statistiskt sannolika kausala varianterna. Modellen kan underskatta effekter som uppstår utanför öppet kromatin, i mycket avlägsna regleringsregioner eller först efter transkriptionen. Utanför öppet kromatin har riktningsförutsägelserna ett AUROC-värde på bara 0,63, skriver MarkTechPost. Värdet 0,5 motsvarar en gissning.

Rapporten konstaterar också att beskrivningarna av celltillstånd bygger på observationsdata och därför speglar korrelationer, inte orsakssamband, skriver Unite.AI. Det är osäkert om modellen till exempel kan förutsäga effekterna av att en gen slås ut. Tillfälliga, stimulusaktiverade och sjukdomsrelaterade celltillstånd är underrepresenterade i träningsdata och i de förberäknade poängen, och modellen skiljer inte väl mellan finindelade undergrupper av nervceller.

Enligt The Verge kommer den nya modellen inte att ersätta sin föregångare inom den närmaste tiden. DeepMinds genomikchef Žiga Avsec sa till The Verge att det är dyrare att beräkna den nya modellens förutsägelser.

Användning via API

AlphaGenome 2 finns tillgänglig för icke-kommersiell forskning via AlphaGenome API. Unite.AI skriver att icke-kommersiell användning enligt dokumentationen är avgiftsfri. För kommersiell forskning finns modellen i en begränsad förhandsversion. Modellvikterna publiceras först när studien har kommit ut i slutlig form, uppger MarkTechPost.

DeepMind delar också förberäknade resultat. De innehåller kopplingar mellan regleringsregioner och gener i 640 celltyper eller celltillstånd samt, enligt Unite.AI, poäng i 510 tillstånd för över 6,8 miljoner varianter som är vanliga eller kopplade till egenskaper och sjukdomar. Modellen är endast avsedd för forskning och har inte validerats för klinisk användning eller diagnostik.