ИИ понял, в какой клетке срабатывает мутация — лекарства будут искать быстрее

11 ноября Google DeepMind представила AlphaGenome 2 — модель, которая предсказывает, как изменение в ДНК отразится на работе конкретных клеток. Для некоммерческих исследований доступ открыли сразу, для коммерческих идёт закрытый предпросмотр.

Идея простая. ДНК одинаковая во всех клетках тела, но клетка сердца, клетка кожи и иммунная клетка включают разные гены — как один и тот же текст, прочитанный по разным оглавлениям. Поэтому одна и та же «опечатка» в ДНК в одной клетке безвредна, а в другой запускает болезнь.

Что изменилось

Первая версия AlphaGenome вышла год назад и предсказывала эффект варианта усреднённо по тканям. Новая работает иначе: на вход подаётся участок ДНК длиной в миллион «букв» и условие — тип или состояние клетки. Модель обучена на 107 млн профилей отдельных клеток из 68 тканей человека и мыши.

Насколько лучше

• Находит почти вдвое больше вариантов, которые меняют работу генов.
• На карте 28 типов иммунных клеток TenK10K определяет 30 % причинных вариантов против 16 % у прежней модели, а направление эффекта — в 43 % случаев против 23 %.
• Воспроизвела известный результат по воспалительным болезням кишечника: вариант в далёком «переключателе» ДНК перевозбуждает ген ETS2 именно в макрофагах кишечника, почти не задевая другие клетки.
• Различает активированные и спокойные Т-клетки — проверили на данных исследования мРНК-вакцины от COVID-19. И видит, что вариант, связанный с тяжёлым течением, ломает работу генов сильнее именно в активированном состоянии.
• Умеет работать с новыми типами клеток без переобучения: достаточно загрузить замеры активности генов из нескольких десятков клеток.

Чего она не может

• Она не одобрена для клиники и диагностики — только для исследований.
• Считает дороже первой версии, поэтому не заменяет её и не пересчитывает полный атлас всех 9 млрд возможных однобуквенных замен в геноме, который вышел в сентябре.
• Предсказание остаётся предсказанием: без лабораторной проверки это гипотеза, а не факт.

Почему это важно

Лекарства бьют по конкретным белкам в конкретных клетках, и чем раньше видно, где именно включается мутация, тем меньше лабораторных итераций до препарата. Модель ещё и подсказывает, какие опыты имеет смысл ставить: она заполняет пробелы в данных и показывает, где измерений не хватает. Для редких болезней, где пациентов мало и материала для изучения почти нет, это меняет скорость работы.