Google DeepMind เปิดตัว AlphaGenome 2 เพื่อเพิ่มความแม่นยำในการคาดการณ์ผลกระทบของการกลายพันธุ์ต่อเซลล์มนุษย์

Google DeepMind ได้เปิดตัว AlphaGenome 2 ซึ่งเป็นโมเดลลำดับ DNA รุ่นอัปเกรดที่มีเป้าหมายในการคาดการณ์ว่าการกลายพันธุ์ทางพันธุกรรมจะมีผลกระทบต่อประเภทเซลล์มนุษย์ที่แตกต่างกันอย่างไร ช่วยให้นักวิจัยสามารถสำรวจกลไกทางพันธุกรรมที่อยู่เบื้องหลังโรคต่างๆ โมเดลนี้สร้างขึ้นจาก AlphaGenome รุ่นก่อน ซึ่งสามารถทำแผนที่กิจกรรมโมเลกุลในเนื้อเยื่อที่หลากหลาย รวมถึงพื้นที่เข้ารหัสและไม่เข้ารหัสของจีโนม เพื่อให้วิธีการที่เป็นเอกภาพในการประเมินผลกระทบที่อาจเกิดขึ้นจากการกลายพันธุ์ทางพันธุกรรม เมื่อต้นปีนี้ บริษัทได้เปิดตัว AlphaGenome Atlas ซึ่งเป็นแหล่งข้อมูลการคาดการณ์ที่แยกออกมา ซึ่งทำแผนที่ผลกระทบของการเปลี่ยนแปลง DNA แบบตัวอักษรเดียวที่เป็นไปได้ทั้งหมดในจีโนมมนุษย์

ฟังก์ชันและคุณสมบัติของ AlphaGenome 2

ตามข้อมูลของบริษัท AlphaGenome 2 ไม่ได้จำกัดอยู่ที่ค่าเฉลี่ยในระดับเนื้อเยื่อที่กว้างขวาง แต่ยังวิเคราะห์ประเภทเซลล์แต่ละประเภทและสถานะของพวกเขา ซึ่งช่วยให้นักวิจัยสามารถตรวจสอบว่าการกลายพันธุ์ทางพันธุกรรมมีผลกระทบต่อเซลล์ที่เกี่ยวข้องกับโรคอย่างไร และความแตกต่างของผลกระทบเหล่านี้ในสภาวะเซลล์ที่แตกต่างกัน โมเดลนี้ได้รับการฝึกอบรมจากข้อมูลเซลล์เดี่ยวมากกว่า 17 ล้านตัวอย่างจากมนุษย์และหนู ซึ่งครอบคลุม 68 ประเภทเนื้อเยื่อ แตกต่างจากรุ่นก่อน โมเดลนี้พิจารณาสภาวะทางชีววิทยาเฉพาะและลำดับ DNA ในระหว่างการป้อนข้อมูล

นักวิจัยสามารถเลือกประเภทเซลล์จากดัชนีอ้างอิง หรือใช้ข้อมูลเซลล์เดี่ยวของตนเองเพื่อตรวจสอบสถานะเซลล์ที่ไม่เคยเห็นมาก่อน โมเดลนี้ยังสามารถประมาณค่าข้อมูลการวัดที่ขาดหายไปจากข้อมูลอื่นๆ ที่มีอยู่ เช่น ความสามารถในการเข้าถึงโครมาติน

ในการทดสอบมาตรฐาน TenK10K ซึ่งเป็นชุดข้อมูลเซลล์เดี่ยวที่ครอบคลุม 28 ประเภทเซลล์ภูมิคุ้มกันหลัก AlphaGenome 2 สามารถระบุการกลายพันธุ์เชิงสาเหตุได้ 30% ในขณะที่โมเดลเดิมสามารถระบุได้เพียง 16% หลังจากการปรับแต่งในข้อมูลเซลล์เดี่ยวและเครื่องมือเฉพาะอื่นๆ โมเดลนี้ยังปรับปรุงความสามารถในการตัดสินทิศทางของผลกระทบของการกลายพันธุ์ต่อกิจกรรมทางพันธุกรรม ใน 43% ของกรณี โมเดลนี้สามารถระบุได้อย่างถูกต้องว่าการกลายพันธุ์เพิ่มหรือลดการแสดงออกของยีน ในขณะที่โมเดลเดิมและเครื่องมือเปรียบเทียบทำได้เพียง 23%

ผลลัพธ์เหล่านี้แสดงให้เห็นว่าระบบที่อัปเดตอาจช่วยให้นักวิจัยสามารถจำกัดขอบเขตของการเปลี่ยนแปลงทางพันธุกรรมที่มีแนวโน้มจะส่งผลกระทบต่อกระบวนการที่เกี่ยวข้องกับโรคในประเภทเซลล์เฉพาะได้

ตัวอย่างการคาดการณ์เฉพาะเซลล์

Google DeepMind ยังได้แสดงให้เห็นถึงความสามารถของโมเดลในการตรวจสอบผลกระทบทางพันธุกรรมในสภาวะเซลล์ที่ไม่เคยพบมาก่อน ในตัวอย่างหนึ่ง นักวิจัยใช้ข้อมูลเซลล์เดี่ยวจากผู้ที่ได้รับวัคซีน COVID-19 mRNA AlphaGenome 2 สามารถแยกแยะเซลล์ T ภูมิคุ้มกันที่ถูกกระตุ้นออกจากเซลล์ T ที่พักผ่อน และพบว่าการกลายพันธุ์ที่เกี่ยวข้องกับ COVID-19 ที่รุนแรงมีผลกระทบต่อกิจกรรมทางพันธุกรรมของเซลล์ที่ถูกกระตุ้นมากกว่า บริษัทยังใช้โมเดลนี้ในการสร้างซ้ำทางคณิตศาสตร์ของการค้นพบที่เกี่ยวข้องกับโรคลำไส้อักเสบ (IBD)

การกลายพันธุ์ที่ตั้งอยู่ในพื้นที่ควบคุมระยะไกลของ DNA แสดงให้เห็นว่าสามารถกระตุ้นกิจกรรมของยีน ETS2 ในเซลล์แมคโครฟาจในลำไส้ โมเดลนี้คาดการณ์ว่าผลกระทบนี้จะมุ่งเน้นไปที่เซลล์เหล่านี้ แทนที่จะเกิดขึ้นอย่างแพร่หลายกับประเภทเซลล์อื่นๆ ตัวอย่างเหล่านี้แสดงให้เห็นว่าการคาดการณ์เฉพาะเซลล์สามารถช่วยนักวิจัยเชื่อมโยงการกลายพันธุ์ทางพันธุกรรมกับเซลล์และกระบวนการทางชีวภาพที่เกี่ยวข้องกับโรคได้อย่างไร อย่างไรก็ตาม การคาดการณ์ทางคณิตศาสตร์ยังต้องการการตรวจสอบด้วยการทดลอง

AlphaGenome 2 ขณะนี้มีให้ผ่าน AlphaGenome API สำหรับการวิจัยที่ไม่ใช่เชิงพาณิชย์ ขณะที่นักวิจัยเชิงพาณิชย์สามารถเข้าถึงโมเดลนี้ได้ผ่านการพรีวิวส่วนตัว Google DeepMind ระบุว่าโมเดลนี้มีวัตถุประสงค์เพื่อใช้ในการวิจัย ยังไม่ได้รับการรับรองหรืออนุมัติสำหรับการใช้งานทางคลินิกหรือการวินิจฉัย

ความสำคัญของ AlphaGenome 2 ต่อการวิจัยทางพันธุกรรม

การเปิดตัว AlphaGenome 2 ถือเป็นความก้าวหน้าที่สำคัญในงานวิจัยจีโนม เพราะไม่เพียงแต่สามารถคาดการณ์ผลกระทบของการกลายพันธุ์ทางพันธุกรรม แต่ยังสามารถวิเคราะห์ได้เฉพาะประเภทเซลล์ สิ่งนี้ช่วยให้นักวิจัยเข้าใจพื้นฐานทางพันธุกรรมของโรคได้อย่างแม่นยำยิ่งขึ้น และอาจส่งเสริมการพัฒนาวิธีการรักษาใหม่ แม้ว่าโมเดลนี้จะมีศักยภาพในการใช้งานทางวิจัย แต่ยังต้องการการตรวจสอบทางทดลองเพิ่มเติมเพื่อยืนยันความแม่นยำและความเชื่อถือได้ของการคาดการณ์