Google DeepMind lancia AlphaGenome 2, che prevede l'effetto delle mutazioni del DNA cellula per cellula

Tutte le cellule del corpo umano condividono lo stesso DNA, ma un neurone, una cellula del muscolo cardiaco o un globulo bianco non ne leggono le stesse sezioni. È proprio questa differenza che Google DeepMind punta a catturare con AlphaGenome 2, presentato l‘11 novembre sul suo blog. Il modello prevede in che modo una variazione del DNA modifichi l’attività dei geni, non più su scala di un intero tessuto, ma per uno specifico tipo o stato cellulare.

Un modello che ragiona cellula per cellula

Il primo AlphaGenome, lanciato l’anno scorso, leggeva una sequenza di un milione di lettere e produceva contemporaneamente migliaia di previsioni per tessuti e linee cellulari. Un approccio efficace, ammette DeepMind, ma che disperdeva la capacità del modello e faticava a distinguere cellule molto simili. AlphaGenome 2 cambia architettura: diventa condizionale. Gli vengono forniti la sequenza di DNA e la condizione biologica desiderata, selezionata da un catalogo di tipi cellulari o ricavata da un esperimento del ricercatore, e il modello genera previsioni solo per quella specifica condizione.

Il modello è stato addestrato su dati umani e murini, tra cui oltre 107 milioni di profili di singole cellule. Prevede l’espressione genica, le modificazioni degli istoni e l’accessibilità della cromatina, come il suo predecessore, aggiungendo la metilazione del DNA, un dato particolarmente richiesto secondo l’azienda. È inoltre in grado di imputare dati mancanti: a partire da un’unica misurazione, come l’attività dei geni, stima le altre.

Adattarsi a nuove cellule senza riaddestramento

L’aspetto più evidenziato dai ricercatori citati da DeepMind riguarda la generalizzazione. Un laboratorio può fornire i profili di espressione di poche decine di cellule, ad esempio cellule immunitarie dopo una vaccinazione, e il modello li utilizza per prevedere l’effetto delle varianti in quello stato specifico, senza dover essere riaddestrato. DeepMind cita l’esempio di uno studio su un vaccino a RNA messaggero contro il Covid-19: una variante associata alle forme gravi altera maggiormente l’attività dei geni nei linfociti T attivati rispetto alle cellule a riposo.

Sul fronte dei dati numerici, l’azienda dichiara sul dataset TenK10K (28 tipi di cellule immunitarie) quasi il doppio delle varianti causali identificate rispetto alla prima versione: 30% contro 16%, e 43% contro 23% per quanto riguarda la direzione dell’effetto sui geni. Mostra inoltre che il modello individua, mediante il calcolo, la variante di un «interruttore» genetico a distanza che iperattiva il gene ETS2 nei macrofagi intestinali, già identificata da uno studio pubblicato come fattore scatenante delle malattie infiammatorie croniche intestinali.

Chi può utilizzarlo

AlphaGenome 2 è accessibile da subito per la ricerca non commerciale tramite l’API AlphaGenome, completa di tutorial Colab, e in anteprima privata per la ricerca commerciale. DeepMind ha inoltre precalcolato le previsioni per varianti associate a malattie in centinaia di tipi cellulari e tessuti, e annuncia per il prossimo futuro delle «competenze» AlphaGenome 2 in Antigravity, la sua piattaforma di sviluppo per sistemi ad agenti. L’azienda ricorda che questi modelli non sono validati né per la diagnostica né per l’impiego clinico.