AlphaGenome 2 от DeepMind находит почти вдвое больше вариантов ДНК, влияющих на гены

Google DeepMind 11 ноября представила AlphaGenome 2 - модель, которая предсказывает, как варианты в последовательности ДНК меняют работу конкретных типов клеток человека. По данным компании, она находит почти вдвое больше вариантов, влияющих на экспрессию генов, чем прежняя лучшая модель. Обучали ее на более чем 100 миллионах профилей отдельных клеток из 68 тканей.
Что поменялось по сравнению с первой версией
Первый AlphaGenome вышел год назад. Он принимал фрагмент ДНК длиной в миллион букв и сразу выдавал предсказания для тысяч экспериментов по разным тканям и клеточным линиям. Это быстро, но, по словам авторов, мощность модели размазывалась: тонкие отличия между близкими типами клеток она ловила плохо.
Во второй версии архитектуру переделали. AlphaGenome 2 стала условной моделью: она работает с одним условием за раз, будь то ткань, тип клеток или их состояние. Условие подается на вход вместе с последовательностью ДНК и учитывается на каждом этапе обработки. Так модель учится видеть, что один и тот же участок генома клетки разных типов "читают" по-разному.
Условие можно взять из готового каталога типов клеток. Можно и построить его на лету из собственного одноклеточного эксперимента исследователя: для этого есть отдельный кодировщик клеток.
Что это дает на практике
У условной схемы есть побочный эффект, который авторы считают важным: кросс-модальное восстановление данных. Если у ученого есть только один вид измерений, например активность генов в отдельных клетках, модель достроит остальное, скажем доступность хроматина. По замыслу DeepMind, это помогает решать, какие эксперименты в лаборатории ставить первыми.
Второе заявление: модель делает предсказания для клеток и болезненных состояний, которых не видела при обучении, и переобучать ее для этого не нужно. Это проверяемый тезис, и проверять его будут уже сами биологи на своих данных.
Задачу компания формулирует так. Атласы вроде Human Cell Atlas описывают экспрессию генов в миллионах клеток, но предсказать, как тонкая мутация изменит эту картину в конкретной клетке, до сих пор не удавалось. Именно этот эффект стоит за многими признаками и болезнями. AlphaGenome 2 пытается превратить статичные атласы в "предсказательный двигатель для генетики человека".
Зачем нужна такая детализация
Жига Авсек, руководитель направления геномики в DeepMind, объяснил The Verge логику через разработку лекарств: препараты нацелены на конкретные белки и конкретные типы клеток, поэтому усредненная картина по ткани мало помогает. Адам Гайозо, исследователь проекта, видит главную ценность в связке генетики и клеточной биологии. Генетики находят варианты в больших выборках людей, а теперь можно посмотреть, что эти варианты делают на уровне клеток, и связать это с болезнью.
Авсек добавил, что такую модель стало возможно построить только недавно: появились технологии, которые фиксируют отдельные клетки и их состояния с высоким разрешением и дают объем данных, достаточный для обучения. Дальше DeepMind собирается добавлять данные, в первую очередь по состояниям клеток, которые сейчас представлены слабо. Не исключено обучение на данных нескольких биологических видов. Долгосрочная цель - вклад в "виртуальные клетки", цифровые симуляции живых клеток.
Доступ
Модель уже можно использовать через AlphaGenome API для некоммерческих исследований. Для коммерческих задач открыт закрытый предварительный доступ. Рядом по-прежнему работает AlphaGenome Atlas - платформа с предсказаниями для всех 9 миллиардов возможных однобуквенных замен в геноме человека.
Наша оценка
Цифра "почти вдвое" пока взята из материалов самой DeepMind. В доступных нам текстах нет ни названия базовой модели для сравнения, ни независимых проверок, и разумнее подождать, как AlphaGenome 2 покажет себя на чужих данных. Сам архитектурный ход, на наш взгляд, выглядит логично: переход от фиксированного набора выходов к модели, управляемой условием, позволяет подстраиваться под задачу без переобучения.
Практический вопрос к модели такой: насколько ее предсказания для редких состояний клеток совпадут с лабораторными измерениями. От ответа зависит, станет ли AlphaGenome 2 рабочим инструментом отбора мишеней для лекарств или останется удобным способом расставлять приоритеты в экспериментах.
Похожие новости
OpenAI выпустила GPT-6.2 Astra и Sol: входные и выходные токены Astra в API на 20% дешевле, чем у GPT-6 Astra
OpenAI представила две модели: флагманскую GPT-6.2 Astra и экономичную GPT-6.2 Sol. Они доступны в ChatGPT Work, Codex и API и тратят меньше выходных токенов. В API Astra дешевле GPT-6 Astra: входные и выходные токены на 20% ниже, на кэшированные входные скидка 60%.
OpenAI показала агентов GPT-6 для клиник: Luna выполняет задачу за 8,5 цента
OpenAI предложила больницам и страховщикам GPT-6 Astra и Luna: агенты сами кликают по программам клиник и порталам страховых. Среди партнеров компании - CVS Health и Cigna Healthcare.
NVIDIA Vera Rubin NVL72 в MLPerf Endpoints: более 10x токенов на киловатт к GB300
В предварительных результатах MLPerf Endpoints v1.0 система Vera Rubin NVL72 выдала более чем в 10 раз больше токенов на киловатт, чем GB300 NVL72. Результаты еще не верифицированы MLCommons.