Понять природу болезни: как ИИ может помочь в изучении генетических заболеваний

Примечание редакции

Мы подбираем материалы для раздела «Мнение», чтобы показать, как воспринимают рынок и компании в других странах. Авторская позиция в таких статьях зачастую не совпадает со взглядами нашей редакции, но дает понимание рынка и его медийной составляющей.

По материалам блога Google

Ваш геном — это своего рода «инструкция» для вашего организма, своеобразный чертеж, определяющий принципы его функционирования. Он состоит из 3 миллиардов пар оснований ДНК. Поскольку ДНК, помимо прочего, отвечает за включение и выключение генов, от нее может зависеть, возникнет ли у человека то или иное заболевание. Выявление конкретных изменений в ДНК, которые приводят к болезням (или другим последствиям), — это задача сродни поиску иголки в стоге сена.

Наглядный пример: ваш геном — шаг за шагом.

Расшифровка последовательности ДНК — главная цель проекта AlphaGenome, разработанного в компании Google DeepMind. Модель AlphaGenome способна анализировать фрагменты ДНК длиной в миллион пар оснований и делать тысячи прогнозов. Сравнивая эти прогнозы изменений в ДНК, ученые могут гораздо быстрее найти ту самую «иголку в стоге сена».

Исследователь из компании Google DeepMind Жига Авсец (Žiga Avsec) рассказал об этом немного подробнее.

Чем вы занимаетесь в Google?

ЖА: Я курирую наше направление в области геномики. По сути, возглавляю команду, которая создает модели, помогающие нам лучше понять устройство генома.

Как ваша команда помогает ученым прогнозировать и понимать заболевания?

Все сводится к тому, как именно работает геном. Он содержит 3 миллиарда пар оснований ДНК. Каждая пара состоит из двух оснований — мы обозначаем их буквами. Эти буквы — А (аденин), Т (тимин), Ц (цитозин), Г (гуанин) — образуют своего рода биологический алфавит, из которого складывается генетическая инструкция, определяющая каждого из нас.

Поскольку каждую из этих «букв» можно заменить одной из трех других, существует 9 миллиардов возможных вариантов точечных замен. Многие генетические заболевания вызваны изменением всего лишь одной такой «буквы». Однако у ученых нет возможности провести миллиарды исследований, чтобы выяснить, какие именно замены оказывают влияние. Поэтому мы использовали AlphaGenome для прогнозирования последствий всех 9 миллиардов возможных точечных замен и сформировали масштабный набор данных — AlphaGenome Atlas, — который помогает ученым быстрее определять приоритетные направления для исследований.

«Буквы» здесь приведены для примера

Что мешает ученым лучше понять геном?

Современная наука способна «прочитать» все 3 миллиарда пар оснований ДНК человека, но мы до сих пор не до конца расшифровали «смысл» генетического кода — в частности, ту его часть, которая не кодирует белки (так называемую «темную материю» генома), но при этом регулирует экспрессию генов (процесс, в ходе которого наследственная информация от гена преобразуется в функциональный продукт — РНК или белок. — Прим. ред.) и определяет риск развития заболеваний. Экспериментальные, лабораторные исследования — лучшая возможность совершить прорыв в понимании генома, однако они требуют огромных затрат времени и средств. На получение одного значимого результата могут уйти годы.

Представьте, что вы расшифровали ДНК пациента с редким заболеванием. В результате можно обнаружить 4 миллиона вариантов — 4 миллиона отличий ДНК этого человека от эталонного генома. Но возникает вопрос: какой именно вариант стал причиной болезни? Можно попытаться сузить круг поиска, оставив только редкие варианты, но даже в этом случае их могут остаться сотни или тысячи.

Используя AlphaGenome Atlas, ученые получают единый, удобный для восприятия показатель — AVI (AlphaGenome Variant Impact). Он позволяет мгновенно оценить потенциальное влияние конкретного генетического варианта на весь геном. Это помогает исследователям расставить приоритеты и быстрее выявить наиболее значимые изменения, требующие дальнейшего изучения.

Каждая точка соответствует множеству вариантов. Значения показателей — условные.

Как AlphaGenome может повлиять на жизни обычных людей?

Инструменты, подобные AlphaGenome, позволяют нам перейти от простого «чтения» ДНК к пониманию молекулярных механизмов заболеваний. Это дает исследователям новые направления для проверки и приближает нас к созданию полноценной цифровой модели человеческой клетки.

Влияние может быть разным. Во-первых, это возможность ускорить научные исследования, что позволит совершенствовать диагностику и подбирать персонализированное лечение для пациентов с редкими или ранее не изученными генетическими нарушениями. Во-вторых, это помогает фармацевтическим компаниям быстрее находить и проверять перспективные терапевтические мишени, что ускоряет разработку лекарств. Кроме того, архитектура модели AlphaGenome может быть полезна для решения более широких задач — например, для выведения сельскохозяйственных культур, устойчивых к изменениям климата.

Возможные направления применения AlphaGenome.

Какие прорывы стали возможны благодаря AlphaGenome?

AlphaGenome — относительно новый инструмент. Мы запустили его в июне 2025 года, а в сентябре этого года представили AlphaGenome Atlas. Тем не менее исследователи уже активно используют его в своей научной работе.

Гарет Хоукс, научный сотрудник Совета по медицинским исследованиям (Medical Research Council) в Эксетерском университете применил AlphaGenome Atlas, чтобы сузить круг поиска среди 1 миллиарда генетических вариантов. Из 1% наиболее значимых из них он выделил 19 групп, связанных с индексом массы тела, чтобы сосредоточиться на них в своих исследованиях.

А Лора Ковилл, научный сотрудник Института Броуда (Broad Institute), использовала показатель AVI для отбора генетических вариантов при изучении редких заболеваний неясного происхождения. С помощью AlphaGenome Atlas удалось обнаружить ключевой вариант в гене, связанном с нарушениями нейроразвития. Полученные данные подтвердили выбор дальнейшего направления исследований и в конечном итоге помогли установить диагноз.

Каковы ваши дальнейшие планы?

Мы только что представили нашу новейшую модель — AlphaGenome 2. Она решает одну из ключевых проблем предыдущей версии, AlphaGenome, — зависимость от типа клеток. Несмотря на то, что AlphaGenome — передовая разработка, она обучалась преимущественно на данных, полученных из цельных тканей или клеточных культур. Однако мы знаем, что отдельные типы клеток в составе таких тканей выполняют строго определенные функции, а их неправильное функционирование может приводить к развитию заболеваний. AlphaGenome 2 выходит за рамки усредненных показателей на уровне тканей: модель позволяет прогнозировать, как генетическая вариативность влияет на конкретные типы клеток, помогая исследователям выявлять клеточные механизмы возникновения болезней.

Кроме того, мы активно работаем над совершенствованием методов оценки уверенности модели в собственных прогнозах, чтобы исследователи понимали, насколько можно доверять каждому конкретному результату. Предварительный анализ показывает, что для вариантов, для которых модель предсказывает выраженный эффект, она обеспечивает весьма высокую точность прогнозов. Впрочем, как и всегда, при использовании AlphaGenome полученные результаты следует сопоставлять с данными из других источников.

Какова конечная цель вашей работы в области биологии?

В краткосрочной перспективе мы стремимся использовать искусственный интеллект, чтобы лучше понять «грамматику» генома и точно прогнозировать последствия мутаций. В долгосрочной перспективе мы хотим, опираясь на этот фундамент, создать полноценную цифровую симуляцию человеческой клетки.

Это позволит ученым моделировать механизмы заболеваний с помощью вычислительных методов, изучать редкие генетические нарушения и тестировать возможные подходы в лечении.

k.ivanov@mobile-review.com
наверх