Google DeepMind представи AlphaGenome 2 за клетъчно-специфичен анализ
Google DeepMind представи AlphaGenome 2 — условен модел за преобразуване на ДНК последователност във функционални прогнози. Системата оценява регулаторна активност и ефектите на генетични варианти за конкретни клетъчни състояния. Тя обработва ДНК прозорец от 1 Mb (1 048 576 bp) при човек или мишка и едно условие при всяко извикване. Условието е 256-мерно вграждане, което може да бъде изведено от сурови данни от едноклетъчно RNA секвениране.
Архитектурата включва свързващ енкодер, трансформър с 11 блока и декодер. Моделът прогнозира RNA покритие, CAGE, сплайсинг, достъпност на хроматина, хистонови белези, свързване на транскрипционни фактори и контактни карти, а новата версия добавя CpG метилиране. Обучението използва bulk данни и 3 977 псевдообобщени едноклетъчни RNA и ATAC трака от 36 изследвания. Енкодерът за експресия е обучен върху над 100 милиона човешки scRNA-seq профила.
В оценката на DeepMind AlphaGenome 2 е възстановил 30% от причинните варианти при 90% прецизност в TenK10K sc-eQTL, спрямо 16% за дообучен AlphaGenome 1. Припомнянето на посоката на ефекта се е повишило от 23% на 43%, а AUPRC за връзки усилвател–ген в задържани ENCODE-rE2G CRISPRi данни е достигнал 0,78. Достъпът засега е чрез хостван API и е само за некомерсиални изследвания; теглата се очакват след окончателното публикуване.
Текстът е изготвен от ИИ на Sakhanda Wire по материал на MarkTechPost. Фактите, цитатите и пълният контекст са в оригиналната статия по-долу.