AlphaGenome 2 把预测单位缩到单个细胞:识别出的改变基因表达的变异约为上一代两倍
核心概要
AlphaGenome 2 是 Google 推出的下一代 DNA 序列模型,把预测单位从组织平均缩到单个细胞类型与细胞状态,并允许研究者指定目标条件。此前 AlphaGenome 一次性并行预测数千项实验,模型容量被摊薄,难以分辨相近细胞类型之间的细微差异。新模型改为条件式架构,在每一层都接收目标组织、细胞类型或状态作为输入,在 68 个组织、超过 1.07 亿个单细胞谱上训练,识别出的改变细胞内基因表达的变异约为上一代最先进模型的两倍。
深度剖析
DNA 变异对基因表达的影响现在可以按具体细胞类型和细胞状态来预测,而不只是给出跨组织的平均结果。 上一代 AlphaGenome 从一段百万字母的 DNA 序列出发,一次性并行预测来自许多组织的数千项实验属性。 按 Google 的说法,AlphaGenome 2 识别出的改变细胞内基因表达的变异数量接近上一代最先进模型的两倍。
模型把细胞类型当作输入条件,而不是让所有条件共享同一套并行输出。 条件式模型指在架构的每个阶段都把目标组织、细胞类型或状态与 DNA 序列一起送入网络。 训练数据包括人和小鼠的 bulk 与单细胞数据,其中单细胞谱超过 1.07 亿个,覆盖 68 个组织。
同一套条件式设计还让模型能补出未测量的实验读数。 跨模态填补指只输入一种测量,例如单细胞基因活性,模型据此预测染色质可及性等未测属性。 Google 表示这可以帮助研究者决定下一步做哪些实验,但摘要未给出填补精度的对照数字。
启示与展望
已展示的范围是人类与小鼠的 bulk 及单细胞数据、68 个组织、超过 1.07 亿个单细胞谱上的变异效应预测,以及由一种测量推断未测属性的跨模态填补;面向的是做变异解读与实验优先级排序的遗传学和单细胞研究者。
“接近两倍”是发布方给出的整体比较,摘要没有拆分到具体细胞类型、组织或评测集;模型对未见过的细胞与疾病状态的预测能力也只以定性方式描述。
