Mendel, a foundation model of human genetic variation, prioritizes regulatory variants and improves gene expression prediction
Mendel è un nuovo modello di fondazione del DNA addestrato con un obiettivo centrato sulle varianti che supera i modelli esistenti come Evo 2 nel predire gli eventi allelici, dando priorità efficacemente alle varianti regolatorie e migliorando significativamente la predizione dell'espressione genica attraverso i tessuti umani.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Il corpo umano è costruito da un vasto e intricato manuale di istruzioni scritto in un codice chimico di quattro lettere. Per decenni, gli scienziati hanno letto questo manuale per trovare i minuscoli errori di battitura — singoli cambiamenti di lettera nella sequenza del DNA — che sono legati a malattie, tratti fisici e al modo in cui i nostri corpi rispondono al mondo. Queste scoperte sono state fatte confrontando il DNA di milioni di persone, individuando schemi in cui un cambiamento specifico di una lettera appare spesso insieme a un determinato esito di salute. Tuttavia, trovare il legame è solo l'inizio. La vera sfida risiede nel comprendere cosa faccia effettivamente quel cambiamento di lettera. Accende o spegne un gene? Rompe una macchina? La maggior parte di questi errori di battitura si trova nelle vaste regioni non codificanti del genoma, aree che non costruiscono direttamente le proteine ma che fungono invece da interruttori e regolatori di intensità per controllare quando e dove i geni siano attivi. Capire le conseguenze meccaniche di questi errori di battitura regolatori è rimasto un ostinato collo di bottiglia nella genetica, lasciando ai ricercatori una lunga lista di sospettati ma nessuna immagine chiara dei loro crimini.
Per risolvere questo problema, un team di ricercatori ha sviluppato un nuovo tipo di intelligenza artificiale chiamato Mendel. A differenza dei modelli precedenti, che erano stati addestrati per comprendere la grammatica generale del DNA leggendo l'intera sequenza di molte specie diverse, Mendel è stato costruito con un obiettivo diverso. È stato addestrato da zero specificamente sul DNA degli esseri umani, concentrandosi interamente sulle differenze tra gli individui. Immaginate uno studente che ha memorizzato un dizionario e le regole grammaticali, ma che fatica a capire perché due persone possano scrivere la stessa parola in modo diverso. Mendel è come uno studente che ha passato anni a studiare proprio quelle specifiche differenze di ortografia, imparando come le lettere circostanti influenzino se un cambiamento sia innocuo o significativo. Concentrando il suo apprendimento sui punti in cui il DNA umano varia effettivamente, Mendel ha imparato a prevedere quale codice genetico una persona dovrebbe avere in una specifica posizione basandosi sulla sequenza circostante. Quando testato su persone che non aveva mai visto prima, il modello ha previsto queste variazioni genetiche con un'accuratezza del 98,4%, un salto enorme rispetto agli strumenti esistenti che raggiungevano solo circa il 31% di accuratezza nello stesso compito.
Il vero potere di Mendel, tuttavia, non risiede nella sua capacità di prevedere il codice genetico comune e atteso, ma negli errori che commette. Quando il modello sbaglia una previsione, quell'errore non è rumore casuale; è un segnale. I ricercatori hanno scoperto che il modello incontrava maggiori difficoltà nelle località del genoma note per regolare l'attività genica, specificamente nei siti chiamati loci dei tratti quantitativi dell'espressione, o eQTL. Questi sono proprio i punti in cui un cambiamento genetico è noto per alterare la quantità di proteina prodotta da una cellula. Mentre i modelli precedenti trattavano questi importanti siti regolatori come qualsiasi altra parte del DNA, la difficoltà di Mendel nel prevedirli ha rivelato la loro importanza funzionale. Più difficile era per il modello indovinare il corretto codice genetico in un determinato punto, più probabile era che quel punto fosse un regolatore chiave dell'espressione genica. Questa "difficoltà residua" ha agito come un evidenziatore naturale, indicando direttamente le varianti che contano di più per la biologia umana.
I ricercatori hanno poi messo in pratica questa intuizione in un test pratico. Hanno utilizzato i punteggi di difficoltà del modello come guida per migliorare le previsioni dell'espressione genica in 50 diversi tessuti umani, come il fegato, il cervello e il cuore. In ogni singolo tessuto, dare un peso alle varianti genetiche in base a quanto Mendel le trovava difficili da prevedere ha portato a previsioni dell'attività genica più accurate rispetto all'uso di metodi standard. Questo miglioramento è rimasto valido anche rispetto ad altri strumenti sofisticati che si affidano a database preesistenti di mutazioni dannose. Lo studio suggerisce che addestrando un'IA a concentrarsi sulle scarse differenze individuali che ci rendono unici, piuttosto che sullo sfondo condiviso della nostra specie, gli scienziati possono scoprire un nuovo livello di informazione funzionale. Mendel non sostituisce i modelli esistenti che comprendono il linguaggio ampio della vita; al contrario, li completa offrendo una lente specializzata tarata specificamente sulle variazioni che definiscono la diversità e le malattie umane.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.