Ensembl laboratorijām atver deviņus miljardus prognožu

Cilvēka references genoms ir standartizēta aptuveni trīs miljardu DNS pozīciju secība. Katrā pozīcijā atrodas viens no četriem ķīmiskajiem burtiem. Aizstājot to ar kādu no trim pārējiem, iegūst iespējamu mutāciju. Google DeepMind modelis AlphaGenome šādi analizēja visas iespējamās viena burta aizstāšanas un izveidoja aptuveni deviņus miljardus ierakstu. Katram no tiem ir vidēji ap 27 000 molekulāru prognožu par ietekmi dažādos audos un šūnu tipos (DeepMind). Atlas aptver arī vairāk nekā 100 miljonus īsu DNS iespraudumu un izkritumu, kas jau reģistrēti populāciju datubāzēs (Atlas preprint).

Šie ieraksti nav eksperimentālu mērījumu rezultāti. Modelis prognozē, kas mainītos, ja attiecīgā aizstāšana notiktu. Praktiskā vērtība būs atkarīga no tā, vai prognozes palīdzēs pētniekiem atrast ģenētiskos variantus, kuri patiešām ietekmē veselību.

Dziļi gēnā apslēpts variants un norāde uz smadzenēm

Konkrētākais pārbaudījums saistīts ar pacientu, kuram ir smaga epileptiska encefalopātija, bet ģenētiskā sekvencēšana nebija atklājusi tās cēloni. Broad Institute pētnieki kopā ar GREGoR Consortium un AlphaGenome komandu izmantoja Atlas apkopojošo AVI (AlphaGenome Variant Impact) rādītāju, lai no jauna sarindotu pacienta ģenētiskos variantus pēc iespējamās nozīmes. Saraksta augšgalā nonāca izmaiņa, kas atradās dziļi DNM1 gēna intronā (Fortune). Introns ir DNS posms, ko izgriež, pirms gēna instrukcijas tiek pārvērstas olbaltumvielā. Šādus posmus parasti analizē mazāk, bet iepriekš veiktā asins RNS pārbaude nebija devusi skaidru atbildi, jo DNM1 asins šūnās gandrīz nedarbojas.

Atsevišķa ietekmes analīze liecināja, ka 69 % AVI signāla veidoja prognozētās splaisinga izmaiņas. Splaisings ir process, kurā šūna pirms olbaltumvielas izgatavošanas izgriež un savieno RNS posmus. Modelis prognozēja, ka variants smadzenēm raksturīgā gēna versijā radīs nepareizu splaisinga vietu, tādēļ olbaltumvielā tiks iekļautas vēl 13 aminoskābes (Fortune; DeepMind). Laboratorijas tests apstiprināja prognozētās splaisinga izmaiņas, un variants tika pārklasificēts par, visticamāk, patogēnu. Tā ir formāla kategorija, kuras noteikšanā vērtē ģimenes slimību vēsturi, iedzimšanas modeli un funkcionālo pārbaužu datus (Atlas preprint).

Darba secība parāda modeļa lomu. AVI rādītājs izcēla variantu, ietekmes analīze norādīja, ka jāpārbauda splaisings, bet laboratorijas tests apstiprināja traucējumu. Modelis pats pacientam diagnozi nenoteica, turklāt publicētajā aprakstā nav izklāstīti visi varianta klasificēšanas posmi (Nature).

Salīdzinājums un nākamie soļi

Atlas preprintā aprakstīti retrospektīvi izmēģinājumi ar jau atrisinātiem retu slimību gadījumiem no GREGoR Consortium. AVI zināmo slimības cēloni ierindoja starp 50 ticamākajiem pacienta variantiem 29,5 % gadījumu. Ilgstoši izmantotajam visa genoma vērtēšanas rīkam CADD šis rādītājs bija 12,5 % (Atlas preprint). Lielākā priekšrocība bija nekodējošajos reģionos. Tie veido lielāko genoma daļu, atrodas ārpus olbaltumvielu kodējošajām instrukcijām un līdz šim bijuši visgrūtāk interpretējami. DeepMind pētnieks Žiga Avsecs atzinis, ka modelis vājāk prognozē daļu pastiprinātāju jeb no attāluma gēnu darbību regulējošu DNS posmu ietekmes (Fortune).

Tie ir variantu ranžēšanas salīdzinājumi rūpīgi atlasītos un jau atrisinātos gadījumos. Pētījums tapis sadarbībā ar DeepMind un pagaidām publicēts kā preprints, tātad nav izgājis pilnu zinātnisko recenzēšanu. Retrospektīvi atrast iepriekš zināmu atbildi nav tas pats, kas palielināt diagnožu skaitu pacientiem, kuru slimības cēlonis joprojām nav noskaidrots.

9. septembrī Eiropas publiskais bioinformātikas centrs EMBL-EBI paziņoja, ka AVI rādītājs tagad pieejams Ensembl Variant Effect Predictor (VEP). Šo anotēšanas sistēmu pētnieki izmanto, lai neapstrādātus ģenētiskos datus pārvērstu interpretējamos rezultātos (EMBL-EBI). VEP jau ir iekļauts klīnisko un pētniecības laboratoriju datu apstrādes sistēmās. Pievienojot AVI, laboratorija vienā datu apstrādes reizē var saņemt gan šo rādītāju, gan informāciju par ietekmi uz gēniem un variantu biežumu populācijā, neizmantojot atsevišķu Google portālu. VEP nodrošina piekļuvi rādītājam, taču neapliecina tā klīnisko precizitāti. DeepMind norāda, ka AlphaGenome nav validēts vai apstiprināts klīniskai lietošanai (DeepMind).

Aprakstītajā DNM1 gadījumā AlphaGenome palīdzēja izcelt iepriekš nepamanītu variantu un formulēt pārbaudāmu hipotēzi par splaisinga traucējumu. Lai noskaidrotu, vai šāda pieeja plašāk palielina noteikto diagnožu skaitu, neatkarīgām pētnieku grupām tā perspektīvi jāpārbauda vēl neatrisinātos gadījumos, nevis datos, kuros pareizā atbilde jau ir zināma.