Google DeepMind zpřístupňuje pro nekomerční výzkum AlphaGenome 2, model umělé inteligence zaměřený na předpovídání účinků genetických variant v jednotlivých typech a stavech buněk. Podle oznámení zveřejněného ve středu má nabídnout podrobnější pohled na změny, jejichž souvislost s nemocemi by při obecnějším zkoumání mohla uniknout. Pro komerční výzkum firma otevírá omezený předběžný přístup. Jinou cestu ke zkoumání DNA jednotlivých buněk představili nezávisle vědci z lékařské fakulty Yaleovy univerzity: jejich experimentální metoda zachycuje současně prostorové uspořádání DNA a chemické značky, které pomáhají řídit využívání genů.
- AlphaGenome 2 se učil na více než 100 milionech profilů jednotlivých buněk z 68 tkání.
- Podle DeepMind model rozpozná téměř dvojnásobek variant ovlivňujících genovou expresi oproti předchozímu špičkovému modelu firmy.
- Metoda Epi-PHR z Yale umožňuje v jedné buňce zkoumat stovky míst v DNA a současně zaznamenávat různé epigenetické značky.
AlphaGenome 2 rozlišuje typ i stav buňky
Téměř všechny buňky lidského těla nesou stejnou DNA, ale nevyužívají stejné geny. Jejich zapínání a vypínání se liší mezi buněčnými typy a mění se také podle toho, co buňka právě dělá. Stejná genetická varianta proto může mít v různých buňkách odlišné účinky.
Právě tyto rozdíly má AlphaGenome 2 zachytit. Výzkumník DeepMind Adam Gayoso popsal pro The Verge jeho přínos jako propojení lidské genetiky s buněčnou biologií: vědci mohou podrobněji zkoumat varianty nalezené ve velkých populacích a hledat jejich možné buněčné účinky i souvislosti s nemocemi.
Podle DeepMind dokáže AlphaGenome 2 vytvářet předpovědi také pro nové typy buněk a biologické stavy, aniž by potřeboval další trénování.
Model může rovněž upozornit na mezery v experimentálních datech, a tím pomoci při rozhodování, co dále zkoumat v laboratoři. Vedoucí genomického výzkumu DeepMind Žiga Avsec zdůraznil, že podrobnost je důležitá pro vývoj léčiv, při němž výzkumníci cílí na konkrétní proteiny a buněčné typy.
Podrobnější předpovědi mají vyšší výpočetní nároky
Novinka navazuje na AlphaGenome představený loni, zatím jej však nenahrazuje. Podle Avsece jsou její předpovědi výpočetně nákladnější. Pro vytvoření atlasu všech možných změn jednotlivých písmen lidského genomu, který DeepMind zveřejnil v září, by proto použití AlphaGenome 2 nebylo praktické.
Firma model nabízí prostřednictvím rozhraní AlphaGenome API. Současně pracuje na získávání dalších dat, mimo jiné pro buněčné stavy, které jsou v současných souborech zastoupeny nedostatečně.
Metoda z Yale spojuje prostorovou mapu DNA s chemickými značkami
Samostatný výzkum týmu z Yale se soustředí na společné sledování dvou vlastností DNA: jejího trojrozměrného uspořádání a epigenetických značek, tedy chemických úprav DNA a souvisejících proteinů. Obojí ovlivňuje, které genetické informace buňka využívá. Dosavadní metody mají s jejich současným zachycením potíže; jedna z používaných technik při mapování značek prostorové uspořádání DNA ničí.
Postup nazvaný Epi-PHR, publikovaný v časopise Nature Methods, používá dvě molekuly ve tvaru vlásenky, které se vážou na vybraný gen nebo epigenetickou značku. Jedna nese neaktivní fluorescenční značku. Když se molekuly ocitnou vedle sebe, vlásenka se otevře a značka začne svítit.
Epi-PHR umožňuje sledovat epigenetické značky i prostorové uspořádání DNA na úrovni jednotlivých buněk a genů.
Tým metodu vyzkoušel také na řezu hipokampem, částí mozku. Test odhalil postupné rozdíly v epigenetických znacích a prostorovém uspořádání DNA napříč neurony a dalšími buňkami.































