DeepMind AlphaGenome Atlas: 9 milyar DNA değişikliğinin haritası

Google DeepMind, insan genomundaki her olası tek harflik DNA değişikliğinin moleküler etkisini öngören AlphaGenome Atlas platformunu duyurdu. Sistem, yaklaşık 9 milyar tek nükleotid varyantı için önceden hesaplanmış tahminleri bir araya getiriyor; böylece laboratuvarda tek tek denenmesi pratikte imkânsız olan bir uzayı araştırmacıların sorgulayabileceği bir “atlasa” dönüştürüyor.

Ne oldu ve neden önemli?

İnsan genomu kabaca 3 milyar DNA baz çiftinden oluşuyor. Bunun yalnızca yüzde 2’si protein kodlayan genleri kapsıyor; geri kalan yüzde 98’lik düzenleyici bölgeler ise genlerin ne zaman ve ne kadar çalışacağını belirleyen karmaşık bir katman. Tek bir harfin (A, T, G veya C) değişmesi bile hastalık riskini veya nadir genetik tabloları etkileyebiliyor. DeepMind’ın yeni atlası, her pozisyonda diğer üç bazın yerine geçmesi senaryolarını hesaplayarak bu uzayı haritalıyor.

Kaynaklara göre veri setinin boyutu yaklaşık 1 petabayt; DeepMind bunu AlphaFold veritabanından 30 katından büyük olarak tanımlıyor. Amaç, AlphaGenome modelinin API üzerinden kod yazmayı gerektiren kullanımını, kod bilgisi olmayan biyolog ve klinik araştırmacılar için de erişilebilir kılmak.

Donanımhaber’in aktardığı üzere DeepMind, AlphaGenome’un kullanıma açılmasından bu yana yaklaşık 9 bin araştırmacının modele API üzerinden eriştiğini belirtiyor. Atlas’ın hazırlanma gerekçelerinden biri de bu erişim engelini azaltmak: milyarlarca değişiklik için skorlar hazır olduğu için araştırmacılar doğrudan sorgulayabiliyor.

AVI skoru ve motif sözlüğü

Atlas’ın pratik kalbi AlphaGenome Variant Impact (AVI) skoru. Bu tek sayı, hem kodlayan hem kodlamayan bölgeler için AlphaGenome ile (protein değiştiren varyantlarda) AlphaMissense güçlerini birleştirerek varyantın biyolojik etkisini sıralamayı hedefliyor. DeepMind’a göre AVI, klinik genom veri tabanlarında hastalığa yol açtığı bilinen mutasyonları zararsız değişikliklerden ayırmada güçlü sonuçlar verdi.

• Her varyant için binlerce moleküler etki tahmini (yüzlerce insan ve fare hücresi tipi/dokusu)
• Nadir hastalıklar: Broad Institute’tan Laura Covill ve Anne O’Donnell-Luria’nın ekibi, GREGoR Consortium kapsamında AVI ile önceliklendirme yaparak epileptik ensefalopatiyle bağlantılı DNM1 geninde daha önce gözden kaçan bir varyantı öne çıkardı. AlphaGenome tahmini, yanlış bir splice sitesi ve protein uzaması yönündeydi; deneysel ekranlar bu çizgiyi doğruladı.
• Moleküler biyoloji: Stowers Institute’tan Julia Zeitlinger ve Melanie Weilert, motif kaynağını DNA erişilebilirliğini etkileyen ile genleri açıp kapatan faktörleri ayırt etmek için kullandı.

Kullanıcılar ve sektör için ne anlama geliyor?

Atlas, “genomu tek başına çözen” bir kara kutu değil; milyarlarca aday arasından laboratuvara götürülecek varyantları önceliklendiren bir araştırma altyapısı. Klinik genetik, nadir hastalık çözümleri ve ilaç hedefi keşfi için aday listelerini daraltmada hız vaat ediyor. DeepMind, portalın akademik (ticari olmayan) kullanım için bugünden açık olduğunu; ticari kullanımın yakında Google Cloud üzerinden geleceğini belirtiyor. AlphaGenome taban modeli zaten GitHub/API üzerinden akademik, Cloud Model Garden üzerinden ticari kullanımda.

Önemli sınır: tahminler fare ve insan dizileri ile iyi çalışılmış hücre tiplerine dayanıyor; laboratuvar doğrulamasının yerini tutmuyor. Yine de AlphaFold veritabanının protein yapılarına yaptığı gibi, kodlamayan genom için ortak bir referans katmanı oluşturma iddiası güçlü.

Kısa kapanış

AlphaGenome Atlas, 9 milyar olası tek harflik değişikliğin moleküler etkilerini 1 petabaytlık bir kaynakta topluyor, AVI skoruyla sıralamayı sadeleştiriyor ve nadir hastalık ile popülasyon çalışmalarında ilk kullanım örneklerini gösteriyor. Kaynaklar: Donanımhaber’in duyuru özeti ile DeepMind / Google resmi blogları.

• Popülasyon genetiği: Exeter Üniversitesi’nden Gareth Hawkes, 54.000’den fazla UK Biobank katılımcısının bütün genom verisinde atlası kullanarak kodlamayan çağrışımlarda yüzde 22 artış bildirdi. En etkili yüzde 1’lik kodlamayan varyantlara odaklanınca vücut kitle indeksi (BMI) ile bağlantılı 19 genetik bölgeyi işaretledi. PLA2G7 (yaşlanma) ve EGLN1 (oksijen duyumu) gibi protein düzeyleriyle ilişkili regülatör varyantlar da örnekler arasında.
• AVI skoru ve skoru besleyen özellik atıfları (splicing, ekspresyon, kromatin erişilebilirliği, korunmuşluk vb.)
• 2.500’den fazla tekrarlayan DNA motifi (“genomun kelimeleri”) ve konumları

Bu motifler, transkripsiyon faktörlerinin bağlanma bölgelerini ve kodlamayan varyantların mekanizmasını yorumlamada ek ipucu sağlıyor. Araştırmacılar atlası, protein kodlamayan DNA için aranabilir bir sözlük gibi konumlandırıyor.

Gerçek dünya örnekleri

DeepMind blogu ve Google’ın duyurusuna göre işbirlikçi ekipler atlası şimdiden sahada kullandı:

AlphaGenome’dan Atlas’a: arka plan

DeepMind daha önce AlphaGenome modelini tanıtmıştı: belirli bir DNA varyantının gen regülasyonu, splicing, kromatin erişilebilirliği ve benzeri süreçlere etkisini tahmin edebilen bir yapay zekâ sistemi. Atlas ise bu tahminleri genom ölçeğinde önceden hesaplayıp portal, API ve Google Antigravity içinde bir “skill” olarak sunuyor.