Изменение одной буквы в ДНК иногда связано с болезнью, хотя находится далеко от самого гена. Понять, где именно оно действует, бывает непросто: у разных клеток одна и та же генетическая инструкция читается по-разному. Новая модель Google DeepMind AlphaGenome 2 пытается предсказать эти различия и помочь исследователям выбрать, что проверять в лаборатории.
Создатели обучили её на данных человека и мыши, включая более 107 миллионов профилей отдельных клеток. В одном из тестов система обнаружила почти вдвое больше вариантов, влияющих на активность генов, чем предыдущая версия. Но речь идёт о конкретной проверке, а не о готовом способе диагностировать болезни: для клинического применения модель не проверена и не одобрена. [1]
Зачем клетке собственный способ чтения ДНК
Клетки тела в основном несут один и тот же набор генетических инструкций. Но мышечной клетке сердца и иммунной клетке нужны разные рабочие инструменты, поэтому набор активных генов у них различается. Даже одна и та же иммунная клетка может вести себя иначе в спокойном состоянии и после встречи с инфекцией.
Часть ДНК содержит инструкции для производства белков. За пределами этих участков тоже есть важные последовательности: они помогают регулировать работу генов. Некоторые действуют как переключатели и могут находиться довольно далеко от гена, на который влияют. Если в такой последовательности меняется одна «буква», последствия не обязательно будут одинаковыми во всех тканях.
Большие генетические исследования находят участки ДНК, связанные с болезнью, но по одной связи ещё нельзя уверенно определить причинный вариант, затронутый ген и тип клетки. Модель предлагает гипотезы об этих связях; подтверждать их предстоит другими методами. [1]
От средней температуры к отдельным клеткам
Предыдущая AlphaGenome принимала на вход участок ДНК длиной около миллиона букв и выдавала прогнозы сразу для множества экспериментов с тканями и клеточными линиями. При таком подходе тонкие различия между близкими типами клеток уловить сложно.
Во второй версии разработчики изменили устройство модели: вместе с последовательностью ДНК ей задают конкретное биологическое условие — ткань, тип клетки или её состояние. Затем система делает прогноз для этого условия. На обучение пошли как данные смешанных образцов тканей, так и профили отдельных клеток человека и мыши. Всего в выборке было более 107 миллионов клеточных профилей; Nature уточняет, что они охватывали 68 тканей. [1] [2]
По данным Nature, при обучении использовались данные о 637 типах человеческих и 311 типах мышиных клеток. Этим перечнем работа модели не ограничивается: исследователи могут добавить данные об активности генов в новых отдельных клетках, и система построит прогноз для соответствующего состояния без переобучения. Однако прогноз для нового состояния всё равно остаётся прогнозом, а не непосредственным измерением. [2]
Модель оценивает несколько признаков работы ДНК, в том числе активность генов и доступность хроматина — то, насколько упакованная ДНК доступна клеточным механизмам. Среди новых выходных данных есть метилирование ДНК: химические метки, связанные с регуляцией генов. Система также может предсказывать недостающие измерения по имеющимся данным, помогая выбрать следующий эксперимент. [1]
Что показали испытания
Для одной из проверок разработчики использовали TenK10K — набор данных по 28 основным типам иммунных клеток. По их сообщению, AlphaGenome 2 обнаружила 30% причинных вариантов в этом тесте против 16% у прежней AlphaGenome, дополнительно обученной на данных отдельных клеток. Долю выявленных направленных эффектов на активность генов авторы оценивают в 43% против 23% у прежнего подхода. [1]
Эти числа относятся к выбранным данным и способу оценки, а не ко всем генетическим изменениям человека. Почти двукратный выигрыш в данном сравнении не означает, что новая модель распознаёт все причины болезней. Даже в этом тесте значительная часть вариантов осталась за пределами её возможностей.
Разработчики проверили систему и на уже известной истории, связанной с воспалительными заболеваниями кишечника. В 2024 году исследователи установили, что вариант в удалённом регуляторном участке связан с повышенной активностью гена ETS2 в иммунных клетках — макрофагах. До этого вариант обнаружили в области, где поблизости не было белок-кодирующих генов, и его действие оставалось неясным. [2]
AlphaGenome 2 воспроизвела важные черты этого результата на компьютере: выделила тот же вариант и предсказала усиление активности ETS2 преимущественно в кишечных макрофагах. Это проверка на уже изученном примере, а не открытие новой причины болезни. Для первоначального выяснения механизма понадобились лабораторные эксперименты, включая редактирование генов. [1] [2]
Руководитель исходного исследования Джеймс Ли рассказал Nature, что вычислительный разбор занял около получаса, тогда как эксперименты его команды продолжались примерно полтора года. Сравнивать эти сроки напрямую сложно: модель воспроизвела часть уже известного результата, а лаборатория выясняла и проверяла механизм. [2]
Что это меняет для исследований
Генетический поиск часто оставляет учёных с длинным списком подозрительных участков. Прогноз того, какие участки действуют в нужных клетках и какой ген затрагивают, помогает выбрать кандидатов для проверки. Это особенно полезно там, где проводить эксперименты для каждого кандидата слишком долго или сложно.
Но компьютерный ответ не заменяет проверку в живой системе. Ошибка возможна и в выборе варианта, и в прогнозе его действия; результаты, полученные для одних клеток или данных, нельзя автоматически переносить на все остальные. Связь варианта с болезнью сама по себе тоже не доказывает, что именно он её вызывает.
Google DeepMind открыла AlphaGenome 2 через API для некоммерческих исследований, а коммерческим исследователям предложила закрытый предварительный доступ. Компания отдельно предупреждает: ни AlphaGenome, ни AlphaGenome 2 не проверены и не одобрены для клинической диагностики. Пока это инструмент для исследовательской работы, который помогает находить вопросы для следующих опытов, а не ставить диагноз по ДНК. [1]
Источники
[1] Google DeepMind: AlphaGenome 2, 11 ноября 2026 года.
[2] Nature: DeepMind's ultra-powerful AI for genome mapping wows scientists, 11 ноября 2026 года.