Google DeepMind выпустила AlphaGenome 2 для анализа вариантов по типам клеток
Google DeepMind выпустила AlphaGenome 2 — условную модель, связывающую последовательность ДНК с функциональными прогнозами. Она оценивает регуляторную активность и влияние генетических вариантов в определённых клеточных состояниях. Модель принимает участок ДНК длиной 1 Mb (1 048 576 bp) человека или мыши и одно условие за вызов. Условие представлено эмбеддингом размерностью 256, который можно получить из исходных данных одноклеточного RNA-секвенирования. Это позволяет описывать новые состояния клеток без дообучения.
Архитектура включает свёрточный энкодер, трансформер из 11 блоков и декодер. AlphaGenome 2 прогнозирует покрытие RNA, CAGE, сплайсинг, доступность хроматина, гистоновые метки, связывание транскрипционных факторов и контактные карты; новым выходом стало CpG-метилирование. Обучение включало bulk-данные и 3 977 псевдообобщённых одноклеточных RNA- и ATAC-треков из 36 исследований. Энкодер экспрессии обучали на более чем 100 миллионах человеческих scRNA-seq-профилей.
В оценке DeepMind на TenK10K sc-eQTL AlphaGenome 2 обнаружила 30% причинных вариантов при точности 90%, тогда как дообученная AlphaGenome 1 достигла 16%. Полнота определения направления эффекта выросла с 23% до 43%, а AUPRC для связей энхансер—ген на отложенных данных ENCODE-rE2G CRISPRi составила 0,78. Сейчас модель доступна через размещённый AlphaGenome API только для некоммерческих исследований; веса планируется предоставить после окончательной публикации.
Текст подготовлен ИИ Sakhanda Wire по материалу MarkTechPost. Факты, цитаты и полный контекст — в оригинальной статье ниже.