L'annuncio di Google DeepMind segna un momento cruciale nella convergenza tra intelligenza artificiale e biologia computazionale. L'azienda ha presentato AlphaGenome 2, un modello avanzato progettato per prevedere con precisione come le sequenze di DNA e le loro varianti influenzino specifici tipi di cellule umane. L'obiettivo non è solo interpretare il genoma, ma stimare dove e in quali condizioni una mutazione possa modificare l'attività dei geni, offrendo così nuove chiavi di lettura per i meccanismi alla base di malattie rare, disturbi complessi e processi infiammatori.
AlphaGenome 2: analisi condizionale e specificità cellulare
La principale innovazione di AlphaGenome 2, come spiegato da Google DeepMind, risiede nel passaggio da previsioni aggregate su tessuti e linee cellulari a un modello condizionale. Questa evoluzione permette di valutare una sequenza di DNA in relazione a una condizione biologica estremamente precisa: un tessuto specifico, un particolare tipo cellulare o uno stato funzionale definito. In pratica, lo stesso segmento di DNA può essere interpretato in maniera differente a seconda che venga osservato in una cellula immunitaria, in una cellula cardiaca o in uno stato attivato da una risposta infiammatoria.
Questo approccio innovativo affronta un limite storico della genomica: molte varianti associate alle malattie non manifestano la loro azione ovunque, ma agiscono solo in contesti cellulari circoscritti.
Il modello è stato addestrato su un vasto corpus di oltre 107 milioni di profili cellulari individuali, distribuiti in 68 tessuti differenti. Grazie a questo addestramento, AlphaGenome 2 è in grado di prevedere una serie di letture molecolari fondamentali, tra cui l'espressione genica, l'accessibilità della cromatina, le modificazioni istoniche e la metilazione del DNA.
L'impatto dei dati single-cell sulla ricerca biomedica
La ricerca biomedica sta accumulando una quantità crescente di mappe dettagliate delle cellule umane, ma la trasformazione di queste mappe in ipotesi causali verificabili rimane una sfida complessa. AlphaGenome 2 si propone di colmare questa lacuna, stabilendo un collegamento diretto tra le varianti identificate dagli studi di associazione genomica (GWAS) e i tipi cellulari specifici in cui tali varianti potrebbero produrre effetti funzionali.
Questo è un passaggio di cruciale importanza, poiché molte varianti si trovano in regioni regolatorie del DNA, come gli enhancer, che sono distanti dai geni e non indicano immediatamente quale gene venga effettivamente alterato.
DeepMind evidenzia che, sul dataset TenK10K, che comprende 28 tipi di cellule immunitarie primarie, il modello AlphaGenome 2 identifica quasi il doppio delle varianti causali rispetto alla versione precedente, che era stata adattata ai dati single-cell. Il valore scientifico di questo strumento non risiede nella sostituzione dell'esperimento di laboratorio, ma piuttosto nella sua capacità di ordinare le priorità, suggerendo quali varianti, geni e cellule meritino verifiche di laboratorio più mirate e approfondite.
AlphaGenome 2: un passo verso la medicina di precisione
Un esempio concreto illustra l'efficacia di AlphaGenome 2: una variante genetica collegata alle malattie infiammatorie intestinali è nota per aumentare l'attività del gene ETS2 nei macrofagi intestinali. Il modello di intelligenza artificiale avrebbe riprodotto computazionalmente questo effetto, riuscendo a distinguere il ruolo specifico di tale variante in quel contesto cellulare. Questo dimostra il potenziale di AlphaGenome 2 nel fornire intuizioni critiche per lo sviluppo di terapie personalizzate e per avanzare verso una vera medicina di precisione.
