Avanzar en la predicción del efecto de la variante reguladora con AlphaGenome

Área de la Ciencia:

• La genómica y la bioinformática.
• Biología computacional Biología computacional.
• Aplicaciones de aprendizaje profundo Aplicaciones de aprendizaje profundo.

Sus antecedentes:

• La predicción de mediciones genómicas funcionales a partir de secuencias de ADN es crucial para comprender el código regulador genético.
• Los modelos actuales de aprendizaje profundo se enfrentan a limitaciones debido a una compensación entre la longitud de la secuencia de entrada y la resolución de predicción, lo que restringe su alcance y rendimiento.
• Diversas modalidades genómicas funcionales, incluida la expresión génica, la accesibilidad de la cromatina y la unión al factor de transcripción, requieren un análisis integrado.

Objetivo del estudio:

• Desarrollar un modelo unificado de aprendizaje profundo, AlphaGenome, capaz de predecir numerosas pistas genómicas funcionales a partir de secuencias largas de ADN en alta resolución.
• Superar las limitaciones de los métodos existentes mediante la integración de diversas modalidades genómicas dentro de un único marco.
• Proporcionar predicciones precisas del efecto de la variante a través de múltiples capas genómicas funcionales.

Principales métodos:

• Desarrolló AlphaGenome, un modelo de aprendizaje profundo que acepta 1 megabase (Mb) de secuencia de ADN como entrada.
• AlphaGenome entrenado en genomas humanos y de ratón para predecir miles de pistas genómicas funcionales, incluida la expresión génica, la accesibilidad de la cromatina, la unión del factor de transcripción y más, a resolución de un solo par de bases.
• Se evaluó el rendimiento de AlphaGenome en la predicción del efecto de la variante frente a los modelos de última generación existentes en 26 evaluaciones diferentes.

Principales resultados:

• AlphaGenome predice con éxito miles de pistas genómicas funcionales en diversas modalidades con resolución de un solo par de bases.
• El modelo coincide o supera el rendimiento de los modelos externos más fuertes en 25 de las 26 evaluaciones de predicción de efectos de variantes.
• AlphaGenome recapitula con precisión los mecanismos de las variantes clínicamente relevantes, demostrado por su análisis de las variantes cercanas al oncogén TAL1.

Conclusiones:

• AlphaGenome representa un avance significativo en el aprendizaje profundo para la genómica, ofreciendo un enfoque unificado para predecir la información genómica funcional a partir de secuencias largas de ADN.
• La alta resolución del modelo y el amplio alcance de la modalidad permiten predicciones más precisas y completas de los efectos de las variantes.
• Se proporcionan herramientas para facilitar el uso de AlphaGenome para la predicción de la pista del genoma y el efecto de la variante, promoviendo aplicaciones de investigación más amplias.