AlphaGenome 2 Tanıtıldı: DeepMind'ın DNA Modeli Hücre Türüne Göre Varyant Etkisini Tahmin Ediyor

AlphaGenome 2 tanıtıldı. Google DeepMind, 11 Kasım'da DNA dizilerindeki değişikliklerin belirli insan hücre türlerinde gen faaliyetini nasıl etkilediğini tahmin eden yeni nesil modelini duyurdu. DeepMind'a göre model, 68 dokudan 100 milyonun üzerinde tekil hücre profiliyle eğitildi ve bir önceki en gelişmiş modele kıyasla hücrelerde gen ifadesini değiştiren varyantların yaklaşık iki katını belirleyebiliyor. Model ticari olmayan araştırmalar için AlphaGenome API üzerinden bugünden kullanıma açık, ticari araştırmalar için ise özel önizlemede.

AlphaGenome 2 ne yapıyor?

Vücuttaki her hücre aynı DNA'yı taşıyor, ancak bir kalp kası hücresi ile enfeksiyonla savaşan bir bağışıklık hücresi farklı genleri açıp kapatıyor. DeepMind'a göre gen ifadesindeki ince DNA farklarının bu hücre türlerinde nasıl bir etki yarattığını tahmin etmek hâlâ çözülmemiş bir sorundu. Geçen yıl duyurulan ilk AlphaGenome, geniş doku ortalamalarını tahmin ediyordu. AlphaGenome Atlas ise insan genomundaki 9 milyar olası tek harflik değişiklik için tahminler içeriyordu.

AlphaGenome 2'nin temel yeniliği, hücre türlerini ele alış biçimi. İlk model 1 milyon harflik bir DNA dizisinden birçok doku ve hücre hattını paralel olarak tahmin ediyordu; bu, modelin kapasitesini inceltiyor ve birbirine yakın hücre türleri arasındaki ince farkları yakalamayı zorlaştırıyordu. Yeni model ise "koşullu" çalışıyor: DNA dizisiyle birlikte hedef biyolojik koşulu, yani doku, hücre türü ya da durumu giriş olarak alıyor ve aynı DNA parçasının farklı hücrelerde nasıl farklı okunduğunu öğreniyor. Model, gen ifadesi, histon değişiklikleri ve kromatin erişilebilirliğine ek olarak talep gören DNA metilasyonunu da tahmin ediyor.

Testlerde neler gösterdi?

DeepMind'ın paylaştığı sonuçlara göre model, 28 bağışıklık hücresi türünü kapsayan TenK10K veri kümesinde nedensel varyantların yüzde 30'unu, yön bilgili gen etkilerinin yüzde 43'ünü doğru belirledi. Tek hücre verisiyle ince ayar yapılan ilk AlphaGenome için bu oranlar sırasıyla yüzde 16 ve yüzde 23'tü.

Şirket iki örnek de verdi. İlki, bağırsak iltihabı hastalığına (IBD) yol açan ve bağırsaktaki makrofajlarda ETS2 genini aşırı aktive eden uzak bir düzenleyici varyant: AlphaGenome 2 bu bulguyu hesaplamayla yeniden üretti ve varyantın yalnızca bu hücre türünde geni artırdığını gösterdi. İkincisi, bir COVID-19 mRNA aşısı çalışmasının verisi: model, aşıyla aktive olmuş T hücrelerini dinlenme hâlindekilerden ayırdı ve şiddetli COVID-19 ile ilişkili bir varyantın hücre aktifken gen faaliyetini daha güçlü bozduğunu ortaya koydu. Bu etki, aktive olmamış hücrelerde gözden kaçardı.

Yeniden eğitim gerekmeden yeni hücre durumları

Bilim insanları birkaç düzine hücreden alınan tek hücre RNA verisini yükleyerek modeli yeni bir hücre durumuna göre koşullayabiliyor; DeepMind'a göre model, yeniden eğitim gerektirmeden bu veri kümeleri üzerinde doğrudan eğitilmiş modellerle eşleşiyor ya da onları geçiyor. Cambridge Üniversitesi'nden Prof. Sarah Teichmann, bu özelliği heyecan verici bulduğunu belirtti. DeepMind'ın en son modeli için Gemini 4 Carbon haberimize göz atabilirsiniz. Bu sonuçlar DeepMind'ın kendi açıklamasına dayanıyor; bağımsız doğrulamalar geldikçe modelin gerçek katkısı netleşecek.