Компания Google DeepMind представила новый инструмент на основе искусственного интеллекта, способный предсказывать молекулярные последствия изменения любой из миллиардов «букв», из которых состоит генетический код человека. Как сообщает Live Science, 8 сентября разработчик объявил о запуске общедоступной базы данных AlphaGenome Atlas. Она содержит сведения о 9 миллиардах возможных изменений человеческого генома и оценку того, как эти изменения отразятся на различных тканях и клеточных процессах.
Вопрос о том, как последовательность примерно из 3 миллиардов «букв» химического кода упаковывается, доставляется и считывается для создания человеческой жизни, остаётся одним из главных в генетике. Год назад DeepMind представила инструмент AlphaGenome, который предсказывает, как изменения в последовательности ДНК влияют на белки, клетки и в конечном счёте на организм человека. Теперь компания выпустила AlphaGenome Atlas, рассчитывая сделать эту технологию доступной для более широкого круга исследователей.
«Похоже, это отличный ресурс», — заявил Live Science Грег Финдли, руководитель группы в Институте Фрэнсиса Крика в Лондоне, не участвующий в проекте. В то же время другие специалисты отметили, что инструмент, хотя и является шагом вперёд, пока не может ответить на все ключевые вопросы генетики. «Это не священный Грааль», — сказала Туули Лаппалайнен, профессор геномики Королевского технологического института KTH в Стокгольме и старший научный сотрудник Нью-Йоркского геномного центра, также не участвующая в проекте.
Лаборатория Лаппалайнен в течение последнего года использовала AlphaGenome для изучения эффектов вариаций в геномах. Она напомнила, что сама технология не нова, однако, по данным Google DeepMind, AlphaGenome превосходит предыдущие модели по разрешению, с которым предсказывает влияние изменений. Около 98% ДНК человека не кодирует белки, то есть клеточные механизмы не считывают её напрямую для синтеза молекул, поддерживающих работу клеток. Генетики теперь понимают, что этот код, который раньше считали «мусорной» ДНК, управляет тем, как и когда считываются кодирующие гены, а эволюция не создала упорядоченного генома — часть регуляторных инструкций распределена по всему коду.
AlphaGenome позволил исследователям изучать, как изменение одной пары «букв» ДНК может влиять на до миллиона пар окружающего кода — гораздо шире, чем предыдущие модели, что охватывало значительную часть регуляторной сети каждого гена. Однако до появления Atlas для работы с AlphaGenome требовался опыт в биоинформатике, а расчёты эффектов каждого изменения были тяжёлой нагрузкой для компьютеров учёных. Чтобы создать AlphaGenome Atlas, исследователи DeepMind вычислили все возможные замены «букв» и выложили полученные данные объёмом 1 петабайт (1 миллион гигабайт) в свободный доступ, а сама технология теперь доступна через удобный веб-портал. «Вам действительно не нужно быть экспертом в этих методах, чтобы зайти туда и что-то посмотреть в браузере», — отметила Лаппалайнен.
Ещё одно упрощение — показатель AlphaGenome Variant Impact, предсказывающий биологический эффект изменения. В сопроводительной статье DeepMind показала, что этот показатель позволяет отличать связанные с заболеваниями мутации от безвредных на клинических данных. При этом инструмент не является идеальным предсказателем: опубликованное 11 сентября исследование группы под руководством Кэти Поллард, директора Института данных и биотехнологий Гладстона и профессора Калифорнийского университета в Сан-Франциско, показало, что AlphaGenome хорошо находит причинные мутации, но систематически недооценивает их влияние и не всегда связывает изменения регуляторных элементов с контролируемыми ими генами, особенно если они расположены далеко друг от друга. «Моя, возможно, наивная надежда — что люди будут воспринимать эти предсказания с должной долей скепсиса», — сказала Лаппалайнен, добавив, что, несмотря на ограничения, подобные разработки — часть общего движения к более совместной геномике, основанной на данных, но не стоит забывать и о лабораторных экспериментах, которые проверяют точность предсказаний вариантов. «В биологии мы всё ещё очень ограничены данными, и эти данные нужно создавать», — подчеркнула она.