От AlphaFold до AlphaGenome Atlas: новая биотехнологическая инфраструктура от Google

Ключевой момент: Сегодня Google DeepMind представила AlphaGenome Atlas — прогностическую карту всех возможных изменений одной буквы ДНК в геноме человека. Это одно из самых интересных и важных достижений ИИ за последнее время, поскольку, хотя это и не полное решение, это недостающий шаг, позволяющий перестать собирать головоломку нашей ДНК вслепую.

Позвольте немного контекста: в 2013 году в этом блоге мы объясняли, почему наличие карты ДНК не приносило особой пользы:

«Взаимодействия между различными генами, кодируемыми ими белками и способами их функционирования также не были полностью изучены. Добавьте к этому связь между генами, организмом и внешними факторами (вирусы, загрязнение, питание и т.д.), и мы сталкиваемся с реальностью: у нас есть лишь некоторые части чрезвычайно сложной головоломки.»

Обратите внимание, это была долгосрочная ставка Google, и важно понять, как собирается эта головоломка:

• С помощью AlphaFold (2020-2022) DeepMind решила проблему морфологии: как сворачиваются белки, которые кодирует эти 2% ДНК.
• Огромным пробелом оставались остальные 98% генома (так называемая «мусорная ДНК» или некодирующая ДНК), которая является регуляторной операционной системой: переключатели, регуляторы громкости, определяющие, когда, как и сколько экспрессируется каждый ген.
• С AlphaGenome Atlas теперь у нас есть карта инструкций для всей системы. Вы получаете функциональный каталог того, что произойдет, если вы коснетесь любой ручки управления (9 миллиардов вариантов). В контексте головоломки, вы перешли от разрозненных частей к руководству по молекулярной сборке.

Означает ли это, что все генетические вопросы решены и теперь можно «определить нашу жизнь»? Не совсем. AlphaGenome с очень высокой точностью предсказывает локальное молекулярное воздействие варианта, но человеческая биология — это нелинейная сеть с избыточностью, обратными связями и эпистазом (генами, которые изменяют или подавляют действие других генов). AlphaGenome Atlas дает вам часть головоломки и ее локальное поведение, но моделирование возникающего взаимодействия сотен одновременно работающих генов все еще находится на ранней стадии развития.

Помощь в лечении редких заболеваний и персонализированной медицине?

Структурная проблема редких заболеваний заключается в низком ROI (отсутствие масштаба для традиционных фармацевтических компаний) и статистическом шуме; поиск точной мутации, вызывающей заболевание у пациента, среди тысяч безвредных вариантов — это все равно что искать иголку в стоге сена.

AlphaGenome решает ОДНУ проблему: устраняет статистический шум, предоставляя оценку воздействия каждой мутации, что позволяет сразу отбросить бесполезные варианты. На практике система уже использовалась в Broad Institute для решения случая эпилептической энцефалопатии: она обнаружила ранее игнорируемый вариант в гене DNM1 и точно указала врачам, как эта точечная мутация нарушала клеточные инструкции пациента.

Другой важный аспект — персонализированная медицина, поскольку это меняет экономическое уравнение: наличие «карты» значительно снижает порог для точной диагностики, смещая акцент исследований с дорогостоящих массивных лабораторий на чистый анализ данных.

Это действительно здорово.

Google, всегда Google... и DeepMind

Что меня всегда удивляет в Google, так это их долгосрочное видение (и это не похвала Сундару, даже близко!). Они запустили Calico в 2013 году, в 2014 году купили DeepMind и предоставили ей все необходимые ресурсы. В 2020 году стали видны первые результаты, а сегодня они запускают этот проект. Будет ли это выгодно? Я вижу две логики, очень похожие на модель SaaS:

• Для академического и некоммерческого использования: Проект полностью открыт. Они запустили веб-портал, который не требует навыков программирования, чтобы любой исследователь мог его использовать. Цель — стандартизировать инструмент, создать когнитивную привязку в научном сообществе и сделать его базовым языком геномных открытий.
• Для промышленности (где настоящие деньги): Коммерческое использование будет предоставляться через Google Cloud и их API (базовая модель уже доступна в Model Garden).

И в этом Google достаточно хорош, не сказать что выдающийся, чтобы побудить фармацевтические компании, исследователей и стартапы в области геномики начать использовать эти инструменты, став двигателем (и, возможно, платой за проезд?) для настоящей персонализированной медицины.

В конечном итоге, AlphaGenome Atlas — это не волшебная палочка, которая в одночасье устранит сложность экспосома, эпигенетики или окружающей среды; головоломка все еще остается неполной. Однако с точки зрения индустрии, правила игры изменились: тот, кто намерен разрабатывать лекарства в следующем десятилетии, больше не будет сжигать миллионы вслепую в чашке Петри; ему придется проверять свои гипотезы в облаке DeepMind.