A modality gap in personal-genome prediction by sequence-to-function models

Resumo Técnico: Uma Lacuna de Modalidade na Predição de Genoma Pessoal por Modelos de Sequência-para-Função

Declaração do Problema
Modelos de sequência-para-função (S2F) têm demonstrado um desempenho robusto ao prever atividade regulatória e efeitos de variantes quando avaliados em genomas de referência. No entanto, uma limitação crítica persiste: esses modelos têm dificuldade em prever com precisão a variação interindividual na expressão gênica derivada de genomas pessoais. Embora as arquiteturas S2F se destaquem ao capturar sinais regulatórios locais, sua capacidade de generalizar através dos diversos backgrounds genéticos de indivíduos — especificamente na predição de traços quantitativos como a expressão gênica — permanece não comprovada e, frequentemente, subótima em comparação com baselines estabelecidos.

Metodologia
O estudo avalia o AlphaGenome, um modelo S2F de última geração, na tarefa de prever a variação fenotípica a partir de genomas pessoais. A avaliação foca em duas modalidades moleculares distintas:

1. Acessibilidade da Cromatina: Medindo regiões de cromatina aberta.
2. Expressão Gênica: Medindo a abundância de transcritos.

Os autores comparam o desempenho do AlphaGenome contra um modelo baseline (Borzoi) e contra o teto de herdabilidade teórico (a precisão preditiva máxima alcançável dado a arquitetura genética do traço). Para dissecar as causas subjacentes às disparidades de desempenho, o estudo emprega:

• Análise de Truncamento de Contexto: Variando sistematicamente o comprimento da sequência de entrada para determinar a dependência do contexto genômico local versus de longo alcance.
• Análises de QTL de Mapeamento Fino: Examinando a capacidade do modelo em capturar os efeitos de variantes regulatórias específicas identificadas através do mapeamento de locus de traço quantitativo.

Resultados Principais
A avaliação revela uma lacuna de modalidade impressionante nas capacidades preditivas do AlphaGenome:

• Acessibilidade da Cromatina: O AlphaGenome aproxima-se do teto de herdabilidade para prever a variação na acessibilidade da cromatina. Isso indica que o modelo captura com sucesso a gramática regulatória que governa esta modalidade.
• Expressão Gênica: Em contraste, o AlphaGenome apresenta um desempenho significativamente abaixo do teto de herdabilidade para a expressão gênica. Embora mostre melhoria em relação ao baseline Borzoi, ele falha em atingir os limites teóricos de predição.

Insights Mecanísticos
O estudo atribui essa dicotomia à natureza dos mecanismos regulatórios que governam cada modalidade:

• Regulação Local vs. de Longo Alcance: As análises de truncamento de contexto e de QTL sugerem que a acessibilidade da cromatina é governada primariamente por uma gramática regulatória local, que as atuais arquiteturas S2F são bem aptas a capturar.
• Desafios de Integração: Por outro lado, a variação da expressão gênica parece depender fortemente da integração regulatória de longo alcance. As arquiteturas de modelos atuais lutam para integrar efetivamente esses sinais regulatórios distais, levando à lacuna de desempenho observada.

Significância e Alegações
O artigo estabelece que as limitações dos atuais modelos S2F na predição de genoma pessoal não são uniformes entre os diferentes traços moleculares. A principal significância reside em identificar que, embora esses modelos tenham amadurecido até o ponto de quase-optimalidade para características regulatórias locais (acessibilidade), eles permanecem fundamentalmente desafiados pelas dependências de longo alcance necessárias para a predição precisa da expressão gênica. Esta descoberta destaca um gargalo arquitetônico específico: a incapacidade das atuais estruturas de sequência-para-função de modelar plenamente as complexas interações regulatórias de longo alcance necessárias para explicar a variação interindividual na expressão gênica.