Google DeepMind ve představil AlphaGenome 2, novou verzi modelu umělé inteligence, který předpovídá, jak drobné změny v DNA ovlivní práci konkrétních typů lidských buněk. Vědcům má pomoci dohledat, ve kterých buňkách a přes které geny se dědičné odchylky promítají do nemocí. Podle firmy model najde téměř dvakrát více variant měnících činnost genů než jeho předchůdce.
Každá buňka v těle nese stejný genetický plán. Buňka srdečního svalu ale zapíná jiné geny než bílá krvinka, která právě bojuje s infekcí. Mezinárodní projekty jako Human Cell Atlas mapují aktivitu genů v milionech buněk, jenže odhadnout, co s ní udělá nepatrná odchylka v DNA, se zatím spolehlivě nedařilo. Právě takové odchylky přitom stojí za řadou lidských vlastností i nemocí.
Z průměru celé tkáně až k jednotlivé buňce
První AlphaGenome uvedl DeepMind loni a letos v lednu o něm vyšel podrobný článek v časopise Nature. Model dokázal z úseku DNA dlouhého milion písmen předpovědět, jak se varianty projeví v různých tkáních. Firma k němu později přidala AlphaGenome Atlas s předpověďmi pro všech zhruba 9 miliard možných záměn jediného písmene v lidském genomu.
Starší verze ale počítala výsledky pro tisíce experimentů najednou. Postup to byl efektivní, jenže výkon modelu se rozmělnil a jemné rozdíly mezi příbuznými typy buněk mu unikaly. Tým proto architekturu od základu přestavěl. AlphaGenome 2 se vždy soustředí na jeden konkrétní vzorek, tedy na tkáň, typ buňky nebo její momentální stav, a tuto informaci dostává spolu se sekvencí DNA v každé fázi výpočtu. Učí se tak, jak tentýž kus DNA čtou různé buňky odlišně.
„Když vyvíjíte léky, míříte na konkrétní bílkoviny a konkrétní typy buněk,“ vysvětlil pro The Verge Žiga Avsec, který v DeepMindu vede genomický tým.
Model se učil na více než 100 milionech profilů jednotlivých buněk z 68 tkání člověka i myši. Zvládá stejné předpovědi jako původní verze, například aktivitu genů, úpravy histonů nebo přístupnost chromatinu, a nově přidává i metylaci DNA, o kterou vědci často žádali. Umí také dopočítat chybějící data. Když výzkumník dodá jediné měření, třeba aktivitu genů v buňkách, model odhadne i vlastnosti, které nikdo nezměřil. Laboratoř se pak může lépe rozhodnout, jaký pokus udělat jako další.
Za půl hodiny to, co hledali rok a půl
Na datové sadě TenK10K, která zachycuje 28 typů imunitních buněk, odhalil AlphaGenome 2 30 procent variant, které skutečně stojí za změnou aktivity genů. Původní model doladěný na data z jednotlivých buněk jich našel jen 16 procent. U odhadu, jestli varianta aktivitu genu zvýší, nebo sníží, se úspěšnost zlepšila z 23 na 43 procent.
Vědci nový model vyzkoušeli i na skutečném objevu. Studie z roku 2024 ukázala, že varianta ve vzdáleném úseku DNA, který řídí činnost genů, přispívá k zánětlivým onemocněním střev. Děje se to tak, že v imunitních buňkách střeva, takzvaných makrofázích, nadměrně zapíná gen ETS2. AlphaGenome 2 tento závěr zopakoval čistě na počítači. Správně určil viníka a ukázal, že posiluje ETS2 právě v makrofázích, zatímco ostatní buňky a geny nechává prakticky beze změny.
Imunolog a genetik James Lee z londýnského Francis Crick Institute, který původní výzkum vedl, to pro Nature okomentoval stručně. Podle něj model dospěl k odpovědi za 30 minut, zatímco jeho tým potřeboval 18 měsíců experimentů.
Stačí pár desítek buněk
AlphaGenome 2 si poradí i s buňkami, které při tréninku nikdy neviděl, a nemusí se kvůli nim znovu učit. Vědec nahraje snímek genové aktivity z pouhých několika desítek buněk, model ho převede na popis buněčného stavu a podle něj pak počítá. Výsledky jsou podle DeepMindu stejně dobré nebo lepší než u modelů, které někdo trénoval přímo na daných datech.
„Na AlphaGenome 2 mě nadchlo, jak se bez dalšího tréninku přizpůsobí novým datům a předpoví účinek variant v nově popsaných buněčných stavech i z malého vzorku,“ uvedla Sarah Teichmannová, spoluzakladatelka konsorcia Human Cell Atlas a profesorka z Univerzity v Cambridgi.
Dobře to ukazují data ze studie o mRNA vakcíně proti covidu. Model rozlišil T lymfocyty aktivované očkováním od těch klidových a zjistil, že varianta spojená s těžkým průběhem této nemoci narušuje činnost genů výrazněji právě v aktivovaných buňkách. Kdyby vědci zkoumali jen buňky v klidu, tento efekt by jim zůstal skrytý.
Most mezi genetikou a mapou lidského těla
Celogenomové asociační studie dlouhodobě odhalují tisíce míst v DNA spojených s nemocemi a tělesnými znaky. Často ale označí jen širší úsek a vědci pak složitě pátrají, která konkrétní varianta je zodpovědná, na jaký gen působí a v jaké buňce. DeepMind proto předem spočítal předpovědi pro tyto varianty napříč stovkami typů buněk a tkání, aby výzkumníci nemuseli spouštět náročné výpočty sami.
Model pomáhá hlavně ve dvou směrech. Jednak propojuje takzvané zesilovače, tedy vzdálené přepínače v DNA, s geny, které ovládají. Dosavadní pokusy se dělaly hlavně na kulturách pěstovaných v laboratoři, AlphaGenome 2 ale tuto mapu rozšiřuje i na buňky přímo z lidského těla, třeba na astrocyty, které v mozku podporují a chrání neurony. U znaků od tělesné výšky po cukrovku 2. typu zase ukazuje, které varianty a buněčné typy se na nich nejspíše podílejí. Pokud si je model dostatečně jistý, odhadne i to, jestli varianta aktivitu genu zesílí, nebo utlumí.
O nástroj se zajímá i vývoj léků. Peter Donnelly, šéf firmy Genomics Limited, ocenil, že podobné modely pomáhají přejít od statistické souvislosti k tomu, co potřebuje farmaceutický výzkum. Jeho společnost chce AlphaGenome 2 zapojit do své platformy Mystra.
Vědci z akademické sféry mohou model používat pro nekomerční výzkum přes rozhraní AlphaGenome API, firmy ho zatím zkoušejí v uzavřeném předběžném přístupu. DeepMind spolupracuje s Wellcome Sanger Institute na popisu dalších typů buněk a brzy chce model nabídnout i ve vývojářské platformě Antigravity. Pro klinické použití ani pro diagnostiku zatím ověřený ani schválený není.
Zdroje: deepmind.google, nature.com a theverge.com



