DeepMind为人类基因组90亿种变异全部打分

图片：由 METAL AI 生成

摘要

谷歌DeepMind公开了AlphaGenome Atlas,预先计算了人类基因组中约90亿种可能的单碱基变异所带来的影响
每种变异都标有AlphaGenome Variant Impact(AVI)评分,用一个数字体现风险程度,整套数据规模达到1PB
数据涵盖编码区和非编码区,面向全球研究者开放,但明确说明尚未通过临床诊断和治疗用途的验证

AlphaGenome Atlas: Understanding the human genome

谷歌DeepMind公开了AlphaGenome Atlas,把人类基因组中所有可能发生的单碱基变异的影响预先计算出来,汇总成了一个数据集。覆盖对象是人类DNA中可能出现的所有单字母变化,总共约90亿种。整体数据量达到1PB,每种变异都标注了AlphaGenome Variant Impact,简称AVI评分,用来体现该变异的危害程度。这份资料面向全球研究者开放,无论是负责合成蛋白质的编码区变异,还是非编码区变异,都可以查询到。

从人类基因组中可能存在的90亿种单碱基变异构成的网格出发。这些变异经过AlphaGenome模型处理后,每种变异都变成一大堆近万个复杂预测值的集合,而这堆集合又被压缩成一个圆圈——也就是一个AVI评分。最后,研究者只需查询这个压缩后的分数,就能立刻判断风险程度。 — 图片:METAL AI生成

具体来说,人的DNA是由A、T、G、C四种碱基组成、约30亿对碱基相连而成的序列。把其中任意一个字母换成另一个字母的所有可能情况全部算一遍,就会得出90亿种变异,但到目前为止,还没有很好的办法逐一确认这些变异是否真的会致病。AVI评分把AlphaGenome模型输出的复杂预测值压缩成一个数字,让研究者能够立刻判断某个变异是否危险。

AlphaGenome是一种模型,它以基因组序列的某一段作为输入,预测该区段一旦发生突变,细胞内部会出现什么变化。英国埃克塞特大学研究全基因组序列分析的讲师加雷斯·霍克斯在视频中解释说,即便一个人每个碱基对只花1秒钟查看,读完全部也要花上几十年。人口基因组中心的基因组分析师萨姆·布莱恩也表示,人类目前仍未真正弄清楚这30亿对碱基所携带的指令是如何相互交织运作的。

问题在于,AlphaGenome针对每一种变异给出的预测值,是一大堆接近1万个数字组成的集合。研究团队把这些数据整理成单一指标——AVI评分,让影响越大的变异获得越高的分数。这样一来,就能把庞大的候选范围大幅缩小,更容易找出真正有问题的变异。AlphaGenome Atlas既是一个存储这些评分的1PB数据库,同时也是一个基因组浏览器——不懂编程的生物学家也可以在网页界面上按染色体或细胞类型查看变异的影响。

不过,谷歌DeepMind明确表示,这些评分不能替代专业医学建议、诊断或治疗,也从未在临床用途上经过验证或获得批准。研究团队表示,继此次发布Atlas之后,他们正在推进的工作是把AlphaFold、AlphaGenome这类各自专精的模型整合进一个统一的智能体体系,帮助科学家解决人类面临的更宏大的问题。更多背景信息可以在AlphaGenome Atlas的介绍文章中查看。

谷歌DeepMind去年4月还在韩国设立了AI Campus,持续扩大与韩国产学研各界的合作。像这次这样免费公开的大规模预测数据集,韩国国内的基因组和生物研究团队也无需另行签约,就能直接查询使用。

这次公开带来的最大变化是速度。以前,研究团队想弄清楚某位患者身上发现的某个变异究竟意味着什么,要么得亲自运行AlphaGenome,要么得翻查相关论文;而现在,90亿种变异已经全部预先计算完成,只需查询一个分数就能马上排出优先级。当然,这个分数本身并不能替代诊断,真正应用到临床之前,仍然需要经过单独的验证环节。