AlphaGenome 2: מודל חדש של DeepMind חוזה איך שינויים ב-DNA משפיעים על סוגי תאים שונים

חוקרי Google DeepMind הציגו היום (רביעי) את AlphaGenome 2, מודל AI שחוזה איך שינויים ברצף ה-DNA משפיעים על סוגי תאים ספציפיים בגוף האדם. לפי הודעת החברה, המודל מזהה כמעט פי שניים וריאנטים גנטיים שמשנים את ביטוי הגנים בתאים, בהשוואה למודל המוביל הקודם שלה. המטרה היא לעזור לחוקרים לאתר את הגורמים התאיים למחלות, ובהמשך גם לפתח טיפולים חדשים.

אותו DNA, תאים שונים

כמעט כל תא בגוף נושא את אותו DNA, אבל כל סוג תא, למשל תא שריר לב, תא עור או תא חיסון שנלחם בזיהום, מפעיל ומכבה גנים אחרים. הדפוסים האלה גם משתנים לפי מה שהתא עושה באותו רגע. לכן לאותו וריאנט גנטי יכולות להיות השפעות שונות מאוד בתאים שונים, כפי שמסבירה The Verge.

הגרסה הראשונה, AlphaGenome, יצאה בשנה שעברה. היא חזתה השפעות של וריאנטים ברמת רקמות שלמות, כלומר ממוצע של תאים רבים. בהמשך הרחיבה DeepMind את הפרויקט עם AlphaGenome Atlas, פלטפורמה שמכילה תחזיות לכל 9 מיליארד השינויים האפשריים של אות בודדת בגנום האנושי. לפי DeepMind, הגרסה החדשה יכולה לחשוף השפעות בתאים שרלוונטיים למחלה, השפעות שמודלים ברמת הרקמה עלולים להחמיץ.

מה השתנה בארכיטקטורה

המודל הראשון קיבל רצף DNA באורך מיליון אותיות, וחזה בבת אחת תכונות על פני אלפי ניסויים מרקמות רבות. לפי DeepMind, הגישה הזו יעילה, אבל היא פיזרה את היכולת של המודל ("spread the model's capacity thin") והקשתה עליו לזהות הבדלים עדינים בין סוגי תאים קרובים.

AlphaGenome 2 בנוי אחרת: זהו מודל מותנה (conditional), שחוזה בכל פעם עבור מצב ביולוגי אחד בלבד, כלומר רקמה, סוג תא או מצב תא. המצב הזה נכנס כקלט לצד רצף ה-DNA בכל שלב בארכיטקטורה, וכך המודל לומד איך אותו קטע DNA "נקרא" אחרת בתאים שונים.

המודל אומן על נתונים של אדם ושל עכבר, גם ברמת רקמה וגם ברמת התא הבודד, ובהם יותר מ-107 מיליון פרופילים של תאים בודדים מ-68 רקמות. הוא חוזה את אותם מדדים של המודל הקודם, כמו ביטוי גנים ונגישות כרומטין, ומוסיף גם מתילציית DNA, מדד שלדברי החברה התבקש רבות.

שתי יכולות נוספות בולטות במיוחד. הראשונה: המודל מסתגל לנתונים חדשים של תאים בודדים בלי צורך לאמן אותו מחדש, כלומר הוא יכול לחזות גם עבור סוגי תאים ומצבים ביולוגיים שלא ראה קודם. "מה שהופך את AlphaGenome 2 למרגש הוא האופן שבו הוא מסתגל ישירות לנתונים חדשים", אמרה פרופ' שרה טייכמן, ממייסדות קונסורציום Human Cell Atlas. השנייה: אם חוקר מזין מדידה אחת בלבד, המודל יכול לחזות מדדים שלא נמדדו. כך הוא עשוי לעזור להחליט איזה ניסוי כדאי להריץ במעבדה בשלב הבא.

למה זה חשוב

אדם גאיוסו, חוקר ב-DeepMind שהשתתף בפרויקט, אמר ל-The Verge שהפריצה המרכזית היא "קשירת הגנטיקה האנושית לביולוגיה של התא". ז'יגה אבסץ, ראש תחום הגנומיקה ב-DeepMind, הסביר מדוע הרזולוציה הזו חשובה: "כשמפתחים תרופות, מכוונים לחלבונים ספציפיים ולסוגי תאים ספציפיים".

ככל הנראה, המשמעות המעשית היא כלי שעוזר לצמצם את הפער בין מחקרים גנטיים גדולים, שמזהים וריאנטים הקשורים למחלות, לבין ההבנה מה הווריאנטים האלה עושים בפועל, ובאיזה תא.

למודל יש גם מגבלות. לדברי אבסץ, התחזיות המפורטות "יקרות יותר" מבחינה חישובית, ולכן AlphaGenome 2 לא יחליף בקרוב את קודמו. בגלל העלות הזו גם לא היה מעשי להשתמש בו כדי לייצר את ה-Atlas שפורסם בספטמבר. DeepMind עובדת עכשיו על איסוף נתונים נוספים, במיוחד על מצבי תאים שמיוצגים היום בחסר. אבסץ ציין שבעתיד ייתכן שהמודלים יאומנו על נתונים ממינים רבים, ושבטווח הארוך הם עשויים לתרום למאמצים לבנות "תאים וירטואליים", סימולציות דיגיטליות של מערכות ביולוגיות.

AlphaGenome 2 זמין מהיום למחקר שאינו מסחרי דרך ה-AlphaGenome API. למחקר מסחרי הוא זמין במסגרת "private preview" מוגבלת.