Sztuczna inteligencja przegląda 71 milionów mutacji DNA i wykrywa te szkodliwe

W najnowszym „Science” pracownicy Google DeepMind w Londynie opisują narzędzie, które nauczyło się rozróżniać mutacje w ludzkim DNA. I to z jaką precyzją! Przeanalizowało 71 mln mutacji, kwalifikując je do jednej z trzech kategorii: „prawdopodobnie patologiczne”, „prawdopodobnie łagodne” oraz „niepewne”. 89 proc. trafiło do jednej z dwóch pierwszych grup. Dla porównania: ludzcy eksperci byli w stanie tak przyporządkować ledwie 0,1 proc. mutacji.

Nowe narzędzie SI nosi nazwę AlphaMissense. Pierwszy człon nawiązuje do AlphaFold – rewolucyjnej metody, opracowanej wcześniej także przez DeepMind, która pozwala na przewidywanie struktury białek na podstawie sekwencji genetycznej. Dla przypomnienia: nasze DNA składa się z czterech zasad opisywanych literami A, C, T, G. Ustawione po trzy, w różnej kombinacji, kodują rozmaite aminokwasy. Maszyneria komórki odczytuje te informacje i przyłącza na ich podstawie te cząsteczki, aby utworzyły łańcuch białka. Po ukończeniu ich pracy białko zwija się i skręca, zmieniając strukturę z liniowej na skomplikowaną przestrzenną. I dopiero w takiej postaci włącza się w aktywność w komórce. Dlatego tak ważne w biologii i medycynie było zrozumienie struktury każdego białka. Bez tego nie dało się odtworzyć funkcji tych niezwykle istotnych cząsteczek. AlphaFold znacznie ułatwił i przyspieszył tę pracę.

Teraz DeepMind poszedł krok dalej. Od czasu do czasu zdarza się bowiem, że w DNA pojawia się pojedyncza mutacja: jedna z zasad zostaje zastąpiona inną (np. zamiast C pojawia się T). Taka drobna zmiana wystarczy niekiedy, by maszyneria komórki przyłączyła do łańcucha białka niewłaściwy aminokwas. Biolodzy nazywają to „mutacją zmiany sensu” lub „mutacją missensowną”. Od niej właśnie narzędzie AlphaMissense zyskało drugi człon swego miana.

„Aby wyjaśnić problem, opowiem osobistą historię – mówił na konferencji prasowej Žiga Avsec z DeepMind, jeden z głównych autorów pracy w „Science”. – Około 10 lat temu byłem studentem fizyki. Po kursie uczenia się maszynowego zacząłem pracować w projekcie, którego celem było określenie z maksymalną dokładnością wariantów, które prowadzą do rozwoju o pacjentów rzadkich chorób mitochondrialnych”.

Tyle że wariantów były miliony. Po „odfiltrowaniu” tych na pewno niegroźnych i tak zostały setki tysięcy wersji do sprawdzenia. Aby z nich wybrać te, które prowadziły do rozwoju chorób, badacze zastosowali programy. To one miały oszacować szkodliwość poszczególnych wariantów. „Kiedy zacząłem przyglądać się danym – kontynuował Avsec – odkryłem jednak, że te predyktory wcale nie były dobre. Zdałem sobie sprawę jak trudny to problem. Odtąd pracuję w tej dziedzinie”.

Wyzwanie było naprawdę niebotyczne. Nie każda mutacja missensowna musi bowiem prowadzić do choroby. Czasami ma skutki łagodne, a bywa, że nie zmienia nic w działaniu organizmu. Do 2023 r. udało się to ocenić w przypadku zaledwie 2 proc. z 4 mln znanych mutacji missensownych. To zaś znacznie ograniczało diagnozę rzadkich chorób oraz opracowywanie terapii dla nich.

AlphaMissense nauczyło się jednak oceniać skutki każdej z możliwych 71 mln mutacji zmiany sensu. Program analizował takie zmiany u człowieka i blisko z nami spokrewnionych ssaków naczelnych. Tak właśnie wyliczył, że 57 proc. mutacji ma prawdopodobnie łagodne skutki, 32 proc. – patogeniczne, a w przypadku 11 proc. nie był pewien. Wszystkie te wyniki Google DeepMind umieścił w systemie otwartym dla innych badaczy.

Joseph Marsh i Sarah Teichmann, w komentarzu zamieszczonym w tym samym numerze „Science”, zachwycają się „nadzwyczajnymi osiągnięciami” AlphaMissense. Przestrzegają jednak, aby nie mylić klasyfikacji „mutacja patogeniczna” z definicjami klinicznymi. Te bowiem polegają na wielu dowodach. Nie każdy, kto ma „mutację patogeniczną”, rzeczywiście zachoruje. Organizm jest naprawdę bardzo skomplikowaną strukturą.

Niewątpliwie jednak AlphaMissense pozwoliło nam go lepiej zrozumieć. I prawdopodobnie przybliżyło czas, gdy chorzy na rzadkie choroby też doczekają leków.