AlphaGenome 2: как глубокое обучение раскрывает механизмы регуляции генов и развития болезней
Анимация показывает, как AlphaGenome 2 учитывает клеточный контекст: для одной и той же последовательности ДНК модель предсказывает разные профили экспрессии генов и доступности хроматина в зависимости от типа и состояния клетки, которые клеточный энкодер преобразует в векторное представление
Почти все клетки организма содержат одну и ту же последовательность ДНК. Лишь 1–2% этой последовательности приходится на участки, кодирующие белки; остальную часть генома составляют другие последовательности. Долгое время их считали «мусорными», однако после завершения проекта «Геном человека» в 2000-х годах этот взгляд начал стремительно меняться.
Выяснилось, что многие такие участки служат местами связывания регуляторных белков, а с других считываются разнообразные вспомогательные РНК, не кодирующие белки. Кроме того, они во многом определяют трёхмерную укладку хроматина — комплекса ДНК и белков-гистонов, который лежит в основе хромосом. Всё это влияет на то, какие гены и в какой момент становятся доступны для считывания и последующего синтеза белков.
У каждого типа клеток свой профиль экспрессии генов: клеткам гладкой мускулатуры для работы нужны одни белки, а нейронам — совсем другие. При этом профиль может меняться под влиянием самых разных факторов: сигналов иммунной системы, гормонального фона, стадии развития клетки, циркадных ритмов, температуры и даже механического воздействия.
Тем не менее предсказать, как небольшие различия в ДНК скажутся на экспрессии, по-прежнему непросто. Именно такие различия нередко лежат в основе заболеваний. Например, мутация может не затрагивать ген напрямую, но изменять интенсивность его считывания. В результате клетке может не хватить определённого белка, что запустит цепочку патологических изменений.
В прошлом году Google DeepMind запустила модель AlphaGenome. Она принимает на вход последовательность ДНК длиной до 1 млн нуклеотидов и формирует усреднённые профили экспрессии и регуляторных сигналов для множества типов тканей. Рассчитать в пространстве все взаимодействия атомов в такой задаче за разумное время практически невозможно. Поэтому, как и в случае с предыдущим крупным проектом AlphaFold, предсказывающим пространственную структуру белка по последовательности аминокислот, команда DeepMind применила глубокое обучение. Это позволило модели самостоятельно выявлять закономерности в огромных обучающих массивах данных.
В сентябре этого года DeepMind также запустила масштабную базу данных AlphaGenome Atlas. С помощью AlphaGenome исследователи заранее рассчитали влияние 9 млрд однобуквенных мутаций на итоговый профиль экспрессии: в ДНК человека около 3 млрд оснований, и каждое из них можно заменить тремя другими, поскольку генетический «алфавит» состоит из четырёх «букв». В одних участках такие замены могут быть практически безвредными, в других — приводить к серьёзным нарушениям. Хотя результаты модели отличаются высокой точностью, в клинически значимых случаях они, разумеется, требуют экспериментального подтверждения.
AlphaGenome 2
11 ноября Google DeepMind представила новую версию модели — AlphaGenome 2. Первая версия давала прогнозы только для фиксированного набора тканей и клеточных линий из обучающей выборки. Для обучения новой версии использовали, в частности, базы проектов CZ CELLxGENE и Human Cell Atlas, где собраны профили экспрессии миллионов отдельных клеток.
Теперь при подаче последовательности ДНК длиной до 1 млн оснований можно задать клеточный контекст: выбрать эталонный профиль экспрессии из готовой базы или загрузить собственный. Как отмечалось выше, этот профиль меняется в зависимости от условий. Такой подход позволяет строить прогноз не только для определённого типа клетки, но и для конкретного её состояния — например, для лимфоцита в условиях воспаления. На выходе получается предсказанный профиль экспрессии этой клетки с учётом заданного варианта геномной последовательности.
Помимо профиля экспрессии, модель формирует карту регуляторных изменений вдоль последовательности ДНК с разрешением до одного нуклеотида. Она показывает, какие участки останутся открытыми для считывания, где смогут связываться белки-регуляторы — транскрипционные факторы — и как изменится карта пространственных контактов хроматина внутри ядра.
В основе семейства AlphaGenome лежит глубокая нейросеть с архитектурой U-Net. Она сочетает свёрточные слои (CNN), которые находят короткие локальные закономерности в ДНК, и трансформеры, анализирующие связи на расстоянии до миллиона оснований. В первой версии сеть обрабатывала геном без привязки к конкретной клетке и только на заключительном этапе распределяла результат по фиксированному списку усреднённых тканей. Ключевое отличие второй версии — клеточный энкодер (Cell encoder) на входе. Он преобразует профиль экспрессии в векторное представление состояния клетки, благодаря чему клеточный контекст влияет на обработку последовательности ДНК во всех основных слоях сети.
Для учёных это прежде всего возможность быстрее перейти от списка предполагаемых вариантов ДНК к проверяемой гипотезе: выяснить, какой ген затронут, в каких клетках проявляется эффект и что следует проверить в эксперименте. В официальном анонсе приведён пример, связанный с воспалительным заболеванием кишечника. Модель воспроизвела результаты более раннего исследования, выделив конкретный вариант в удалённом регуляторном участке. AlphaGenome 2 показала, что эта мутация избирательно усиливает активность гена ETS2 в моноцитах и макрофагах, почти не влияя на другие типы клеток.
Важно, что новая модель не заменяет AlphaGenome Atlas. Проверять миллионы возможных мутаций для каждого состояния клетки с помощью ресурсоёмкой контекстной нейросети было бы слишком затратно. Поэтому сначала исследователь может обратиться к базе однобуквенных мутаций как к готовому справочнику и предварительно отобрать кандидатов. Затем наиболее интересные варианты анализируются с помощью AlphaGenome 2: на вход модели подаётся нужная последовательность, которая может содержать не только одиночные замены, но и более сложные сочетания мутаций.
Другие биологические инструменты DeepMind дополняют эти разработки, образуя экосистему для анализа генома, моделирования белков и изучения различных видов терапии. AlphaGenome помогает исследовать регуляцию генов, AlphaMissense оценивает потенциальную опасность аминокислотных замен, AlphaFold предсказывает структуры белковых молекул и их взаимодействия, а AlphaProteo создаёт белки, способные связываться с выбранной мишенью.
AlphaGenome 2 уже доступна через API для некоммерческих исследований. Код и веса первой версии AlphaGenome ранее опубликовали в открытом доступе.
Миниатюрные роботы смогут кувыркаться в сосудах и помогать растворять тромбы
Астрономы впервые увидели исчезновение планеты-гиганта и выяснили, как это произошло
Даже представители племени тумба-юмба…
SpaceX опубликовала видео возвращения Starship на платформу Mechazilla
Возможна ли внеземная жизнь в кислоте вместо воды?
Статистическая механика жизни: новый взгляд на идеи Шрёдингера
Что связывает крем от прыщей с эпидемией безумия?
Барон Шиллинг: жизнь, электромагнитный телеграф и другие изобретения