|
近日，谷歌 DeepMind 研究团队基于 AlphaFold 开发出一个名为“AlphaMissense”新 AI 模型，其可以分析 DNA 突变的影响，能够识别致病的错义突变以及未知的致病基因，有望加速罕见遗传疾病的研究。 目前，这项研究成果已经以“Accurate proteome-wide missense variant effect prediction with AlphaMissense”（利用 AlphaMissense 准确预测蛋白质组的错义突变）为题发表在 Science 上。  （来源：Science） 遗传密码中潜藏着数以百万计的可能变异，这些变异可能会对生物体造成严重破坏，尤其是那些错义突变。基因中单个碱基的变化导致蛋白质中氨基酸的变化（产生不同的氨基酸），氨基酸是蛋白质的组成部分，蛋白质是构成生物体不可或缺的部分，因此即使是非常微小的突变也会产生巨大而深远的影响。 人类基因组中大约存在 7100 万个可能的错义突变，平均每个人携带超过 9000 个，这些错义突变中大多数是无关紧要的，但其中有些已被证实与遗传疾病有关，包括镰状细胞病、囊性纤维化，以及更为复杂的 2 型糖尿病等，其可能是由多种基因突变引起。 通常情况下，研究单个错义突变的影响（比如致病性）可能需要花费数月的时间，在人类发现的 400 万个错义突变中，只有 2% 被归为致病性或者是良性，这是经过多年长期研究才得出的结果。 如今，AlphaMissense 的出现有望大幅加速这一研究进程。 据了解，AlphaMissense 是一种可以分析错义突变的机器学习模型，并且能够以非常高的准确度预测它们引发疾病的可能性，优于现有的工具。 AlphaMissense 虽然建立在 DeepMind 的开创性模型 AlphaFold（能够根据氨基酸组成预测数以亿计的蛋白质结构）的基础上，但两者的工作方式存在差异，与预测蛋白质结构不同，AlphaMissense 更像是一个大型语言模型，比如 OpenAI 开发的 ChatGPT。 目前，AlphaMissense 已经接受了人类（和灵长类动物）生物学的语言训练，因此能够判断蛋白质中氨基酸的正常序列，当其遇到一个序列出错时便会引起它的“注意”，类似于句子中出现一个不合适的单词一样。 “它其实是一个用蛋白质序列训练的语言模型，如果我们替换了英语句子中的一个单词，熟悉英语的人可以立即看出替换的单词是否会改变句子的意思。”该论文的共同一作 Jun Cheng 表示。 DeepMind 的研究副总裁 Pushmeet Kohli 使用了食谱书进行类比，“如果 AlphaFold 关注的是成分如何精确地结合在一起，那么 AlphaMissense 则预测如果你完全使用错误的成分可能会发生什么。”他表示。 AlphaMissense 根据对其他密切相关突变影响的了解，为 7100 万个可能的错义突变中的每一个分配了介于 0 到 1 之间的“致病性评分”，评分越高意味着特定突变导致疾病或与疾病相关的可能性就越大。 随后，DeepMind 研究团队与英国政府机构 Genomics England 开展合作以验证 AlphaMissense 对已知错义突变的预测是否符合真实世界的研究，发现 AlphaMissense 的准确率达到 90%。 同时，AlphaMissense 还把 7100 万个可能的错义突变中的 89% 进行了分类，其中有 32% 可能是致病的，另外 57% 则可能为良性的。 基于 AlphaMissense 的预测结果，今后若是想要找出某个特定的错义突变是否与某种疾病相关，研究人员就可以在表格中进行查找，并且还能看到其预测的致病性评分。 DeepMind 研究人员希望，就像 AlphaFold 正在加速推动从药物发现到癌症治疗一样，AlphaMissense 将帮助多个领域的研究人员加速对遗传变异的研究，使他们能够更快地诊断疾病并找到新的治疗方法。 此外，研究人员同时也指出，这些预测数据不应单独使用，而是应仅作为真实世界研究的一个指导。 换句话说，AlphaMissense 可以帮助研究人员通过快速排除不太可能的基因突变进而加速基因突变与疾病匹配的过程，也可以帮助研究人员更好地理解那些被忽略的基因组区域，该模型还包括一个评估每个基因对人类生存重要性的“必要性”指标，尽管许多基因似乎是必不可少的，但目前大约仍有五分之一的人类基因的功能尚不完全清楚。 免责声明：本文旨在传递合成生物学最新讯息，不代表平台立场，不构成任何投资意见和建议，以官方/公司公告为准。本文也不是治疗方案推荐，如需获得治疗方案指导，请前往正规医院就诊。 |
|
|
