گوگل دیپ‌مَایند مدل AlphaGenome 2 را منتشر کرد که با شرط‌گذاری روی داده‌های RNA-seq تک‌سلولی خام، اثر واریانت‌ها را در انواع سلولی خاص پیش‌بینی می‌کند. این مدل روی بنچ‌مارک TenK10K یادآوری جهت‌دار ۴۳٪ با دقت ۹۰٪ ثبت کرد، تقریباً دو برابر پیشینش.
معماری و آموزش AlphaGenome 2
معماری یک U-Net با انکودر کانولوشنی، ترنسفورمر ۱۱بلاکی و دیکودر است. شرط‌گذاری از طریق لایه‌های FiLM در انکودر، ترنسفورمر و دیکودر بیشترین پیشرفت را داد؛ شرط‌گذاری تنها دیکودر بهبود ناچیزی داشت. خروجی‌ها پوشش RNA، CAGE، اسپلایسینگ، دسترس‌پذیری کروماتین، نشانه‌های هیستون، اتصال عامل‌های رونویسی، نقشه‌های تماس و متیلاسیون CpG را در بر می‌گیرند. API پنجره ۱ مگابازی (۱،۰۴۸،۵۷۶ bp) برای انسان یا موش را می‌پذیرد و یک شرط در هر فراخوانی برمی‌گرداند.
آموزش در چهار مرحله روی ۲،۰۴۸ چیپ TPU v4 انجام شد (گزارش ۱۱ نوامبر ۲۰۲۶): پیش‌آموزش بر روی آزمون‌های انبوه و ۳،۹۷۷ ردپای pseudobulk RNA و ATAC تک‌سلولی از ۳۶ مطالعه؛ اصلاح شرط که تنها بردار ۲۵۶بعدی و لایه‌های FiLM را تنظیم کرد؛ distillation هشت مدل معلم در یک مدل شاگرد با توالی‌های جهش‌یافته؛ و انکودر پس‌آموزش که بیش از ۱۰۰ میلیون پروفایل CELxGENE را در فضای شرط یخ‌زده نگاشت کرد.
عملکرد روی بنچ‌مارک‌های تک‌سلولی
روی TenK10K sc-eQTLها در ۲۸ نوع سلولی ایمنی:
- AlphaGenome 2: ۳۰٪ واریانت‌های علی بازیابی شدند در برابر ۱۶٪ برای AlphaGenome 1 تنظیم‌دقیق‌شده
- یادآوری جهت اثر از ۲۳٪ به ۴۳٪ ارتقا یافت
- روی داده‌های CRISPRi ENCODE-rE2G جدا شده، AUPRC تقویت‌کننده-ژن ۰.۷۸ شد (AlphaGenome 1: ۰.۷۳، آنسامبل Borzoi: ۰.۶۱)
- شکاف برای تقویت‌کننده‌های ۱۰۰–۲،۵۰۰ کیلوبازی دورتر: ۰.۶۲ در برابر ۰.۴۸
برای امپوتاسیون آزمون، مدل روی ۱۶۶ از ۱۸۱ ردپای جدا شده بر خط پایه Avocado برتری داشت. روی کوهورت پارکینسون ناشناخته، ۴۱٪ یادآوری در برابر ۱۷٪ برای Scooby تنظیم‌شده روی کوهورت ثبت کرد. پیش‌بینی در نواحی رگولاتوری بسته همچنان نقطه کور است: AUROC پیش‌بینی علامت تنها ۰.۶۳ می‌رسد. این نقطه کور در پیش‌بینی نواحی رگولاتوری بسته، هم‌صدا با تحلیل چرایی ناتوانی مدل‌های ژنومیک در رمزگشایی پیچیدگی سه‌بعدی DNA است که نشان می‌دهد معماری‌های فعلی همچنان با چالش‌های فضایی مقابله می‌کنند.
مقایسه با مدل‌های رقیب
AlphaGenome 2 بر Borzoi و Scooby در بنچ‌مارک‌های eQTL تک‌سلولی و تقویت‌کننده-ژن چیره شده است. ورودی DNA ۱ مگابازی در برابر ۵۲۴ کیلوبازی برای رقبا، و مدیریت شرط از طریق بردار معنایی ۲۵۶بعدی برخلاف ردپاهای ثابت چندوظیفه، مزیت‌های معماری هستند.
دسترسی و محدودیت‌ها
AlphaGenome 2 امروز از طریق API میزبانی‌شده با کلید رایگان برای پژوهش غیرتجاری در دسترس است؛ دسترسی تجاری در پیش‌نمایش خصوصی باقی مانده. وزن‌ها پس از انتشار نهایی منتشر خواهند شد. بسته پایتون alphagenome مدل را تحت alphagenome.models.v2 عرضه می‌کند.
اطلس‌های پیش‌محاسبه شده
دیپ‌مَایند دو اطلس منتشر کرد: پیوندهای تقویت‌کننده-ژن در ۶۴۰ شرط سلولی اولیه، و امتیازها برای ~۷ میلیون واریانت رایج و GWAS در ۵۱۰ شرط. هر دو در صفحه دانلودها قرار دارند.
گام بعدی شما
- کلید API رایگان را دریافت کنید و واریانت‌های GWAS اولویت‌بندی‌شده را در زمینه ایمنی بررسی کنید
- اطلس پیش‌محاسبه شده تقویت‌کننده-ژن را برای ۶۴۰ شرط سلولی دانلود و با داده‌های خود تقاطعی کنید
- انتشار وزن‌ها و شرایط تجاری را رصد کنید تا امکان ادغام در خط لوله‌های بالینی سنجیده شود
گفتگو