Google DeepMind lanza AlphaGenome 2 para la investigación del ADN y las enfermedades

Google DeepMind ha anunciado AlphaGenome 2, un modelo de secuencia de ADN de nueva generación que predice cómo las secuencias de ADN y sus variaciones impactan en tipos específicos de células humanas. La compañía afirma que el modelo proporciona a los científicos una herramienta para descubrir los impulsores celulares de las enfermedades.

Qué hace AlphaGenome 2

Las células llevan el mismo plano de ADN, pero diferentes tipos de células activan o desactivan diferentes genes. AlphaGenome 2 predice cómo las variantes genéticas afectan a cientos de tipos de células humanas, pasando de promedios de tejidos amplios a tipos de células individuales y estados celulares. El modelo está entrenado con más de 100 millones de perfiles de células individuales en 68 tejidos, y tanto en datos de conjunto como de célula única de muestras humanas y de ratón, incluidos más de 107 millones de perfiles de células individuales.

AlphaGenome 2 es un modelo condicional. Toma una condición biológica específica junto con una secuencia de ADN de entrada, ya sea seleccionada de un catálogo de referencia de tipos de células o generada sobre la marcha a partir del propio experimento de célula única de un científico mediante un codificador de células. Predice la expresión génica, las modificaciones de histonas, la accesibilidad de la cromatina y la metilación del ADN.

El modelo puede adaptarse directamente a nuevos datos de célula única sin necesidad de volver a entrenarlo. Los científicos pueden cargar una instantánea de RNA-seq de célula única de la actividad génica de apenas unas pocas decenas de células, y AlphaGenome 2 puede predecir los efectos de las variantes y la regulación génica para nuevos estados celulares, como los que ocurren por enfermedades o vacunación.

Rendimiento y ejemplos de enfermedades

Google DeepMind afirma que AlphaGenome 2 identifica casi el doble de variantes que cambian la expresión génica en las células, en comparación con su modelo anterior de última generación. En el conjunto de datos TenK10K, un mapa grande de célula única de 28 tipos de células inmunitarias primarias, AlphaGenome 2 identificó de forma fiable casi el doble de variantes causales (30% frente a 16%) y efectos génicos direccionales (43% frente a 23%) que el AlphaGenome original ajustado a datos de célula única y otras herramientas especializadas.

La compañía dio un ejemplo relacionado con la enfermedad inflamatoria intestinal. Un estudio reciente destacado mostró que una variante en un interruptor regulador distante impulsa la enfermedad inflamatoria intestinal al sobreactivar el gen ETS2 en las células inmunitarias del intestino (macrófagos). Al hacer predicciones en varios tipos de células inmunitarias del intestino, AlphaGenome 2 reprodujo este hallazgo computacionalmente. Señaló la variante causal y mostró que aumenta selectivamente el gen ETS2 en los macrófagos intestinales, dejando otros tipos de células y genes prácticamente sin afectar.

El modelo también reveló que una variante vinculada a la COVID-19 grave interrumpe la actividad génica con mayor fuerza cuando las células están en un estado activado, un efecto que se pasaría por alto en células no activadas.

Disponibilidad

AlphaGenome 2 está disponible hoy para investigación no comercial a través de la API de AlphaGenome, y en vista previa privada para investigación comercial. También están disponibles tutoriales interactivos de Colab para el condicionamiento de la expresión. Google DeepMind afirma que pronto lanzará las habilidades de AlphaGenome 2 en Google Antigravity, su plataforma de desarrollo agéntico.

La compañía señala que AlphaGenome y AlphaGenome 2 están destinados únicamente para uso en investigación y no han sido validados ni aprobados para fines clínicos o de diagnóstico.

Por qué importa

El lanzamiento conecta la genética humana con la biología de célula única mediante el cálculo previo de las predicciones de AlphaGenome 2 para variantes asociadas a rasgos en cientos de condiciones de células y tejidos humanos. Esto ayuda a los investigadores a mapear los enlaces entre potenciadores y genes en tipos reales de células humanas y a señalar las variantes de GWAS causales y las células donde actúan, en rasgos que van desde la estatura hasta la diabetes tipo 2.

Fuentes (en inglés)

• deepmind.google: AlphaGenome 2: Deciphering how cells read DNA to better understand disease — Google DeepMind

Traducción con IA del artículo original en inglés, revisada automáticamente para que diga lo mismo que el original. Las fuentes fueron verificadas en inglés.