DeepMind cartografa nove mil milhões de substituições

O genoma humano contém cerca de três mil milhões de posições, cada uma ocupada por uma de quatro letras do ADN. Em cada posição, a letra existente pode ser substituída por qualquer uma das outras três, o que perfaz nove mil milhões de alterações possíveis de uma única letra. A Google DeepMind aplicou o modelo AlphaGenome a todas elas e reuniu os resultados no AlphaGenome Atlas, uma base de dados pesquisável com um petabyte de previsões, apresentada a 8 de setembro e disponibilizada gratuitamente para investigação não comercial (DeepMind; Nature).

A dimensão resulta de uma conta simples. A utilidade está na informação associada a cada alteração.

Um livro de referência preenchido antecipadamente

Para avaliar cada uma das nove mil milhões de substituições, o AlphaGenome analisa até um milhão de letras de ADN em redor da posição e prevê alterações em vários indicadores moleculares. Entre estes encontram-se a atividade dos genes, o splicing do ARN — o processo pelo qual as células cortam e unem uma cópia de ARN antes de esta se tornar funcional —, os padrões de ligação das proteínas e a estrutura da cromatina, que determina o grau de compactação do ADN, em diferentes tecidos e tipos de células. Cada variante reúne, em média, cerca de 27 000 previsões, distribuídas por 11 categorias (Nature; IEEE Spectrum).

O Atlas funciona, assim, como uma obra de referência preparada antecipadamente. Até agora, um investigador que pretendesse avaliar uma variante tinha de executar o modelo pelos seus próprios meios. A DeepMind assumiu esse custo computacional à partida, permitindo que laboratórios sem infraestrutura especializada consultem qualquer variante candidata através de um portal na Internet (DeepMind).

Além das previsões individuais, a DeepMind criou a pontuação AVI, que reúne as estimativas do AlphaGenome sobre regiões de controlo dos genes e as avaliações do AlphaMissense sobre os efeitos ao nível das proteínas, ordenando as variantes numa única classificação. O sistema apresenta também atribuições de características, isto é, uma explicação interna do modelo sobre os resultados e os elementos da sequência que mais pesaram na pontuação. Essa indicação não revela o mecanismo biológico, mas pode orientar os investigadores para os elementos que merecem ser estudados (DeepMind).

Já existiam sistemas para pontuar variantes em todo o genoma. O CADD disponibiliza há vários anos classificações para todas as substituições possíveis de uma única letra (artigo sobre o CADD), enquanto o SpliceAI oferece previsões pré-calculadas sobre perturbações do splicing (Cell). O Atlas acrescenta a essa abrangência informação específica por tecido e vários tipos de leitura molecular. Em vez de saber apenas que uma variante surge no topo de uma classificação, o investigador pode verificar se o modelo prevê, por exemplo, uma alteração do splicing no tecido cerebral ou da expressão genética no sangue.

Primeiros testes ainda não equivalem a validação independente

Numa colaboração de lançamento com o consórcio GREGoR do Broad Institute, o Atlas identificou uma variante situada numa região profunda do gene DNM1, associado à encefalopatia epilética. Segundo o modelo, a alteração criaria um local anómalo de splicing, ativo no cérebro, com potencial para modificar a proteína resultante. Um ensaio laboratorial confirmou o efeito previsto sobre o ARN, contribuindo para que a variante fosse classificada como provavelmente patogénica (DeepMind). O ensaio sustentou a previsão relativa ao splicing, mas não demonstrou, por si só, que a variante provoca a doença no cérebro de um doente.

Noutro projeto, uma equipa da Universidade de Exeter aplicou as previsões do Atlas a dados de sequenciação integral do genoma de mais de 54 000 participantes no UK Biobank. Os investigadores detetaram mais associações entre variantes localizadas em regiões de controlo dos genes e os níveis de proteínas em circulação do que numa análise usada para comparação. Numa das regiões genómicas, reduziram ainda o conjunto de candidatos de 526 variantes para quatro (DeepMind).

Esta redução serve para definir prioridades experimentais, não para provar causalidade. Será necessário testar se alguma das quatro variantes é realmente responsável pelas alterações nos níveis de proteínas. Além disso, ambos os trabalhos fizeram parte das colaborações de lançamento com a DeepMind, pelo que não constituem validações independentes realizadas após a publicação do Atlas.

O que o Atlas classifica e o que fica de fora

Žiga Avsec, investigador da DeepMind, afirmou à Fortune que o modelo obtém bons resultados em variantes relacionadas com o splicing e com promotores — regiões próximas do início de um gene que ajudam a controlar a sua atividade —, mas pode não detetar outros efeitos. As limitações são mais visíveis nos intensificadores, segmentos de ADN distantes que também regulam genes, razão pela qual o Atlas «não deve ser tratado como uma verdade universal» (Fortune).

As nove mil milhões de entradas abrangem todas as substituições possíveis de uma única letra numa versão de referência do genoma humano. Ficam de fora as inserções e eliminações de material genético, os rearranjos estruturais e as interações entre as várias variantes presentes no genoma de cada doente (Nature).

A descrição técnica do Atlas foi publicada como preprint e ainda não passou por revisão por pares. O portal é gratuito para uso académico, enquanto o acesso comercial será disponibilizado através da Google Cloud, a um preço que ainda não foi divulgado (DeepMind).

O Atlas permite consultar de imediato previsões pré-calculadas e decidir quais as variantes que justificam uma experiência. Na investigação de doenças raras, em que a sequenciação do genoma revela frequentemente dezenas de candidatos em regiões pouco conhecidas, esta triagem computacional poderá encurtar o caminho até ao ensaio laboratorial mais útil. Nenhuma dessas classificações deverá, contudo, alterar um diagnóstico sem validação laboratorial e clínica: o modelo formula hipóteses, cabendo aos biólogos e aos médicos testá-las.