鹭羽 发自 凹非寺
量子位 | 公众号 QbitAI
谷歌DeepMind Alpha家族又双叒登上Nature报道，这次瞄准的是DNA变异。
现在只需1秒，就能精确定位基因组序列变异。
据Nature最新报道，谷歌DeepMind团队目前推出了突破性生物模型AlphaGenome。
它能够从长达1兆碱基的DNA序列中，同时预测数千种功能基因组特征，并以单碱基分辨率评估变异效应。
在基因表达、剪接、染色质可及性等多种任务上性能全面超越现有模型，为解析基因组调控代码提供了强大工具。
作者将其描述为整个生物领域的里程碑：
我们第一次拥有了一个单一的模型，它统一了整个基因组任务范围内的远程上下文、基本精度和最先进的性能。
在未来，AlphaGenome也会更好地帮助我们理解疾病，癌症这本“天书”也许终于得以破解。
该工具将提供一块关键的拼图，使我们能够建立更好的联系来了解癌症等疾病。
首个统一基因组任务的单一模型
解读基因组序列变异的影响始终是生物学领域的核心挑战。
过去十年里，科学家们为了揭开基因组的秘密，单独开发了数十种AI模型，那么是否能创造一种“一体化”解释工具呢？
AlphaGenome就是这样一个模型，可以将多模态预测、长序列背景和碱基对分辨率统一于单一框架。
模型架构受U-Net启发，可以将1兆碱基的DNA输入序列，在下采样阶段处理为两种类型的序列表达，分别是对应线性基因组的一维嵌入（1bp和128bp分辨率），和对应基因组片段空间相互作用的二维嵌入（2048bp分辨率）。
在架构内部，卷积层对局部序列模式进行建模，Transformer块则结合Rotary位置编码，对颗粒度较粗但范围更长的依赖关系进行建模。
通过8个互相连接的张量处理单元，实现对完整碱基对的分辨率训练，然后利用编码器跳跃连接，在上采样阶段恢复序列的1bp分辨率。
最后输出包括基因表达、详细剪接模式、染色质状态和染色质接触图谱在内的11种模态，涵盖5930条人类或1128条小鼠基因组轨道。
模型通过预训练和蒸馏两阶段进行训练：
-
预训练：首先利用观测数据生成折叠特异性模型和全折叠模型，前者采用4折交叉验证方法进行训练，防止过拟合，后者在基因组的全部可用区间上进行训练，并视作后续蒸馏的教师模型。
-
蒸馏：使用随机增强的输入序列方法训练单一学生模型，学习全折叠教师模型的输出预测，以实现更强的鲁棒性和变异效应预测准确性。
最终实现在NVIDIA H100 GPU上，学生模型的推理时间能达到一秒以内，具有极高的效率。
性能全面超越现有技术
为了评估AlphaGenome的泛化能力，研究团队进行了24项基因组轨道评估，将AlphaGenome模型与各任务最强的现有模型进行比较。
AlphaGenome在其中22项都保持领先，其中与另一种多模态序列模型Borzoi3相比，更是在细胞类型特异性的LFC预测上，表现出+17.4%的相对改进。
在预测变异效应方面，实验组组装了26个变异效应预测基准，包含基因表达、剪接、多聚腺苷酸化、增强子-基因连接、DNA可及性和转录因子结合等。
与现有最强模型对比，有24项达到或超越，例如在表达QTL的方向预测，相比Borzoi3提升25.5%，在可及性QTL上相比ChromBPNet10提升8%。
结果表明，AlphaGenome在多模态和专门的单模态任务上都存在优势，可以准确模拟基因组轨道和变异效应。
另外，AlphaGenome也在跨模态基因组轨道预测方面，都达到了最先进水平。
预训练的折叠特异性模型显示，在未见的基因组区间上，预测的读取覆盖度与观察到的读取覆盖度高度一致。
从定量角度，人类和小鼠基因组中功能性基因组轨道的预测信号与观测信号之间，存在较强的皮尔逊相关系数（r），整体表达水平预测良好。
在剪接模态方面，AlphaGenome首次实现剪接位点、剪接效率和剪接连接的全方位预测，展现出强大的预测组织特异性可变剪接的能力。
基于AlphaGenome的多维度剪接预测，实验团队为每个预测模态设计了定制的变异评分策略，并将单个评分求和，以综合考量变异预测效应。
在剪接相关变异效应预测（VEP）任务上进行基准测试，AlphaGenome在精细定位的剪接QTL（sQTL）分类中表现最佳，并在监督和无监督场景下均取得最高性能。
但在MFASS评估罕见变异是否破坏剪接能力的实验中，AlphaGenome的auPRC达 0.54，表现仅略低于Pangolin的0.51，但超过了SpliceAI和DeltaSplice（均为0.49）。
总之，AlphaGenome在7项基准测试中的6项上实现了最先进的剪接变异效应预测，为剪接事件改变和转录本结构提供了更全面的视图。
AlphaGenome在临床上，可以帮助研究人员更精准地理解疾病的潜在原因，甚至发现新的治疗靶点。
例如在一项针对T细胞急性淋巴细胞白血病 (T-ALL)的研究中，AlphaGenome就通过引入MYB DNA结合基序，成功解析了TAL1基因附近的致癌变异。
另外它还可以帮助预测合成DNA的设计以及协助进行基本DNA研究，未来通过扩展数据，AlphaGenome也将会产生更准确的预测精度以及涵盖更广泛的物种，科学家们将只需要进行微调，就能更快地生成和测试假设。
目前AlphaGenome已提供预览版，并计划正式发布，欢迎大家抢先体验。
链接：https://macro.com/app/pdf/56a50ffc-120d-4a9a-87e5-a18753430f22
代码链接：https://github.com/google-deepmind/alphagenome
（文：量子位）