Google DeepMind ra mắt AlphaGenome 2 dự đoán biến thể DNA theo từng tế bào

Tóm lược nhanh
“Google DeepMind vừa giới thiệu AlphaGenome 2, mô hình DNA có khả năng xử lý cửa sổ gen 1...”
Các điểm cốt lõi
- 1.AlphaGenome 2 nhận đầu vào gồm chuỗi DNA dài 1 Mb cùng thông tin trạng thái tế bào đích nhằm dự đoán tác động của biến thể theo từng loại tế bào.
- 2.Mô hình áp dụng kiến trúc kiểu U-Net với bộ mã hóa tích chập, một khối biến đổi gồm 11 tầng và bộ giải mã, sử dụng các lớp FiLM để điều biến hoạt hóa dựa trên nhúng 256 chiều.
- 3.Trên tập dữ liệu kiểm định TenK10K sc-eQTL, AlphaGenome 2 đạt độ thu hồi biến thể nguyên nhân 30% ở độ chính xác 90%, so với mức 16% của phiên bản trước đã tinh chỉnh.
- 4.Công cụ hiện được cung cấp qua giao diện lập trình ứng dụng dành riêng cho nghiên cứu phi thương mại, trong khi quyền truy cập mã nguồn mở chưa được phát hành.
Google DeepMind vừa giới thiệu AlphaGenome 2, mô hình DNA có khả năng xử lý cửa sổ gen 1 megabase kết hợp trạng thái tế bào để dự đoán tác động của biến thể. Hệ thống này vượt qua thế hệ tiền nhiệm và các công cụ cạnh tranh trong các bài kiểm tra biểu hiện gen đơn tế bào.
Bối cảnh và chi tiết công nghệ
AlphaGenome 2 nhận đầu vào gồm chuỗi DNA dài 1 Mb cùng thông tin trạng thái tế bào đích nhằm dự đoán tác động của biến thể theo từng loại tế bào.
Mô hình áp dụng kiến trúc kiểu U-Net với bộ mã hóa tích chập, một khối biến đổi gồm 11 tầng và bộ giải mã, sử dụng các lớp FiLM để điều biến hoạt hóa dựa trên nhúng 256 chiều.
Trên tập dữ liệu kiểm định TenK10K sc-eQTL, AlphaGenome 2 đạt độ thu hồi biến thể nguyên nhân 30% ở độ chính xác 90%, so với mức 16% của phiên bản trước đã tinh chỉnh.
Công cụ hiện được cung cấp qua giao diện lập trình ứng dụng dành riêng cho nghiên cứu phi thương mại, trong khi quyền truy cập mã nguồn mở chưa được phát hành.
Đánh giá tác động và góc nhìn chuyên môn
Việc tích hợp trạng thái tế bào đơn từ dữ liệu thô giúp mô hình thích ứng với các tập dữ liệu chưa từng thấy mà không cần quá trình tinh chỉnh tốn kém.
Kiến trúc điều kiện hóa bộ mã hóa và khối biến đổi đóng vai trò quyết định trong việc cải thiện độ chính xác so với việc chỉ can thiệp ở tầng giải mã cuối cùng.
Xu hướng tiếp theo và điều cần theo dõi
Thời điểm chính xác Google DeepMind công bố trọng số mô hình để nghiên cứu viên tự triển khai vẫn chưa được xác định rõ.
Hiệu năng thực tế của hệ thống ngoài các vùng nhiễm sắc thể mở chưa được đánh giá đầy đủ vì điểm số dự đoán hướng tác động giảm xuống ở các vùng này.







