Ensembl åbner ni milliarder DNA-forudsigelser

Det humane referencegenom er en standardiseret udgave af menneskets omkring tre milliarder DNA-positioner. På hver position står et af fire kemiske bogstaver. Udskiftes bogstavet med et af de tre andre, opstår en hypotetisk mutation. Google DeepMinds AlphaGenome-model har beregnet konsekvenserne af samtlige mulige udskiftninger af ét bogstav. Resultatet er omkring ni milliarder registreringer, som hver rummer gennemsnitligt cirka 27.000 molekylære forudsigelser på tværs af væv og celletyper (DeepMind). Atlasset omfatter desuden mere end 100 millioner korte indsættelser og sletninger, som allerede er registreret i befolkningsdatabaser (Atlas-preprint).

Registreringerne bygger ikke på forsøg. De beskriver modellens bud på, hvad der ville ændre sig, hvis hver enkelt mutation opstod. Den afgørende prøve er derfor, om forudsigelserne hjælper forskerne med at finde de genetiske varianter, der faktisk har betydning.

En skjult variant og et spor i hjernen

Det mest konkrete eksempel er en person med alvorlig epileptisk encefalopati, hvor genetisk sekventering ikke havde fundet en forklaring. Forskere fra Broad Institute, GREGoR Consortium og AlphaGenome-holdet brugte atlassets samlede AVI-score, AlphaGenome Variant Impact, til at prioritere patientens varianter på ny. Dermed rykkede en ændring langt inde i en intron i genet DNM1 op på listen (Fortune). En intron er et stykke DNA, som fjernes, før et gens instruktioner omsættes til protein. Den slags områder bliver sjældent undersøgt grundigt. En tidligere RNA-analyse af blod havde heller ikke givet et klart svar, fordi DNM1 næsten ikke er aktivt i blodceller.

En særskilt analyse anslog, at 69 % af AVI-signalet skyldtes modellens forventning om ændret splejsning, altså den proces, hvor cellen klipper RNA til og samler det igen, før der dannes protein. Modellen forudsagde, at varianten ville skabe et unormalt splejsningssted i en hjernespecifik udgave af genet og føje 13 ekstra aminosyrer til proteinet (Fortune; DeepMind). Et laboratorieforsøg genskabte den forudsagte ændring, hvorefter varianten blev omklassificeret til sandsynligvis sygdomsfremkaldende. Det er en formel kategori, som bygger på blandt andet familiehistorik, arvegang og funktionelle data (Atlas-preprint).

Forløbet viser arbejdsdelingen mellem model og laboratorium. Scoren placerede varianten højt, analysen pegede forskerne i retning af et forsøg med splejsning, og forsøget bekræftede den forudsagte forstyrrelse. Modellen stillede ikke selv patientens diagnose, og den offentliggjorte beskrivelse redegør ikke for alle trin i klassificeringen (Nature).

Sammenligningen og næste skridt

I atlassets preprint sammenlignes AVI bagudrettet med løste tilfælde af sjældne sygdomme fra GREGoR Consortium. AVI placerede den kendte sygdomsfremkaldende variant blandt patientens 50 højest prioriterede kandidater i 29,5 % af tilfældene. For CADD, det veletablerede værktøj til vurdering af varianter i hele genomet, var andelen 12,5 % (Atlas-preprint). Forskellen var størst i de ikke-kodende områder. De udgør langt det meste af genomet, men ligger uden for opskrifterne på proteiner og har derfor traditionelt været sværest at fortolke. DeepMind-forskeren Žiga Avsec har samtidig erkendt, at modellen klarer visse enhancer-effekter dårligere. Enhancere er fjerntliggende DNA-områder, som regulerer geners aktivitet (Fortune).

Sammenligningerne måler rangeringen i nøje udvalgte tilfælde, hvor årsagen allerede er kendt. Arbejdet er udført med deltagelse af DeepMind-forskere og foreligger som preprint, altså før den endelige fagfællebedømmelse. At finde det kendte svar i historiske data er en anden opgave end at øge antallet af diagnoser blandt patienter, hvis sygdom stadig er uforklaret.

Den 9. september meddelte Europas offentlige center for bioinformatik, EMBL-EBI, at AVI-scoren nu kan hentes gennem Ensembl Variant Effect Predictor (VEP). Det er det annotationssystem, som forskere bruger til at omsætte rå genetiske data til resultater, der kan fortolkes (EMBL-EBI). VEP indgår allerede i arbejdsgangene på kliniske laboratorier og forskningslaboratorier. Med AVI kan laboratorier hente scoren sammen med oplysninger om konsekvenser for gener og hyppighed i befolkningen i én samlet kørsel, uden at skifte til en særskilt Google-portal. VEP gør scoren lettere at bruge, men blåstempler ikke dens kliniske præcision. DeepMind understreger, at AlphaGenome hverken er valideret eller godkendt til klinisk anvendelse (DeepMind).

I det beskrevne DNM1-tilfælde hjalp AlphaGenome forskerne med at prioritere en overset variant og opstille en hypotese om splejsning, som kunne afprøves i laboratoriet. Om metoden også fører til flere diagnoser i stor skala, må afgøres i fremadrettede studier fra uafhængige forskergrupper med reelt uløste sygdomstilfælde frem for historiske facitlister.