AlphaGenome - 谷歌推出的AI基因变异预测模型

AlphaGenome是什么

AlphaGenome 是谷歌 DeepMind 推出的 AI 模型，目标是更深入地理解基因组。它能接收长达 100 万个碱基对的 DNA 序列输入，预测数千种表征其调控活性的分子特性，并评估基因变异的影响。模型基于卷积层加 Transformer 架构，训练数据来自大型公共数据库。长序列上下文与高分辨率、全面的多模态预测、高效变异评分、新颖的剪接点建模都是它的强项，在多项基准测试中表现顶尖，目前基于 API 向非商业研究领域开放，有望推动疾病研究、基因治疗和基础生命科学的发展。

AlphaGenome的主要功能

• 预测基因调控特性：预测基因的起始和终止位置、RNA 剪接、生成数量，以及 DNA 碱基的可及性等。
• 评估基因变异影响：对比突变前后序列的预测结果，高效评估基因变异带来的影响。
• 疾病原因定位：帮助精确定位疾病的潜在原因，发现新的治疗靶点。
• 指导合成生物学设计：设计具有特定调控功能的合成DNA。
• 基因组基础研究：协助绘制基因组功能元件图谱，加深对基因组的理解。

AlphaGenome的技术原理

• 长序列输入与高分辨率预测：AlphaGenome 能处理长达 100 万个碱基对的 DNA 序列，预测精度到单个碱基。没有长序列上下文的处理能力，就很难捕捉远距离的基因调控元件和精细的生物学细节。
• 卷积层检测短模式：模型先用卷积层检测基因组序列中的短模式，识别局部的模式和特征，为后续分析打基础。
• Transformer整合信息：基于 Transformer 整合序列上所有位置的信息。这种架构能处理长序列，捕捉不同位置之间的长距离依赖，适合理解基因调控中复杂的相互作用。
• 多模态预测输出：通过一系列输出层，把检测到的模式转化为对不同分子特性的具体预测，包括基因起始和终止位置、RNA 剪接方式、RNA 生成数量、DNA 碱基可及性等。
• 高效变异评分：模型能在一秒内评估一个基因变异对所有相关分子特性的影响。对比突变前后的预测差异，AlphaGenome 可以快速总结出变异的影响。
• 新颖的剪接点建模：AlphaGenome 首次直接从 DNA 序列中明确模拟剪接点的位置和表达水平，让我们更深入理解遗传变异如何影响 RNA 剪接。
• 大规模数据训练：AlphaGenome 在 ENCODE、GTEx、4D Nucleome、FANTOM5 等大型公共数据库的海量实验数据上训练，覆盖数百种人类和老鼠细胞及组织中的关键基因调控模式，学到广泛的基因调控知识。

AlphaGenome的项目地址

• 项目官网：https://deepmind.google/discover/blog/alphagenome-ai-for-better-understanding-the-genome/
• 技术论文：https://storage.googleapis.com/deepmind-media/papers/alphagenome.pdf

AlphaGenome的应用场景

• 疾病研究：精确定位疾病的潜在原因，发现新的治疗靶点，适合罕见孟德尔疾病的研究。
• 合成生物学：指导设计具有特定调控功能的合成 DNA，优化生物合成路径。
• 基础研究：协助绘制基因组功能元件图谱，加快对基因组的理解。
• 药物开发：帮助发现新的药物靶点，评估药物对基因调控的影响。
• 基因治疗：为精准修复基因变异、优化基因编辑工具提供支持。