Сегодня поговорим о генетике и технологиях. Обе развиваются быстро, но неравномерно. Человеческий геном «прочитали» больше двадцати лет назад, а понять его до конца так и не удалось. Знать последовательность трех миллиардов «букв» ДНК — это одно. Разобраться, за что отвечает каждая из них, — совсем другое. В этом геноме сам черт ногу сломит. Возьмем, например, участки, которые не содержат инструкций для производства белков. Когда я учился в университете, их называли «мусорными». Они занимают около 98% генома, а последствия изменений внутри них до конца не понятны.
Сейчас в Google DeepMind решили во всем этом разобраться в рамках проекта AlphaGenome Atlas. И заодно просчитать все возможные замены одной «буквы» в человеческой ДНК. Таких вариантов набралось около девяти миллиардов. Почему — разберемся ниже.
Что за атлас такой
В обычном человеческом геноме — чуть больше трех миллиардов пар оснований: A, C, G или T. Для каждой позиции есть три варианта замены. Умножаем три миллиарда на три — получаем примерно девять миллиардов возможных одиночных замен. Их последствия и рассчитали при создании AlphaGenome Atlas.
Как? DeepMind перебрала все одиночные варианты генома, которые теоретически могут появиться. С ограничениями, конечно. Ради экономии времени и ресурсов решили не рассматривать сочетания нескольких изменений. Ученые выбрали самый простой вариант — замену одного нуклеотида другим. Иначе проект затянулся бы надолго. Но и тут было непросто.
Главная причина — проверить девять миллиардов вариантов в лаборатории не получится. Для каждого случая пришлось бы менять ДНК живых клеток, выращивать их и измерять множество молекулярных показателей. И это не все: результат зависел бы от выбранной ткани. Одна и та же последовательность может вести себя по-разному в нейроне, клетке печени или лимфоците. При нашей жизни это бы не закончилось.
Поэтому к работе привлекли модель AlphaGenome. Если помните, ее Google DeepMind представила в 2025 году. И она справилась, выдав огромную кучу информации. Полный набор данных занимает около 1 ПБ — примерно в 30 раз больше базы AlphaFold с предсказанными структурами белков. Для подготовки атласа разработчикам пришлось ускорить вычисления примерно в 80 раз за счет дистилляции модели, оптимизации обработки на GPU и удаления повторяющихся операций.
Как AlphaGenome оценивает мутации
Сразу скажу, что AlphaGenome не определяет напрямую, заболеет человек или нет. Она предсказывает с определенной вероятностью, как замена одной «буквы» ДНК повлияет на общую работу клетки. Например, из-за мутации определенный ген станет менее активным или клетка неправильно прочитает инструкцию и произведет слишком мало нужного белка. Ну или соберет его с ошибкой. Это может нарушить работу организма и привести к заболеванию.
Чтобы выяснить возможные последствия мутации, AlphaGenome анализирует участок ДНК длиной до миллиона пар оснований. Зачем столько? Элементы, управляющие работой гена, могут находиться за сотни тысяч нуклеотидов от него. Модель сравнивает исходную последовательность с вариантом, где заменена одна «буква», и смотрит, что изменилось. Так она замечает влияние мутации даже на удаленный ген. При анализе небольшого участка эта связь осталась бы незамеченной.
Что еще? Система оценивает, как замена одной «буквы» повлияет на работу разных клеток и тканей. К примеру, проверяет активность генов и правильность сборки РНК. При такой сборке клетка вырезает ненужные фрагменты и соединяет оставшиеся части. Мутация может нарушить этот процесс, и РНК соберется с ошибкой. Результат будет удручающим: клетка произведет неправильный или неработающий белок.
В итоге модель выдает тысячи показателей, в которых сходу сложно разобраться. Чтобы упростить жизнь специалистам, DeepMind добавила общий рейтинг AlphaGenome Variant Impact, или AVI. Он позволяет быстро отсортировать варианты. Если изменение затрагивает участок с инструкцией по созданию белка, Atlas использует данные другой системы Google — AlphaMissense. Кроме общей оценки, ИИ указывает возможную причину проблемы: например, ошибочное считывание гена или изменение его активности.
Зачем вообще разбираться с остальными 98%
Участки с инструкциями по созданию белков занимают всего около 2% человеческого генома. С ними более-менее понятно: если мутация повредила такую инструкцию, можно проверить, что случилось с белком. А что делать с остальными 98%?
Совсем недавно выяснилось, что многие из этих «мусорных» участков управляют генами — включают их, выключают или меняют режим работы. Большинство замен здесь ни на что не влияет. Но случается, что даже одна измененная «буква» мешает гену нормально работать. При обычном анализе видно лишь, где произошла замена, а ее последствия остаются непонятными. Поэтому потенциально опасная мутация легко теряется среди тысяч безвредных.
После расшифровки генома пациента специалисты получают тысячи отличий от эталонной последовательности. И попробуй пойми, какое из них связано с болезнью. Большинство замен безвредны, так что часть можно сразу убрать при помощи накопленных данных. Но даже после этого вариантов остается много, а проверять каждый в лаборатории долго и дорого.
Какой выход? Генетики обычно смотрят на участки с инструкциями по созданию белков: там хотя бы проще понять, что сломалось. Такой подход работает далеко не всегда. Причина заболевания может находиться в регуляторном участке, который не меняет структуру белка напрямую. Подозрительная замена выглядит безобидно и не попадает в верхнюю часть списка. В итоге пациент проходит одно обследование за другим, а генетическое объяснение так и не находится. Рейтинг AVI позволяет заново отсортировать варианты и обратить внимание на те, которые раньше пропустили.
Один из первых примеров связан с программой GREGoR. Ее участники изучают редкие заболевания, оставшиеся без диагноза после обычного анализа. Исследователи из Broad Institute использовали Atlas и обнаружили замену, влияющую на ген DNM1. Этот ген уже связывали с эпилептической энцефалопатией, но конкретную мутацию ранее не замечали. AlphaGenome предсказала, что она создает неправильный сайт сплайсинга и приводит к появлению лишнего фрагмента в белке. Лабораторная проверка подтвердила механизм, а затем похожий эффект нашли у нескольких соседних вариантов.
Atlas проверили и на данных 54 тысяч участников UK Biobank. Исследователи искали редкие мутации, которые могут влиять на уровень белков в крови. Обычно такие связи трудно заметить: одна и та же замена встречается у очень небольшого числа людей. AlphaGenome помогла объединить похожие по действию варианты в группы, и ученые нашли на 22% больше связей. Похожим способом они отобрали мутации, которые могут быть связаны с индексом массы тела, и выделили 19 участков генома для дальнейшего изучения.
Для разработки лекарств такие подсказки тоже пригодятся. Если Atlas показывает, какой ген или клеточный процесс пострадал из-за мутации, ученые могут понять, что искать дальше. Экономится время и деньги. Не говоря уже о здоровье пациентов.
А что, уже есть результаты?
В тестах AlphaGenome показала результаты на уровне лучших специализированных систем, а во многих случаях даже обошла их. При этом модель умеет делать сразу то, для чего раньше требовалось несколько разных инструментов. Она проверяет, как мутация повлияет на активность генов, сборку РНК и доступность отдельных участков ДНК. В целом удобно: не нужно запускать несколько программ и потом сводить их результаты вручную. Но, конечно, есть и проблемы, тут не все так гладко.
Одна из них связана с обучающими данными. AlphaGenome обучали в основном на образцах, где смешано много разных клеток. Поэтому модель хуже понимает, что происходит с редкими типами клеток или на отдельных этапах развития организма. Миллиона пар оснований ей тоже хватает не всегда: некоторые участки ДНК управляют генами с еще большего расстояния. И каждую мутацию Atlas рассматривает отдельно, хотя на практике болезнь может быть вызвана сразу несколькими изменениями.
Есть и еще одна проблема. AlphaGenome может пропустить опасную мутацию и дать ей низкую оценку. Поэтому небольшой балл AVI не означает, что изменение точно безвредно. Высокая оценка считается более надежной, но и ее нужно проверять в лаборатории. А еще AVI показывает возможное влияние мутации на клетку, а не риск развития болезни у конкретного человека.
Главное, что стоит помнить: AlphaGenome Atlas пока не прошел клиническую проверку и не используется для постановки диагнозов. Система предсказывает влияние мутации на работу клетки, но не определяет, вызовет ли она заболевание у конкретного человека. Чтобы это выяснить, нужны лабораторные исследования и сопоставление предположений с симптомами пациента.
А что вы думаете об этом проекте? Пишите в комментариях.
Автор: BiktorSergeev
