Ensembl avaa laboratorioille yhdeksän miljardia ennustetta

Ihmisen viitegenomissa on noin kolme miljardia DNA:n kohtaa, joista jokaisessa on yksi neljästä emäksestä. Kun emäs vaihdetaan johonkin kolmesta vaihtoehdosta, syntyy kuvitteellinen mutaatio. Google DeepMindin AlphaGenome-malli kävi läpi kaikki tällaiset yhden emäksen vaihdokset. Tuloksena oli noin yhdeksän miljardia tietuetta, joista kukin sisältää keskimäärin noin 27 000 ennustetta muutoksen molekyylivaikutuksista eri kudoksissa ja solutyypeissä (DeepMind). Atlas kattaa lisäksi yli 100 miljoonaa lyhyttä DNA-jaksojen lisäystä ja häviämää, jotka tunnetaan väestötietokannoista (Atlas-ennakkojulkaisu).

Tietueet eivät perustu kokeellisiin mittauksiin. Malli ennustaa, mitä soluissa tapahtuisi, jos kukin muutos esiintyisi. Tutkimuksen kannalta ratkaisevaa on, auttavatko ennusteet löytämään sairauden kannalta merkityksellisiä geenimuunnoksia.

Piiloon jäänyt muunnos ja aivoihin liittyvä vihje

Konkreettisin esimerkki koskee vaikeaa epileptistä enkefalopatiaa sairastavaa henkilöä, jonka geenitutkimuksissa sairauden syy ei ollut selvinnyt. Broad Institute, GREGoR Consortium ja AlphaGenome-tiimi arvioivat potilaan geenimuunnokset uudelleen Atlaksen AVI-yhteenvedon avulla. AVI eli AlphaGenome Variant Impact nosti esiin syvällä DNM1-geenin intronissa sijaitsevan muutoksen (Fortune). Introni on DNA-jakso, joka poistetaan geenin ohjeesta ennen proteiinin valmistamista. Tällaisia alueita tutkitaan harvemmin. Verinäytteestä aiemmin tehty RNA-analyysi ei ollut ratkaissut tapausta, koska DNM1 toimii verisoluissa vain vähän.

Erillisen vaikutusanalyysin mukaan 69 % AVI-signaalista johtui ennustetuista silmukointivaikutuksista. Silmukoinnissa solu leikkaa RNA:ta ja liittää sen osat yhteen ennen proteiinin valmistamista. Mallin mukaan muunnos loisi geenin aivoissa esiintyvään muotoon poikkeavan silmukointikohdan, jolloin proteiiniin tulisi 13 ylimääräistä aminohappoa (Fortune; DeepMind). Laboratoriokoe vahvisti ennustetun silmukointimuutoksen. Muunnos luokiteltiin uudelleen todennäköisesti tautia aiheuttavaksi. Virallisessa luokituksessa huomioidaan myös sukuhistoria, periytymistapa ja toiminnalliset tutkimustulokset (Atlas-ennakkojulkaisu).

Työnkulku osoittaa mallin tehtävän rajat. AVI nosti muunnoksen jatkotutkimuksiin, vaikutusanalyysi ohjasi tutkijat silmukointikokeeseen ja laboratoriotulos vahvisti häiriön. Malli ei tehnyt diagnoosia itsenäisesti, eikä julkaistu kuvaus erittele kaikkia luokitukseen johtaneita vaiheita (Nature).

Vertailutulokset ja seuraavat vaiheet

Atlaksen ennakkojulkaisussa AVI:a testattiin jälkikäteen GREGoR Consortiumin ratkaisemilla harvinaissairaustapauksilla. AVI sijoitti tunnetun taudinaiheuttajamuunnoksen potilaan 50 vahvimman ehdokkaan joukkoon 29,5 %:ssa tapauksista. Pitkään käytössä ollut koko genomin CADD-pisteytys ylsi 12,5 %:iin (Atlas-ennakkojulkaisu). Ero oli suurin proteiineja koodaamattomilla alueilla, jotka muodostavat valtaosan genomista ja joiden tulkinta on ollut erityisen vaikeaa. DeepMindin tutkija Žiga Avsec on kertonut mallin suoriutuvan heikommin joistakin tehostaja-alueiden vaikutuksista. Tehostajat ovat kaukana geenistä sijaitsevia DNA-jaksoja, jotka säätelevät sen toimintaa (Fortune).

Tulokset mittaavat ehdokkaiden järjestämistä valikoiduissa tapauksissa, joiden oikea vastaus tunnettiin jo. Vertailu tehtiin DeepMindin tutkijoiden kanssa ja julkaistiin ennakkojulkaisuna. Tunnetun syyn löytäminen jälkikäteen ei vielä osoita, että menetelmä lisäisi diagnooseja ratkaisemattomissa tapauksissa.

Euroopan julkinen bioinformatiikkakeskus EMBL-EBI ilmoitti 9. syyskuuta, että AVI-pisteet ovat saatavilla Ensembl Variant Effect Predictorissa eli VEPissä. Tutkijat muuttavat tämän annotointijärjestelmän avulla geneettisen raakadatansa tulkittaviksi tuloksiksi (EMBL-EBI). VEP kuuluu jo kliinisten ja tutkimuslaboratorioiden tietojenkäsittelyketjuihin. AVI:n lisääminen antaa laboratorioille mahdollisuuden hakea samassa eräajossa pisteen, geenivaikutukset ja väestöyleisyyden ilman erillistä Google-palvelua. VEP helpottaa pisteiden käyttöä, mutta ei takaa niiden kliinistä luotettavuutta. DeepMindin mukaan AlphaGenomea ei ole validoitu eikä hyväksytty kliiniseen käyttöön (DeepMind).

Raportoidussa DNM1-tapauksessa AlphaGenome nosti esiin aiemmin sivuun jääneen muunnoksen ja tuotti laboratoriossa testattavan selityksen sen silmukointivaikutuksesta. Menetelmän vaikutus diagnoosien määrään selviää vasta riippumattomien tutkimusryhmien etenevissä tutkimuksissa, joissa lähtökohtana ovat ratkaisemattomat tapaukset eivätkä jälkikäteen tarkasteltavat tunnetut vastaukset.