Google DeepMind bemutatja az AlphaGenome Atlas-t: egy, a teljes emberi genomban előforduló egybites (single-nucleotide) változatra vonatkozó, előre kiszámított hatásbecsléseket tartalmazó platformot. Az Atlas közel 9 milliárd lehetséges egyszercserés DNS-variáns molekuláris hatására vonatkozó predikciókat tartalmaz, és akadémiai kutatásra ingyenesen, egy webes portálon keresztül hozzáférhető.
Mi ez és miért fontos
A DNS az élet nyelve, de nehézséget okoz annak megértése, hogy egyes genetikai eltérések hogyan befolyásolják a molekuláris biológiát. A laboratóriumi vizsgálat minden lehetséges variánson gyakorlatilag kivitelezhetetlen: a lehetséges egyszercserés változatok száma ~9 milliárd. Az AlphaGenome nevű mesterséges intelligencia-modell képes előre jelezni, hogy egyes variánsok milyen hatással vannak biológiai folyamatokra; az Atlas ezt a modellt skálázva, előre kiszámolt predikciók formájában teszi széles körben elérhetővé.
Tartalom és fő elemek
AlphaGenome Atlas több, egymással összekapcsolt erőforrást kínál:
- Molekuláris hatás-predikciók: minden variánsra több ezer molekuláris hatásbecslés, különböző génszabályozási aspektusokra vonatkozóan, százakra kiterjedő emberi és egér sejttípusokra és szövetekre.
- AVI score (AlphaGenome Variant Impact): egyetlen szám értékelve a variáns összhatását, amely egyesíti az AlphaGenome és az AlphaMissense (fehérjét módosító variánsok hatását becslő modell) előrejelzéseit.
- AVI feature attributions: az AVI pontszám mögötti biológiai jellemzők feltárása (például mely molekuláris folyamatok — splicing, génexpresszió stb. — várhatók sérülni egy adott variáns hatására).
- DNS-szekvencia motívumok: egy átfogó gyűjtemény több mint 2 500 visszatérő rövid DNS-szekvenciáról és azok genomon belüli helyeiről.
Ezek az erőforrások támogatják a gyors variáns-rangsorolást és a variánsok funkcióinak mélyebb vizsgálatát, mind kódoló, mind nem kódoló régiókban (a genom ~2%-a kódoló, ~98%-a nem kódoló).
Műszaki adatok és elérhetőség
- Az AlphaGenome Atlas körülbelül 1 petabájt méretű adatbázis, amely több mint 30-szor nagyobb, mint az AlphaFold Database.
- Az Atlas elérhető egy webes portálon, az AlphaGenome API-n keresztül, és integrálták mint skill a Google Antigravity rendszerbe.
- Az AlphaGenome alapmodell akadémiai felhasználásra elérhető GitHubon és az AlphaGenome API-n keresztül; kereskedelmi felhasználásra hamarosan elérhető lesz Google Cloudon (Model Garden és Cloud szolgáltatásokon keresztül). Az Atlas nem-kereskedelmi felhasználásra a weboldalon már elérhető.
Hogyan segít a kutatásban — konkrét példák
AlphaGenome Atlasot külső, megbízható kutatópartnerek már alkalmazták különböző kutatási kérdésekben.
-
Ritka betegségek megértése: a GREGoR Consortium tagjaival közösen használt AVI score segített prioritizálni a kivételesen ritka, „tű a szénakazalban” jellegű variánsokat. A Broad Institute kutatói, Laura Covill és Anne O’Donnell-Luria vezetésével találtak és kísérletileg igazoltak egy, a DNM1 génhez kapcsolódó variánst, amely epilepsiás enkefalopátiához kötődik. Az Atlas előrejelzése szerint a variáns helytelen splice-helyet hozott létre, ami a fehérje kóros megnyúlásához vezetett; ezt kísérletes vizsgálatok megerősítették, illetve további, hasonló hatású közeli variánsokat is felfedeztek.
-
Ritka, nem kódoló variánsok feltérképezése populációs adatokban: Gareth Hawkes (Medical Research Council fellow, University of Exeter) az AlphaGenome Atlasot alkalmazva több mint 54 000 UK Biobank résztvevő teljes genomszekvenciáján dolgozott. A predikciók alapján ritka variánsokat csoportosítva 22%-kal több nem-kódoló genetikai asszociációt talált, mint a hagyományos megközelítések. Ennek eredményeként konkrét szabályozó variánsokat azonosított kritikus keringő fehérjék, például PLA2G7 (öregedéssel kapcsolatba hozható) és EGLN1 (sejtes oxigénérzékelés) szintjének befolyásolására. További elemzéssel a genom leginkább hatásos 1%-ára fókuszálva 19 olyan genetikai régiót talált, amelyek további célzott vizsgálatok irányába mutatnak.
-
A genom „szavai”, a motívumok feltárása: Julia Zeitlinger és Melanie Weilert (Stowers Institute for Medical Research) az Atlas motívum-annotációit használva külön kategóriákba sorolták, mely transzkripciós faktorok befolyásolják pusztán a DNS-hozzáférhetőséget és melyek képesek ténylegesen gének be- vagy kikapcsolására.
Teljesítmény és értelmezhetőség
A fejlesztők közlése szerint az AVI score kiemelkedő teljesítményt mutat több variáns-patogenitási és ritka betegség benchmarkon. Az AVI mellett elérhető feature attribution-ök lehetővé teszik, hogy a kutatók megértsék, mely molekuláris folyamatok okozzák az értékelt hatást (például splicing, génexpresszió stb.), ezáltal pontosabb biológiai hipotézisek fogalmazhatók meg.
Jövőkép és integráció
Az AlphaGenome Atlasot nem végpontként, hanem kiindulópontként fogják kezelni: ahogy az AlphaGenome és kapcsolódó AI-modellek fejlődnek, a genomi térképek is finomodnak és részletesebbé válnak. Az Atlas erőforrásai integrálhatók szélesebb agentikus rendszerekbe, például a Google Antigravity-ba, hogy támogassák az end-to-end tudományos munkafolyamatokat.
Hozzájárulók és együttműködők
A projektet számos kutatóintézet és kutató támogatta, köztük University of Exeter, Broad Institute, Boston Children’s Hospital, Stowers Institute for Medical Research, Harvard University, Memorial Sloan Kettering Cancer Center, Center for Genomic Medicine at Massachusetts General Hospital és University of Kansas Medical Center.
A munka több tucatnyi közreműködő hozzájárulásával készült, köztük Jun Cheng, Kyle R. Taylor, Lauren Nicolaisen, Joshua Pan, Clare Bycroft, Matteo Perino, Tom Ward, Raina W. Thomas, Natasha Latysheva, Gareth Hawkes, Laura E. Covill, Melanie Weilert, Maile J. Hirschmann, Xi Dawn Chen, Robin N Beaumont, V Kartik Chundru, Michael N Weedon, Simon Bourdareau, Hoyin Chu, Dhavi Hariharan, Thais Kagohara, Lucas Tenório, Yosuke Ushigome, Amanda Stafford, Courtney A. Shearer, Barbara Ikica, Ada Fang, Mouad Naciri, Victoria Johnston, Richard Green, Elisa Lai Hong Wong, Vincent Dutordoir, Anne Mottram, Adam Gayoso, Eirini Arvaniti, Guido Novati, Heidi L. Rehm, Fei Chen, Caleb A. Lareau, Caroline F Wright, Anne O'Donnell-Luria, Julia Zeitlinger, Pushmeet Kohli, Žiga Avsec és sokan mások. Köszönettel tartoznak továbbá a technikai támogatásért és kommunikációért felelős csapattagoknak is.
Következtetés
Az AlphaGenome Atlas egy átfogó, nagy méretű, előre kiszámolt predikciós erőforrás, amely a genom minden egybites változatára vonatkozó molekuláris hatásbecsléseket kínálja. Az Atlas célja, hogy a kutatók számára gyors, értelmezhető belépési pontot biztosítson a variánsok rangsorolásához és a molekuláris hatások feltárásához, mind ritka betegségek, mind populációs genetika és alapkutatási kérdések esetén. Az eszközök nyilvános, nem-kereskedelmi elérhetősége és a közelgő kereskedelmi opciók reménye szerint felgyorsítják a biológiai felfedezéseket és a célzott kísérletes validációkat.
