Mendel, a foundation model of human genetic variation, prioritizes regulatory variants and improves gene expression prediction
Mendel est un nouveau modèle de fondation d'ADN entraîné avec un objectif centré sur les variants qui surpasse les modèles existants comme Evo 2 pour prédire les événements alléliques, en priorisant efficacement les variants régulateurs et en améliorant significativement la prédiction de l'expression génique à travers les tissus humains.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète
Le corps humain est construit à partir d'un manuel d'instructions vaste et complexe, écrit dans un code chimique à quatre lettres. Pendant des décennies, les scientifiques ont lu ce manuel pour débusquer les minuscules fautes de frappe — des changements d'une seule lettre dans la séquence d'ADN — qui sont liés à des maladies, des traits physiques et la façon dont nos corps réagissent au monde. Ces découvertes ont été réalisées en comparant l'ADN de millions de personnes, en repérant des motifs où un changement de lettre spécifique apparaît souvent aux côtés d'un résultat de santé particulier. Cependant, trouver le lien n'est que le début. Le véritable défi consiste à comprendre ce que ce changement de lettre fait réellement. Est-ce qu'il active ou désactive un gène ? Est-ce qu'il casse une machine ? La plupart de ces fautes de frappe se situent dans les vastes régions non codantes du génome, des zones qui ne construisent pas directement des protéines mais qui agissent plutôt comme des interrupteurs et des variateurs contrôlant quand et où les gènes sont actifs. Comprendre les conséquences mécaniques de ces fautes de frappe régulatrices est resté un goulot d'étranglement tenace en génétique, laissant les chercheurs avec une longue liste de suspects mais sans image claire de leurs crimes.
Pour résoudre ce problème, une équipe de chercheurs a développé un nouveau type d'intelligence artificielle appelée Mendel. Contrairement aux modèles précédents qui ont été entraînés pour comprendre la grammaire générale de l'ADN en lisant l'intégralité de la séquence de nombreuses espèces différentes, Mendel a été conçu avec un objectif différent. Il a été entraîné de zéro spécifiquement sur l'ADN des êtres humains, en se concentrant entièrement sur les différences entre les individus. Imaginez un étudiant qui aurait mémorisé un dictionnaire et les règles de grammaire, mais qui aurait du mal à comprendre pourquoi deux personnes pourraient épeler le même mot différemment. Mendel est comme un étudiant qui aurait passé des années à étudier ces différences d'orthographe spécifiques, apprenant comment les lettres environnantes influencent le fait qu'un changement soit inoffensif ou significatif. En concentrant son apprentissage sur les endroits où l'ADN humain varie réellement, Mendel a appris à prédire quel code génétique une personne devrait avoir à un endroit spécifique en fonction de la séquence environnante. Testé sur des personnes qu'il n'avait jamais vues auparavant, le modèle a prédit ces variations génétiques avec une précision de 98,4 %, un bond massif par rapport aux outils existants qui n'atteignaient qu'environ 31 % de précision sur la même tâche.
Le véritable pouvoir de Mendel, cependant, ne réside pas dans sa capacité à prédire le code génétique commun et attendu, mais dans les erreurs qu'il commet. Lorsque le modèle se trompe de prédiction, cette erreur n'est pas un bruit aléatoire ; c'est un signal. Les chercheurs ont découvert que le modèle éprouvait le plus de difficultés aux endroits du génome connus pour réguler l'activité génique, plus précisément aux sites appelés locus de traits quantitatifs d'expression, ou eQTL. Ce sont précisément ces endroits où un changement génétique est connu pour altérer la quantité de protéine produite par une cellule. Alors que les modèles plus anciens traitaient ces sites régulateurs importants comme n'importe quelle autre partie de l'ADN, la difficulté de Mendel à les prédire a révélé leur importance fonctionnelle. Plus le modèle trouvait difficile de deviner le code génétique correct à un endroit donné, plus il était probable que cet endroit soit un régulateur clé de l'expression génique. Cette « difficulté résiduelle » a agi comme un surligneur naturel, pointant directement vers les variants qui comptent le plus pour la biologie humaine.
Les chercheurs ont ensuite mis cette intuition à l'épreuve dans un test pratique. Ils ont utilisé les scores de difficulté du modèle comme guide pour améliorer les prédictions de l'expression génique dans 50 tissus humains différents, tels que le foie, le cerveau et le cœur. Dans chaque tissu, le fait de pondérer les variants génétiques en fonction de la difficulté que Mendel trouvait à les prédire a permis d'obtenir des prédictions de l'activité génique plus précises que les méthodes standards. Cette amélioration s'est avérée réelle, même par rapport à d'autres outils sophistiqués qui s'appuient sur des bases de données préexistantes de mutations nocives. L'étude suggère qu'en entraînant une IA à se concentrer sur les différences individuelles éparses qui nous rendent uniques, plutôt que sur le fond commun de notre espèce, les scientifiques peuvent découvrir une nouvelle couche d'information fonctionnelle. Mendel ne remplace pas les modèles existants qui comprennent le langage large de la vie ; il les complète en offrant un objectif spécialisé, réglé spécifiquement sur les variations qui définissent la diversité et les maladies humaines.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.