Att köra modellen i förväg
Google DeepMind publicerade AlphaGenome Atlas på måndagen, en databas med AI-genererade förutsägelser om hur enskilda bokstavsändringar i mänskligt DNA påverkar molekylärbiologin.
Skalan kommer ur enkel aritmetik. Det mänskliga referensgenomet är ungefär tre miljarder bokstäver långt, och i varje position finns tre möjliga substitutioner. Det blir nio miljarder varianter, och DeepMind har kört sin AlphaGenome-modell över samtliga i förväg.
Resultatet är ungefär en petabyte data. DeepMind uppger att det gör Atlasen mer än trettio gånger så stor som AlphaFold-databasen, proteinstrukturresursen bolaget släppte 2021 och utökade till över 200 miljoner förutsägelser 2022.
Vad den förutsäger, och siffran ovanpå
AlphaGenome jämför en ursprunglig DNA-sekvens med en ändrad och förutsäger hur ändringen kan påverka genuttryck och annan reglerande aktivitet. Att förberäkna det tar bort steget där en forskare själv måste köra en modell för att fråga om en variant.
Vid sidan av de råa förutsägelserna släppte DeepMind poängen AlphaGenome Variant Impact, eller AVI. Den kondenserar förutsägelser från AlphaGenome och från AlphaMissense — bolagets modell för varianter som förändrar proteiner — till en enda siffra, så att varianter i kodande och icke-kodande regioner kan rangordnas på samma skala.
Den sista punkten är den användbara. Större delen av det mänskliga genomet kodar inte för proteiner, och de flesta verktyg för att tolka varianter har varit starkast just där AlphaMissense redan fungerade. En reglerande variant långt från någon gen har historiskt varit betydligt svårare att poängsätta.
Åtkomst
Atlasen är gratis för akademisk forskning, via en webbportal, AlphaGenome-API:et och som en färdighet i Google Antigravity. Kommersiell åtkomst går via Google Cloud.
DeepMind namnger forskningspartner som Broad Institute, University of Exeter, Stowers Institute for Medical Research, Boston Children’s Hospital och GREGoR-konsortiet. Både Nature och IEEE Spectrum rapporterade om släppet.
Vad som händer härnäst
Det här är förutsägelser, inte mätningar. Atlasens värde beror på hur väl AlphaGenomes utdata står sig mot experimentella data för varianter som ingen ännu karakteriserat, och den frågan besvarar genetikfältet långsamt, ett riktmärke i taget.
Det konkreta att bevaka är om kliniska arbetsflöden för varianttolkning börjar citera AVI-poäng, och på vilken bevisgrund. AlphaFolds strukturer blev infrastruktur för att människor kontrollerade dem; samma prov gäller här, och det har ännu inte gjorts.
