100萬鹼基DNA與細胞狀態分析：Google公開基因預測模型

Google DeepMind 11日公開 AlphaGenome 2，這款模型可同時分析約100萬個鹼基長的 DNA 序列與細胞條件，預測基因如何運作，並著重辨別相同 DNA 變異在不同細胞中的作用。

Google DeepMind 11日透過官方部落格表示，使用者可指定組織、細胞類型或細胞狀態其中一項條件，讓模型預測 DNA 在該條件下的功能。

舊版 AlphaGenome 會一次計算多種組織的反應；新模型則一次聚焦單一條件。Google DeepMind表示，這項設計著重區分彼此相似的細胞類型如何反應。

模型可預測的項目包括基因表現、組蛋白修飾與染色質可及性，並新增 DNA 甲基化預測。

組蛋白是包裹 DNA 的蛋白質；染色質可及性則表示 DNA 的特定區域開放程度。這些指標可用於觀察不同細胞的基因調控狀態。

研究人員若輸入單細胞實驗取得的基因活性資料，模型也能推估未經測量的特性，例如染色質可及性。也就是根據實驗取得的部分資訊，預測其他特性。

模型訓練使用超過1億700萬筆個別細胞剖面資料，涵蓋人類與小鼠的68種組織。Google DeepMind表示，資料建置著重於細分的細胞類型。

Google DeepMind表示，AlphaGenome 2 無須額外重新訓練，就能分析首次接觸的單細胞實驗資料。這種作法著重細分細胞類型，而非沿用舊模型以組織平均反應為主的分析方式。

Google DeepMind表示，模型也可用於研究疾病或接種疫苗後改變的細胞狀態。不過，AlphaGenome 2 尚未經臨床或診斷用途驗證，也未獲相關核准。

效能評估使用涵蓋28種主要免疫細胞類型的 TenK10K 資料，Google DeepMind比較模型辨識影響基因表現的變異的能力。

評估結果顯示，AlphaGenome 2 辨識出其中30%的變異，舊版 AlphaGenome 則為16%。這兩項數據來自 Google DeepMind 公布的評估結果。

Google DeepMind所稱的「約兩倍」，指的是這項評估中辨識出的變異比例；不代表所有類型的預測效能都提升兩倍。

Google DeepMind也公布一項發炎性腸道疾病相關變異的分析案例。先前研究發現，這些變異會提高腸道免疫細胞巨噬細胞中的 ETS2 基因活性；Google DeepMind表示，模型以計算方式重現了該變異的影響。

此外，Google DeepMind先前表示，正與首爾 AI 校園推動基因組研究合作，並研議共同運用 AlphaGenome。

目前 AlphaGenome 2 已透過 AlphaGenome API 開放非商業研究使用；商業研究則以非公開測試形式提供。Google DeepMind表示，之後也計畫公開適用於開發平台 Google Antigravity 的 AlphaGenome 2 技能。