11 月 11 日の IT House News、Google DeepMind が新世代の DNA 配列モデルをリリース アルファゲノム 2これは、特定のヒト細胞タイプに対する DNA 配列とその変異の影響を予測することができ、研究者に疾患の細胞要因を探索するための新しいツールを提供します。
人間の体のすべての細胞は同じ DNA 設計図を持っていますが、細胞の種類が異なれば、特定の機能を達成するために異なる遺伝子のオンとオフを切り替えます。世界規模の Human Cell Atlas プロジェクトは、数百万の細胞における遺伝子発現をマッピングしましたが、微妙な DNA 変異が細胞の遺伝子発現にどのような影響を与えるかを予測することは未解決の問題のままです。
Googleは以前に第1世代を発売しました アルファゲノムこれは、広範囲の組織の分子活性に対する DNA 変異の影響を予測することができ、ヒトゲノムの 90 億個すべての 1 文字変異をカバーする予測システムを開始しました。 アルファゲノム アトラス希少疾患、複雑な形質、基礎生物学に関する研究を支援します。
AlphaGenome 2 は、広範な組織の平均レベルから個々の細胞の種類と状態に絞り込み、モデルのアーキテクチャを再構築します。突然変異予測性能は段階的に向上しています。広範な組織モデルでは見逃されていた疾患関連細胞の突然変異の影響を捉えることができ、モデルでは見られなかった細胞や疾患状態を予測することもできます。
IT House によると、以前の最適モデルと比較して、AlphaGenome 2 は細胞内の遺伝子発現を変化させる可能性のある突然変異の数をほぼ 2 倍特定できるとのことです。このモデルは 68 種類の組織の 1 億以上の単一細胞マップでトレーニングされ、静的な細胞マップをヒト遺伝学の予測エンジンに変換します。このモデルは現在、AlphaGenome API を通じて非営利研究に公開されていますが、商業研究は非公開プレビュー段階にあります。
第 1 世代の AlphaGenome は、一度に数百万文字の DNA 配列を読み取り、複数の種類の組織と数千の実験の関連する属性を同時に予測できます。この並列アプローチはより効率的ですが、モデルの計算能力が分散し、密接に関連する細胞タイプ間の微妙な違いを捕捉することが困難になります。
Google は、モデルがセルの種類を処理する方法のロジックを根本的に再構築しました。 AlphaGenome 2 では並列予測モードは使用されなくなり、一度に 1 つの条件 (組織、細胞型、または細胞状態) のみに対する DNA 効果を予測する条件付きモデルが使用されます。数百万文字の長さの DNA 配列に加えて、このモデルは、アーキテクチャの各段階での入力としてターゲットの生物学的条件を受け取り、同じ DNA 部分が異なる細胞型でどのように異なるように読まれるかを学習することができます。
条件付きアーキテクチャは、欠落している実験データを予測するためのクロスモーダル データ充填もサポートしています。モデルは、出力結果から細胞の生物学的状態を分離します。研究者が単一細胞の遺伝子活性などの単一タイプの測定データのみを入力した場合、AlphaGenome 2 はクロマチンのアクセス可能性などの未測定の属性を予測し、研究者がその後の実験の方向性を計画するのに役立ちます。
AlphaGenome 2 は、ヒトおよびマウスの組織ブロックと単細胞データに基づいたトレーニングも完了しており、1 億 700 万を超える単細胞アトラスが含まれています。第 1 世代モデルの組織ブロックの平均レベルを超えて、このモデルは心筋や血液免疫細胞などの特殊な細胞内の活動を分析し、特定の細胞タイプでのみ役割を果たす重要な DNA 変異を発見できます。
このモデルは、元のモデルでサポートされている遺伝子発現、ヒストン修飾、クロマチンへのアクセス可能性などのコア DNA 機能実験指標を保持しており、要望の多かった新しい指標も追加しています。 DNAメチル化予測能力。
AlphaGenome 2 は、特定の細胞における遺伝子制御を予測するパフォーマンスを大幅に向上させ、研究者が疾患関連のバリアントを正確に特定するのに役立ちます。
-
細胞特異性の向上: トレーニング データでカバーされていないゲノム領域では、AlphaGenome 2 は、同じ組織内の異なる細胞型間の遺伝子発現の違いをより適切に説明でき、ヒト造血幹細胞が赤血球や免疫細胞系統に成熟する際の遺伝子発現の連続的な変化を追跡できます。
-
突然変異の影響の予測の改善：28種類の一次免疫細胞をカバーするTenK10Kの大規模な単一細胞データセットのテストで、AlphaGenome 2は原因となる変異の30％を特定し、遺伝子効果の方向を決定する精度は43％に達しました。これは、第1世代のAlphaGenomeの16％と23％のほぼ2倍であり、研究者がこれまで無視されていた候補変異を発見するのに役立ちます。
-
疾患関連の変異を正確に特定する：以前の画期的な研究では、遠位調節配列の変異が腸管免疫マクロファージのETS2遺伝子を過剰活性化することにより炎症性腸疾患を誘発する可能性があることを発見しました。 AlphaGenome 2 はこの結論を計算レベルで再現し、原因となる変異を正確に特定しました。これにより、この変異は腸マクロファージの ETS2 遺伝子活性を選択的に増加させるだけで、他の細胞型や遺伝子にはほとんど影響を及ぼさないことが証明されました。
AlphaGenome 2 は、再トレーニングすることなく、新しい単一細胞実験シナリオに一般化できます。研究者は、数十の細胞の単一細胞 RNA シーケンス遺伝子活性スナップショットをアップロードするだけで済み、モデルはそれらを細胞状態表現に圧縮し、これまで見たことのない細胞状態を処理するための条件付き入力として使用できます。このパフォーマンスは、対応するデータセットで直接トレーニングまたは微調整されたモデルと同等かそれ以上です。
この機能により、AlphaGenome 2 は、病気やワクチン接種などのシナリオにおける新しい細胞状態の突然変異の影響と遺伝子制御規則を予測することができます。たとえば、新型コロナウイルス感染症 (COVID-19) mRNA ワクチンの未確認の単一細胞データのテストでは、AlphaGenome 2 はワクチンで活性化された免疫 T 細胞と休止状態の T 細胞を区別できます。また、重篤な新型コロナウイルス感染症（COVID-19）に関連する変異も明らかになった。この変異は、細胞が活性化された状態で遺伝子活性をより強く妨害する。この効果は、非活性化細胞では完全に見逃される。
ヒトの遺伝学と単細胞生物学の間の関係を確立することは、病気を理解するための重要な道です。鍵となるのは、ゲノムワイド関連研究 (GWAS) によって発見された数千の形質および疾患関連変異と、ますます完全になりつつあるヒト単細胞マップとの間の対応関係を確立することです。
研究者が独自に大規模な計算を実行するのを防ぐために、Google は人間の細胞や組織の何百もの条件下で形質関連の変動について AlphaGenome 2 の予測結果を事前に計算し、次の 2 つの中心的な問題を解決しました。
-
実際のヒト細胞型におけるエンハンサー遺伝子関連マッピング：疾患に関連する多数の変異はエンハンサーと呼ばれる遠位調節配列に位置しており、その影響を追跡することが困難になっています。ほとんどの CRISPR 実験では研究室で培養された安定した細胞株が使用されるため、研究者は人体の特定の細胞の制御マップを欠いていることがよくあります。 AlphaGenome 2 は、エンハンサー遺伝子マッピング機能をヒト脳アストロ サイトなどのヒト初代細胞に拡張し、研究者が疾患が発生する特定の細胞における調節変異と標的遺伝子の間の対応関係を特定するのに役立ちます。
-
GWAS の原因となる変異とそれらが作用する細胞を正確に特定: ゲノムワイド関連研究では、疾患に関連する広範な DNA セグメントがラベル付けされることが多く、研究者は特定の原因となる変異体、標的遺伝子、影響を受ける細胞型を高い信頼性を持って特定できないことがよくあります。身長や 2 型糖尿病などの複数の複雑な形質の分析では、AlphaGenome 2 の事前計算されたバリアント スコアは、最も関連性の高い特定のバリアントや細胞型を特定するのに役立ちます。信頼水準が十分であれば、モデルは変異体が遺伝子活性を上方制御するか下方制御するかを正確に予測することもでき、遺伝子の病原性の役割を理解するための重要な手がかりを提供します。
研究者が単細胞レベルで人体のマッピングを行うにつれ、AI モデルのパフォーマンスは向上し続けるでしょう。 Google は引き続き Wellcome Sanger Institute などの機関と協力しており、より広範囲のヒトの細胞型、発生系統、混乱した細胞状態を分析する予定です。世界中の科学研究者が、AlphaGenome 2 の細胞固有の予測機能を利用して、さまざまな細胞における遺伝的変異の法則を調査し、基礎的な生物学や疾患に関連するメカニズムを明らかにすることが期待されています。
現在、AlphaGenome 2 と発現条件に関するインタラクティブな Colab チュートリアルは、AlphaGenome API を通じて非営利研究に公開されており、商業研究はプライベート プレビュー段階にあります。間もなく、Google はエージェント開発プラットフォーム Google Antigravity にもこれを導入する予定です アルファゲノム 2 スキルGemini 4 などのインテリジェント エージェント サイエンス ツールと組み合わせて、研究者が研究プロセスを加速し、新しい発見を行えるようにします。
公式ヒント: AlphaGenome および AlphaGenome 2 は研究用途のみを目的としており、臨床用途または診断用途については検証および承認されていません。
