AlphaGenome Atlas gör nio miljarder DNA-varianter sökbara för forskare
Google DeepMind har förberäknat modellprediktioner för alla möjliga enbasbyten i människans arvsmassa och samlat dem i en forskningsportal.
Google DeepMind lanserar AlphaGenome Atlas, en databas med modellprediktioner för effekten av omkring nio miljarder möjliga enbasbyten i människans arvsmassa. Siffran gäller inte alla typer av mutationer: den kommer av att var och en av genomets cirka tre miljarder positioner kan bytas mot tre andra DNA-bokstäver.
Atlasen är ungefär en petabyte stor. I stället för att varje forskargrupp ska skicka en variant i taget till AlphaGenome har DeepMind kört modellen i förväg och gjort resultaten tillgängliga genom en webbportal och ett API. Där går det att se tusentals förutsagda molekylära effekter, bland annat på genuttryck, splitsning och kromatin.
Ett värde för att hitta rätt nål
En ny del är AlphaGenome Variant Impact, AVI. Värdet kombinerar AlphaGenomes bedömning av reglerande DNA med AlphaMissense, som bedömer förändringar i proteinkodande sekvenser. Varje värde kan brytas ner i bidrag från exempelvis splitsning, genuttryck och bevarande, så att en forskare får både en rangordning och en hypotes om vad som kan ha påverkats.
Den publika portalsidan beskriver både sökning utan kod och integration med agentflöden. Själva utforskningen kräver inloggning; Debrief har granskat informationssidan men inte funktionstestat tjänsten.
Den underliggande AlphaGenome-modellen är publicerad i Nature. I artikelns tester matchade eller överträffade modellen de starkaste externa modellerna i 25 av 26 utvärderingar för varianteffekter. Det är stöd för modellens tekniska grund, men inte ett bevis för att varje enskild Atlas-prediktion är korrekt.
DeepMind lyfter två samarbeten som tidiga exempel. I ett fall användes AVI för att prioritera en tidigare förbisedd variant i DNM1-genen, varefter laboratorietester enligt företaget stödde den förutsagda effekten. I ett annat uppger DeepMind att analys av data från fler än 54 000 UK Biobank-deltagare hittade 22 procent fler associationer för sällsynta icke-kodande varianter. Resultaten kommer från lanseringens medförfattare och behöver läsas som forskningsresultat, inte som produktgarantier.
En oberoende Nature-bedömning beskriver Atlas som ett sätt att sänka beräkningsbarriären, men understryker att verktyget inte ersätter experiment eller informationen i ett enskilt patientfall. DeepMind säger samma sak i sina villkor: prediktionerna är för forskning och har varken validerats eller godkänts för kliniska beslut. I dag erbjuds Atlas för icke-kommersiell användning; kommersiell åtkomst via Google Cloud är aviserad men ännu inte lanserad.
Google DeepMind har förberäknat AlphaGenomes prediktioner för alla möjliga enbasbyten i det mänskliga genomet. AlphaGenome Atlas gör det cirka en petabyte stora materialet sökbart via portal och API. Ett nytt AVI-värde hjälper forskare att prioritera vilka varianter som är värda att undersöka vidare.
AI-förmågan flyttar från enskilda modellkörningar till färdig forskningsinfrastruktur. Forskare kan börja med en sökning i hela genomet och lägga sin dyrbara labbtid på de mest lovande hypoteserna.
Den stora vinsten är alltså inte att Atlas ”vet” vilken mutation som orsakar sjukdom, utan att den kan göra ett enormt urvalsproblem mer hanterbart.
AlphaGenome Atlas är ett starkt exempel på när förberäknad AI blir mer användbar än ännu en chattruta. Men ju enklare en enda poäng ser ut, desto viktigare blir det att behålla vägen tillbaka till modellens delprediktioner och de experiment som kan motbevisa den.
