Google DeepMind нанесла 9 миллиардов вариантов ДНК на AlphaGenome Atlas

Предсказания для каждой однонуклеотидной замены

Google DeepMind представила AlphaGenome Atlas — платформу с прогнозами эффектов более чем для 9 миллиардов single-nucleotide variants. Это все возможные замены одной буквы в геноме человека. Вместо отдельных запросов к модели исследователь получает заранее рассчитанную карту генома, доступную через бесплатный веб-интерфейс для академической работы.

Масштаб решает практическую проблему: проверить миллиарды вариантов в лаборатории невозможно. AlphaGenome уже умела прогнозировать влияние выбранного варианта на биологические процессы, а Atlas переносит этот анализ на весь геном и связывает изменения с функциональными последовательностями ДНК, которые они могут нарушать.

Набор занимает около одного петабайта — по оценке DeepMind, более чем в 30 раз больше AlphaFold Database. Аналогия с географическим атласом здесь буквальна: отдельные прогнозы соединены в общую систему координат, по которой можно переходить от позиции варианта к вероятному молекулярному механизму.

AVI сводит два класса прогнозов в один показатель

Вместе с атласом команда выпустила AlphaGenome Variant Impact score, или AVI. Один показатель объединяет прогнозы AlphaGenome о регуляторных эффектах и AlphaMissense о влиянии изменяющих белок вариантов. Его задача — быстро ранжировать кандидатов, не лишая исследователя доступа к деталям.

Для каждой оценки доступны feature attributions: вклад отдельных признаков, включая доступность хроматина, сплайсинг, экспрессию генов, эволюционную консервативность и белковый эффект. В атлас также включены более 2 500 повторяющихся мотивов ДНК и их положения — своего рода регуляторные «слова», по которым можно исследовать механизм действия варианта.

Важное отличие — одинаковый охват кодирующих и некодирующих областей. Белки кодируют около 2% генома, тогда как остальные 98% управляют активностью генов и содержат большинство вариантов, связанных с признаками. Именно в этой части генома традиционно особенно трудно отделить значимый сигнал от статистического шума.

Редкий вариант DNM1 получил экспериментальное подтверждение

В сотрудничестве с GREGoR Consortium исследователи применили AVI для поиска причин нерешённых редких заболеваний. Команда Broad Institute приоритизировала ранее пропущенный вариант, затрагивающий DNM1 — ген, тесно связанный с эпилептической энцефалопатией.

AlphaGenome предсказала конкретный механизм: изменение создаёт неправильный сайт сплайсинга и приводит к аномальному удлинению белка. Экспериментальный скрининг подтвердил прогноз и обнаружил соседние варианты с похожим эффектом. Это существенно сильнее простого совпадения рейтинга с известной медицинской меткой: модель указала проверяемую цепочку от буквы ДНК до молекулярного последствия.

Но такой результат не превращает Atlas в диагностический сервис. DeepMind отдельно указывает, что базовая модель AlphaGenome не валидирована и не одобрена для клинического применения. Роль системы сейчас — формировать исследовательские гипотезы и направлять последующую лабораторную проверку.

В UK Biobank нашли на 22% больше ассоциаций

Gareth Hawkes из University of Exeter проверил подход на полногеномных данных более 54 000 участников UK Biobank. Группировка редких вариантов по предсказанным молекулярным эффектам выявила на 22% больше некодирующих генетических ассоциаций, которые иначе терялись в фоновом шуме.

Анализ связал конкретные регуляторные варианты с уровнем белков PLA2G7, ассоциированного со старением, и EGLN1, участвующего в клеточном ответе на кислород. В отдельном исследовании индекса массы тела фильтрация до 1% некодирующих вариантов с самым высоким прогнозируемым эффектом выделила 19 генетических регионов для дальнейшей целевой проверки.

Эти числа описывают результаты исследовательских анализов, а не доказанные причинные связи для каждого варианта. Ценность Atlas в том, что он сокращает пространство поиска и делает дорогостоящий эксперимент более адресным. Итоговая биологическая и медицинская интерпретация всё равно зависит от независимых данных.

Открытый атлас — стартовая карта, а не конечная истина

AlphaGenome Atlas доступен через веб-портал, AlphaGenome API и как skill в Google Antigravity. Некоммерческое использование атласа открыто уже сейчас; коммерческий доступ через Google Cloud заявлен как следующий этап. Базовая модель AlphaGenome отдельно доступна академическим пользователям на GitHub и через API, а коммерческим — в Model Garden.

Предварительный расчёт всех вариантов меняет характер работы: исследователю не нужно запускать модель заново для первичного обзора каждой позиции. При этом атлас наследует ограничения своих моделей и обучающих данных. Высокий AVI — приоритет для изучения, но не готовый диагноз и не гарантия фенотипического эффекта.

DeepMind называет нынешнюю версию baseline, а не endpoint. По мере улучшения AlphaGenome карта должна становиться точнее и полнее. Проверяемая мера успеха здесь — не только объём в один петабайт, а число гипотез, которые проходят независимое экспериментальное подтверждение и действительно помогают объяснять генетические заболевания и признаки.