Google DeepMind научила ИИ точнее определять, как ДНК влияет на разные клетки организма

У всех клеток человеческого организма практически одинаковая ДНК. Но работают они по-разному: в клетках сердца активны одни гены, в иммунных клетках — другие. Поэтому одна и та же генетическая мутация может по-разному влиять на разные ткани и органы.

11 ноября Google DeepMind представила AlphaGenome 2 — новую ИИ-модель, которая позволяет исследовать эту связь более точно. Она предсказывает, как конкретные варианты ДНК влияют на активность генов в определённых типах клеток и их состояниях.

От генома к конкретной клетке

Главное отличие AlphaGenome 2 от предыдущей версии — новая архитектура. Первая модель одновременно делала прогнозы для тысяч экспериментов и разных тканей. Вторая работает иначе: исследователь задаёт последовательность ДНК длиной до миллиона нуклеотидов и конкретное биологическое условие — ткань, тип клетки или её состояние.

Это позволяет увидеть, как один и тот же участок ДНК проявляет себя в разных клетках — например, в обычной иммунной клетке и в клетке, активированной в лаборатории.

Для обучения модели использовали данные человека и мыши — совокупно более 107 млн профилей отдельных клеток из 68 тканей обоих видов. Кроме того, AlphaGenome 2 научилась прогнозировать метилирование ДНК — один из важных механизмов регуляции активности генов.

Почти вдвое больше выявленных генетических вариантов

По данным тестирования самой DeepMind, на наборе TenK10K, охватывающем 28 типов иммунных клеток, новая модель показала:

— выявление причинных генетических вариантов: 30% против 16% у предыдущей AlphaGenome, дообученной на данных отдельных клеток;

— правильное определение направления влияния вариантов на активность генов: 43% против 23%.

В обоих случаях речь идёт о результатах специализированных тестов с заданными показателями точности. На этом наборе AlphaGenome 2 почти вдвое улучшила оба показателя.

Важная особенность модели — способность работать с новыми данными по отдельным клеткам, даже если исследователь располагает лишь несколькими десятками клеток. Для этого не требуется дополнительное дообучение модели.

Есть и конкретные примеры. Исследователи проверили вариант ДНК, связанный с тяжёлым течением COVID-19. AlphaGenome 2 показала, что его влияние на активность генов сильнее проявляется в Т-клетках после лабораторной стимуляции мРНК-вакциной, чем в нестимулированных клетках.

Другой пример связан с воспалительными заболеваниями кишечника. Модель смогла воспроизвести результаты опубликованного исследования: определённый вариант ДНК усиливает активность гена ETS2 в макрофагах кишечника, участвующих в развитии воспаления. Это позволяет точнее определить, в каких именно клетках развивается патологический процесс.

Значение для фармацевтики

Для фармацевтической отрасли принципиально важно обнаружить генетический вариант, связанный с заболеванием, и понять, в каких клетках он действует и на какие механизмы влияет.

«Когда разрабатываешь лекарства, ты нацеливаешься на конкретные белки и конкретные типы клеток», — объяснил изданию The Verge руководитель геномного направления DeepMind Жига Авсец.

Точность в понимании связи между вариантом ДНК, активностью гена и типом клеток позволяет исследователям обоснованно выбирать мишени для новых препаратов.

В перспективе такие модели могут стать основой «виртуальных клеток» — цифровых симуляций биологических систем, которые позволят проверять научные гипотезы до проведения дорогостоящих лабораторных экспериментов.

Что доступно сейчас

AlphaGenome 2 уже открыта для некоммерческих научных исследований через API. Для коммерческих исследований действует режим закрытого предварительного тестирования.

В DeepMind также заранее рассчитали предсказания для генетических вариантов, связанных с различными признаками, для сотен клеточных и тканевых условий. Компания планирует выпустить AlphaGenome 2 Skills на платформе Google Antigravity — экспериментальном инструменте Google для агентной разработки, пока не имеющем широкого коммерческого релиза.

При этом заменить первую версию новая модель пока не готова: вычислять её прогнозы дороже, особенно для длинных последовательностей ДНК — до миллиона нуклеотидов, которые модель анализирует целиком. Поэтому для масштабных задач, например построения геномных атласов, предыдущая модель может оставаться более практичным инструментом.

Есть и принципиальное ограничение: AlphaGenome 2 предназначена исключительно для исследований и не прошла клиническую валидацию. Она не является инструментом медицинской диагностики или выбора лечения.

AlphaGenome 2 не обещает скорого появления новых лекарств. Модель точнее связывает генетические изменения с конкретными клетками и биологическими процессами — это шаг к тому, чтобы ИИ помогал исследователям переходить от наблюдения за болезнью к пониманию её молекулярных причин.

Источники:
Google DeepMind:
https://deepmind.google/blog/alphagenome-2-deciphering-how-cells-read-dna-to-better-understand-disease/

Nature:
https://www.nature.com/articles/d41586-026-03673-0

The Verge:
https://www.theverge.com/ai-artificial-intelligence/1031524/google-deepmind-alphagenome-2-genetic-ai-model