Alphabet公司旗下的Google DeepMind今日发布了AlphaGenome，这是一款能够全面预测人类DNA序列突变或变异如何影响基因调控的新型人工智能工具。
基因组是活细胞内完整的脱氧核糖核酸（DNA）集合，包含发育、生长和功能所需的全部遗传信息。在人类中，基因组由位于细胞核内的23对染色体组成，调控着包括环境反应和疾病易感性在内的一切生理过程。
新的AlphaGenome模型能够处理极长的DNA序列作为输入——最多可达100万个字母（也称为碱基对）——并预测数千种分子特性。这些字母就是我们熟知的A、T、C和G。
该模型能够预测的特性包括：不同细胞类型和组织中基因的起始和终止位置、剪接位点以及蛋白质产生数量。蛋白质是组织和酶的构建块，是机体发挥作用的必需物质。该模型还能判断基因之间的距离关系或是否与其他蛋白质结合。
DeepMind使用来自大型公共联盟的大量科学数据训练了这个模型，这些数据包含基因调控信息，涵盖ENCODE、GTEx、4D Nucleome等项目。
这个AI模型不仅能够"观察"大量DNA字母并预测基因行为，还能以单个字母的分辨率进行预测。长序列长度对于覆盖距离起始基因较远的调控基因区域至关重要。
DeepMind团队表示："以往的模型必须在序列长度和分辨率之间进行权衡，这限制了它们能够联合建模和准确预测的模式范围。"
这一能力使得AI模型在预测"剪接"错误方面非常有用。这些错误可能导致罕见的遗传疾病，如脊髓性肌萎缩症和某些形式的囊性纤维化。
可以将DNA比作培训视频的脚本，而核糖核酸（RNA）则是原始素材。在最终剪辑前，细胞会"编辑"RNA，移除不必要的部分并将重要场景拼接在一起。但有时编辑会出错——关键场景被遗漏或包含了多余内容——导致最终产品存在缺陷。这些被称为剪接连接错误的失误可能会破坏身体的正常运作。
据DeepMind介绍，AlphaGenome在广泛的基因组预测基准测试中达到了最先进的性能水平，包括预测DNA分子哪些部分会相互接近、遗传变异是否会增加或降低基因表达，或是否会改变基因剪接模式。
纪念斯隆·凯特琳癌症中心研究员Caleb Lareau博士表示："这是该领域的一个里程碑。我们首次拥有了一个统一长程上下文、碱基级精度和在整个基因组任务谱系中实现最先进性能的单一模型。"
DeepMind表示，预期AlphaGenome将成为疾病研究的强大工具，通过帮助准确预测遗传破坏来促进疾病理解。它还可用于指导具有特定调控功能的合成DNA设计，并通过协助理解基因组的关键功能元件来加速基因组研究的进展。
