Mendel, a foundation model of human genetic variation, prioritizes regulatory variants and improves gene expression prediction
Mendel ist ein neuartiges DNA-Fundamentmodell, das mit einem variantenzentrierten Ziel trainiert wurde und bestehende Modelle wie Evo 2 bei der Vorhersage von Allel-Ereignissen übertrifft, indem es regulatorische Varianten effektiv priorisiert und die Vorhersage der Genexpression über menschliche Gewebe hinweg signifikant verbessert.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Der menschliche Körper ist aus einem riesigen, komplizierten Handbuch aufgebaut, das in einem vierbuchstabigen chemischen Code geschrieben wurde. Jahrzehntelang haben Wissenschaftler dieses Handbuch gelesen, um nach den winzigen Tippfehlern zu suchen – einlagen Buchstabendrehern in der DNA-Sequenz –, die mit Krankheiten, körperlichen Merkmalen und der Art und Weise, wie unser Körper auf die Welt reagiert, in Verbindung stehen. Diese Entdeckungen wurden gemacht, indem man die DNA von Millionen von Menschen verglich und Muster aufspürte, bei denen eine spezifische Änderung eines Buchstabens häufig zusammen mit einem bestimmten gesundheitlichen Ergebnis auftritt. Das Finden der Verbindung ist jedoch erst der Anfang. Die eigentliche Herausforderung liegt darin, zu verstehen, was diese eine Änderung des Buchstabens tatsächlich bewirkt. Schaltet sie ein Gen an oder aus? Beschädigt sie eine Maschine? Die meisten dieser Tippfehler befinden sich in den riesigen, nicht-kodierenden Regionen des Genoms, Bereichen, die nicht direkt Proteine bauen, sondern stattdessen als Schalter und Dimmer fungieren, die steuern, wann und wo Gene aktiv sind. Die mechanischen Folgen dieser regulatorischen Tippfehler zu ergründen, blieb ein hartnäckiger Engpass in der Genetik und hinterließ den Forschern eine lange Liste von Verdächtigen, aber kein klares Bild ihrer Verbrechen.
Um dies zu lösen, hat ein Forscherteam eine neue Art von künstlicher Intelligenz namens Mendel entwickelt. Im Gegensatz zu bisherigen Modellen, die darauf trainiert wurden, die allgemeine Grammatik der DNA durch das Lesen der gesamten Sequenz vieler verschiedener Arten zu verstehen, wurde Mendel mit einem anderen Ziel im Hinterkopf entwickelt. Es wurde von Grund auf neu speziell auf der DNA von Menschen trainiert, mit einem Fokus, der ganz auf den Unterschieden zwischen Individuen liegt. Stellen Sie sich einen Studenten vor, der ein Wörterbuch und die Grammatikregeln auswendig gelernt hat, aber Schwierigkeiten hat zu verstehen, warum zwei Menschen dasselbe Wort unterschiedlich buchstabieren könnten. Mendel ist wie ein Student, der jahrelang genau diese spezifischen Buchstabierunterschiede studiert hat und gelernt hat, wie die umgebenden Buchstaben beeinflussen, ob eine Änderung harmlos oder bedeutsam ist. Indem es sein Lernen auf die Stellen konzentrierte, an denen die menschliche DNA tatsächlich variiert, lernte Mendel vorherzusagen, welchen genetischen Code eine Person an einer bestimmten Stelle haben sollte, basierend auf der umgebenden Sequenz. Als es an Menschen getestet wurde, die es zuvor noch nie gesehen hatte, sagte das Modell diese genetischen Variationen mit einer Genauigkeit von 98,4 % voraus – ein massiver Sprung gegenüber bestehenden Werkzeugen, die bei derselben Aufgabe nur etwa 31 % Genauigkeit erreichten.
Die wahre Stärke von Mendel liegt jedoch nicht in seiner Fähigkeit, den häufigen, erwarteten genetischen Code vorherzusagen, sondern in den Fehlern, die es macht. Wenn das Modell eine Vorhersage falsch trifft, ist dieser Fehler kein zufälliges Rauschen; er ist ein Signal. Die Forscher fanden heraus, dass das Modell am meisten an Stellen im Genom Schwierigkeiten hatte, die dafür bekannt sind, die Genaktivität zu regulieren, insbesondere an Stellen, die als expression quantitative trait loci, oder eQTLs, bezeichnet werden. Dies sind genau jene Punkte, an denen eine genetische Änderung bekannt dafür ist, die Menge eines Proteins zu verändern, das eine Zelle produziert. Während ältere Modelle diese wichtigen regulatorischen Stellen wie jeden anderen Teil der DNA behandelten, offenbarte Mendels Schwierigkeit bei der Vorhersage dieser Stellen deren funktionale Bedeutung. Je schwerer es das Modell fand, den korrekten genetischen Code an einem bestimmten Punkt zu erraten, desto wahrscheinlicher war es, dass dieser Punkt ein Schlüsselregulator der Genexpression ist. Diese „Restschwierigkeit“ fungierte als natürlicher Textmarker, der direkt auf die Varianten hinwies, die für die menschliche Biologie am wichtigsten sind.
Die Forscher setzten diese Erkenntnis dann in einem praktischen Test um. Sie nutzten die Schwierigkeitsgrade des Modells als Leitfaden, um die Vorhersagen der Genexpression in 50 verschiedenen menschlichen Geweben, wie Leber, Gehirn und Herz, zu verbessern. In jedem einzelnen Gewebe führte die Gewichtung der genetischen Varianten basierend darauf, wie schwer Mendel sie vorherzusagen fand, zu genaueren Vorhersagen der Genaktivität als Standardmethoden. Diese Verbesserung hielt selbst im Vergleich zu anderen hochentwickelten Werkzeugen stand, die auf bestehenden Datenbanken schädlicher Mutationen beruhen. Die Studie legt nahe, dass man, indem man eine KI darauf trainiert, sich auf die spärlichen, individuellen Unterschiede zu konzentrieren, die uns einzigartig machen, anstatt auf den gemeinsamen Hintergrund unserer Spezies, eine neue Ebene funktioneller Informationen erschließen kann. Mendel ersetzt nicht die bestehenden Modelle, die die breite Sprache des Lebens verstehen; stattdessen ergänzt es sie, indem es eine spezialisierte Linse bietet, die genau auf die Variationen abgestimmt ist, die die menschliche Vielfalt und Krankheiten definieren.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.