أصدرت Google DeepMind AlphaGenome 2، وهو نموذج DNA يتنبأ بتأثيرات المتغيرات في أنواع خلايا محددة. AlphaGenome 2 هو نموذج تسلسل إلى دالة شرطي. يقرأ 1 ميغابايت من DNA بالإضافة إلى حالة خلية مستهدفة. أما سابقه فكان يُجري متوسطات عبر أنسجة مجمّعة. النموذج الجديد يُميّز بين أنواع خلايا وثيقة الصلة ويتكيف مع مجموعات بيانات أحادية الخلية غير مرئية دون ضبط دقيق. وهو متاح عبر AlphaGenome API للأبحاث غير التجارية.
باختصار
- الحجم: المدخل هو نافذة DNA بحجم 1 ميغابايت (1,048,576 زوج قاعدي)، من إنسان أو فأر.
- يعمل على: API مستضاف فقط في الوقت الحالي. استخدم التدريب 2048 شريحة TPU v4؛ وتصدر الأوزان "عند النشر النهائي".
- الأداء: يتفوق على AlphaGenome 1 المضبوط بدقة، وBorzoi وScooby في معايير eQTL أحادية الخلية والمعززات-الجينات.
- الأفضل: استرجاع بنسبة 43% عند دقة إشارة 90% على TenK10K sc-eQTLs، مقابل 23% لـ AlphaGenome 1 المضبوط بدقة.
- الأسوأ: خارج الكروماتين المتاح، يبلغ AUROC للتنبؤ بالإشارة 0.63 فقط.
- الخلاصة: الأفضل: تكييف حالة الخلية من scRNA-seq الخام. الأسوأ: لا أوزان محلية، وغير تجاري فقط.
ما هو AlphaGenome 2؟
AlphaGenome 2 هو نموذج بنمط U-Net يتألف من مرمِّز تلافيفي، ومحوِّل من 11 كتلة، وفاكِّ ترميز. كان AlphaGenome 1 يتنبأ بفهرس ثابت من آلاف المسارات بالتوازي. أما AlphaGenome 2 فيتنبأ بدلاً من ذلك بالمخرجات لشرط واحد (1) لكل استدعاء.
الشرط هو تضمين بُعدي 256. يعدّل التفعيلات عبر طبقات FiLM في المرمّز والمحوّل وفاكّ التشفير. أدى تكييف فاكّ التشفير أو طبقات المخرجات فقط إلى مكاسب ضئيلة. وكان تكييف المرمّز والمحوّل هو المسؤول عن معظم التحسين.
تغطي المخرجات تغطية RNA، وCAGE، والوصل بين الإكسونات، وإتاحة الكروماتين، وعلامات الهيستون، وارتباط عوامل النسخ، وخرائط الاتصال. مثيلة CpG جديدة.
كيف دُرّب AlphaGenome 2؟
يتكون التدريب من 4 مراحل:
- التدريب المسبق عبر البيانات المجمّعة بالإضافة إلى 3,977 مسارًا زائفًا مجمّعًا من RNA وATAC أحادية الخلية من 36 دراسة.
- تحسين الشرط، الذي يضبط فقط التضمينات وطبقات FiLM.
- التقطير من 8 نماذج معلم إلى 1 طالب، باستخدام متواليات مدخلات متحوّرة.
- التدريب اللاحق التي تحوّل مُرمِّز التعبير أحادي الخلية إلى فضاء الشروط للنموذج المجمّد.
دُرِّب هذا المُرمِّز على أكثر من 100 مليون ملف تعريف بشري من نوع scRNA-seq، ومعظمها من CELLxGENE. يمكن للباحثين تمرير العدادات الخام والحصول على تضمين شرط. الـ المستندات تسمح بحد أقصى 256 خلية لكل استدعاء.
كيف يؤدي AlphaGenome 2 على المعايير المرجعية؟
على أنسجة GTEx، ارتفع وسيط معامل بيرسون r لتغيرات التعبير عبر الأنسجة من 0.61 إلى 0.71. داخل الأنسجة، ارتفع تباين أنواع الخلايا المُفسَّر من 23% إلى 34% لـ scRNA-seq.
النتيجة الرئيسية تتعلق بـ eQTLs أحادية الخلية في TenK10K عبر 28 نوع خلية مناعية. عند دقة 90%، استعاد AlphaGenome 2 30% من المتغيرات السببية. بينما استعاد AlphaGenome 1 بعد ضبطه الدقيق على البيانات أحادية الخلية 16%. وارتفع استرجاع اتجاه التأثير من 23% إلى 43%.
على بيانات ENCODE-rE2G CRISPRi المحجوزة، بلغ AUPRC لعلاقة المعزز-الجين 0.78. سجّل AlphaGenome 1 قيمة 0.73، مقابل Borzoi للمجموعة 0.61. كانت الفجوة أوسع بالنسبة للمعززات البعيدة 100 إلى 2,500 كيلو قاعدة: 0.62 مقابل 0.48.
فيما يخص احتساب الفحوصات، تفوّق AlphaGenome 2 على خط الأساس Avocado في 166 من أصل 181 مسارًا محجوزًا. وفي مجموعة مرضى باركنسون غير مرئية، بلغ نسبة الاسترجاع 41% مقابل 17% لنموذج مضبوط على المجموعة Scooby.
كيف يقارَن بنماذج تسلسل الحمض النووي الأخرى؟
| الميزة | AlphaGenome 2 | AlphaGenome 1 | Borzoi | Scooby |
|---|---|---|---|---|
| حمض نووي مرجعي (Input DNA) | 1 ميغابايت | 1 ميغابايت | 524 كيلوبايت | 524 كيلوبايت |
| معالجة الشروط | تضمين مرجعي أو تضمين scRNA-seq | مسارات متعددة المهام ثابتة | مسارات متعددة المهام ثابتة | فكّ تضمين الخلايا، لكل مجموعة بيانات |
| مخرجات الخلية الواحدة | scRNA، scATAC | لا | لا | scRNA، scATAC |
| المعاملات | غير معلنة | غير معلنة | 235M | غير معلنة |
| العتاد | واجهة برمجية مستضافة | يُوصى بـ H100 | غير معلنة | كرت رسوميات NVIDIA (مُختبَر على A40) |
| الأوزان / الترخيص | واجهة برمجية الآن، الأوزان لاحقاً، لغير الأغراض التجارية | Kaggle وHF، بشروط غير تجارية | Apache-2.0 | MIT |
| AUPRC للسببية في sc-eQTL لـ TenK10K* | 0.76 | 0.72 (ضبط دقيق) | لم يُقيَّم | 0.69 |
| AUC لإشارة TenK10K sc-eQTL* | 0.85 | 0.79 (ضبط دقيق) | لم يُقيَّم | 0.77 |
| AUPRc لـ CRISPRi المستبعد من rE2G* | 0.78 | 0.73 | 0.61 (مجموعة من 4 نماذج) | لم يُقيَّم |
*صفوف المعايير المرجعية مأخوذة من ورقة AlphaGenome 2 وهي تقييم خاص بـ DeepMind نفسه.
ما الذي يمكن للمطورين الوصول إليه اليوم؟
AlphaGenome 2 ودروس Colab متاحة الآن عبر الـ API. ومفتاح API مجاني لـ الاستخدام غير التجاري. أما البحث التجاري فهو في معاينة خاصة. وتعرض حزمة alphagenome Python النموذج تحت alphagenome.models.v2.
كما أصدرت DeepMind أطلسات محسوبة مسبقًا. أحدها يغطي روابط المعززات والجينات عبر 640 حالة خلوية أولية. والآخر يقيّم حوالي 7 ملايين متغير شائع ومتغيرات GWAS عبر 510 حالات. وكلاهما متاح على صفحة التنزيلات.
الخلاصات الرئيسية
- يقوم AlphaGenome 2 بشرط نموذج DNA بطول 1 Mb على 1 نوع خلية لكل استدعاء.
- ارتفع استرجاع sc-eQTL السببي عند دقة 90% من 16% إلى 30%.
- يمكن لعدّات scRNA-seq الخام تحديد حالات خلوية جديدة دون إعادة تدريب.
- تغطي الدرجات المحسوبة مسبقًا حوالي 7 ملايين متغير عبر 510 حالات.
- الوصول حاليًا عبر الـ API فقط وغير تجاري.
اطلع على الورقة البحثيةو مدونة DeepMindو وثائق الـ API و الـ GitHub repo. كما يمكنك بحرية متابعتنا على Twitter ولا تنسَ الانضمام إلى 150k+ML SubReddit والاشتراك في our Newsletter. انتظر! هل أنت على تيليجرام؟ الآن يمكنك الانضمام إلينا على تيليجرام أيضًا.
هل تحتاج إلى الشراكة معنا للترويج لـ GitHub Repo الخاص بك أو Hugging Face Page أو Product Release أو Webinar وما إلى ذلك؟ تواصل معنا
المنشور Google DeepMind تُطلق AlphaGenome 2 لتحليل تأثيرات التغيرات الوراثية الخاصة بأنواع الخلايا ظهر لأول مرة على MarkTechPost.