Mendel, a foundation model of human genetic variation, prioritizes regulatory variants and improves gene expression prediction
Mendel is een nieuw DNA-fundamentaal model dat is getraind met een variant-gecentreerde doelstelling die bestaande modellen zoals Evo 2 overtreft in het voorspellen van allelische gebeurtenissen, waardoor regulatoire varianten effectief worden geprioriteerd en de voorspelling van genexpressie in menselijke weefsels aanzienlijk wordt verbeterd.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Het menselijk lichaam is opgebouwd uit een enorme, ingewikkelde instructiehandleiding, geschreven in een chemische code van vier letters. Decennialang hebben wetenschappers deze handleiding gelezen om de minuscule typefouten te vinden—één letterverandering in de DNA-sequentie—die gekoppeld zijn aan ziekten, fysieke eigenschappen en hoe ons lichaam reageert op de wereld om ons heen. Deze ontdekkingen zijn gedaan door het DNA van miljoenen mensen te vergelijken, waarbij patronen werden opgemerkt waar een specifieke letterverandering vaak voorkomt naast een specifieke gezondheidsuitkomst. Het vinden van de link is echter pas het begin. De echte uitdaging ligt in het begrijpen van wat die letterverandering daadwerkelijk doet. Zet het een gen aan of uit? Breekt het een machine? De meeste van deze typefouten bevinden zich in de uitgestrekte, niet-coderende regio's van het genoom, gebieden die niet direct eiwitten bouwen, maar fungeren als de schakelaars en dimmers die bepalen wanneer en waar genen actief zijn. Het achterhalen van de mechanische gevolgen van deze regulatoire typefouten is een hardnekkige flessenhals in de genetica gebleven, waardoor onderzoekers met een lange lijst van verdachten bleven zitten, maar zonder een duidelijk beeld van hun misdaden.
Om dit op te lossen, heeft een team onderzoekers een nieuw type kunstmatige intelligentie ontwikkeld genaamd Mendel. In tegenstelling tot eerdere modellen die getraind waren om de algemene grammatica van DNA te begrijpen door de volledige sequentie van veel verschillende soorten te lezen, werd Mendel met een ander doel ontwikkeld. Het werd vanaf de basis specifiek getraind op het DNA van menselijke wezens, met een volledige focus op de verschillen tussen individuen. Stel je een student voor die een woordenboek en de grammaticaregels uit het hoofd heeft geleerd, maar moeite heeft om te begrijpen waarom twee mensen hetzelfde woord anders kunnen spellen. Mendel is als een student die jarenlang die specifieke spellingverschillen heeft bestudeerd, en heeft geleerd hoe de omliggende letters beïnvloeden of een verandering onschadelijk of betekenisvol is. Door het leren te concentreren op de plekken waar het menselijke DNA daadwerkelijk varieert, leerde Mendel te voorspellen welke genetische code een persoon op een specifieke locatie zou moeten hebben op basis van de omliggende sequentie. Wanneer getest op mensen die het model nog nooit had gezien, voorspelde het model deze genetische variaties met een nauwkeurigheid van 98,4%, een enorme sprong ten opzichte van bestaande hulpmiddelen die op dezelfde taak slechts ongeveer 31% nauwkeurigheid behaalden.
De ware kracht van Mendel ligt echter niet in het vermogen om de algemene, verwachte genetische code te voorspellen, maar in de fouten die het maakt. Wanneer het model een voorspelling fout heeft, is die fout geen willekeurige ruis; het is een signaal. De onderzoekers ontdekten dat het model het meest moeite had op locaties in het genoom die bekend staan om het reguleren van genactiviteit, specifiek op locaties die eQTL's worden genoemd, oftewel expression quantitative trait loci. Dit zijn precies de plekken waar een genetische verandering erom bekend staat de hoeveelheid van een eiwit die een cel produceert te veranderen. Terwijl oudere modellen deze belangrijke regulatoire locaties behandelden als elk ander deel van het DNA, onthulde de moeilijkheid van Mendel bij het voorspellen ervan hun functionele belang. Hoe moeilijker het model het vond om de juiste genetische code op een specifieke plek te raden, hoe groter de kans dat die plek een belangrijke regulator is van genexpressie. Deze "residuele moeilijkheid" fungeerde als een natuurlijke highlighter, die direct wees naar de varianten die het belangrijkst zijn voor de menselijke biologie.
De onderzoekers pasten dit inzicht vervolgens toe in een praktische test. Ze gebruikten de moeilijkheidsscores van het model als gids om de voorspellingen van genexpressie in 50 verschillende menselijke weefsels te verbeteren, zoals de lever, de hersenen en het hart. In elk weefsel resulteerde het wegen van de genetische varianten op basis van hoe moeilijk Mendel ze vond om te voorspellen, in nauwkeurigere voorspellingen van genactiviteit dan het gebruik van standaardmethoden. Deze verbetering hield stand, zelfs in vergelijking met andere geavanceerde tools die vertrouwen op bestaande databases van schadelijke mutaties. De studie suggereert dat door een AI te trainen om zich te concentreren op de schaarse, individuele verschillen die ons uniek maken, in plaats op de gedeelde achtergrond van onze soort, wetenschappers een nieuwe laag van functionele informatie kunnen ontsluiten. Mendel vervangt de bestaande modellen die de brede taal van het leven begrijpen niet; in plaats daarvan vult het hen aan door een gespecialiseerde lens te bieden die specifiek is afgestemd op de variaties die de menselijke diversiteit en ziekte definiëren.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.