Indice
Google DeepMind presenta AlphaGenome 2: il modello AI analizza le varianti genetiche e studia come influenzano l’attività delle cellule.
Tutte le cellule del corpo umano condividono sostanzialmente lo stesso patrimonio genetico, ma non svolgono le stesse funzioni. Una cellula cardiaca si comporta in modo diverso da una cellula immunitaria, perché ciascuna attiva e disattiva geni differenti in base al proprio ruolo e alle condizioni biologiche in cui si trova. Capire come avviene questa regolazione è uno dei problemi più complessi della biologia.
Google DeepMind vuole contribuire a risolverlo con AlphaGenome 2, una nuova versione del modello di intelligenza artificiale progettato per studiare il funzionamento del DNA e prevedere gli effetti delle variazioni genetiche sulle cellule umane.
La novità più importante è la capacità di analizzare gli effetti delle varianti genetiche considerando non soltanto la sequenza del DNA, ma anche il tipo di cellula e il suo stato biologico. In questo modo, il modello può individuare alterazioni che rischierebbero di passare inosservate quando i dati di milioni di cellule differenti vengono aggregati.
Perché cellule con lo stesso DNA si comportano diversamente
Il DNA contiene le istruzioni genetiche necessarie al funzionamento dell’organismo. Tuttavia, non tutti i geni vengono utilizzati contemporaneamente e nello stesso modo in ogni cellula.
Una cellula del muscolo cardiaco, per esempio, deve svolgere attività molto diverse rispetto a una cellula del sistema immunitario. Entrambe possiedono sostanzialmente lo stesso patrimonio genetico, ma attivano soltanto una parte delle informazioni disponibili, seguendo meccanismi di regolazione che determinano quali geni utilizzare e con quale intensità.
È proprio in questo processo che possono intervenire le varianti genetiche. Una piccola modifica nella sequenza del DNA può influenzare l’attività di un gene, ma l’effetto non è necessariamente identico in tutti i tessuti.
Una variante potrebbe modificare il comportamento di un gene in una determinata popolazione di cellule, senza produrre conseguenze evidenti in altre. Questo rende particolarmente difficile individuare il legame tra una specifica alterazione genetica e una malattia.
I modelli che analizzano grandi quantità di dati biologici possono infatti perdere informazioni importanti quando combinano i risultati provenienti da cellule differenti. AlphaGenome 2 nasce per affrontare proprio questo limite.
Come funziona AlphaGenome 2
La precedente generazione di AlphaGenome era già in grado di analizzare sequenze di DNA lunghe fino a un milione di basi, producendo contemporaneamente previsioni relative a numerosi esperimenti e tessuti.
Con AlphaGenome 2, Google DeepMind ha modificato l’architettura del modello introducendo un elemento aggiuntivo: oltre alla sequenza genetica, il sistema riceve informazioni sul tipo di tessuto, sulla cellula specifica o sullo stato biologico che deve esaminare.
Questa differenza permette di concentrare l’analisi su un contesto cellulare preciso, invece di produrre una previsione generale che rischia di nascondere gli effetti più specifici.
Per addestrare il modello, DeepMind ha utilizzato dati provenienti da campioni umani e murini. Il materiale comprende oltre 107 milioni di profili cellulari individuali distribuiti su 68 tessuti.
AlphaGenome 2 può prevedere diversi parametri legati all’attività del DNA. Tra questi ci sono l’espressione genica, cioè il livello con cui un gene viene utilizzato per produrre i suoi effetti, le modificazioni degli istoni e l’accessibilità della cromatina.
Quest’ultimo elemento è particolarmente importante: la cromatina è il complesso formato dal DNA e dalle proteine che lo organizzano all’interno del nucleo cellulare. La sua struttura influenza quanto facilmente determinate regioni genetiche possono essere raggiunte e utilizzate dai meccanismi cellulari.
Rispetto alla versione precedente, il nuovo modello aggiunge anche la previsione della metilazione del DNA, una modifica chimica che contribuisce alla regolazione dell’attività dei geni.
Quasi il doppio delle varianti genetiche individuate
Secondo i risultati presentati da Google DeepMind, AlphaGenome 2 riesce a identificare quasi il doppio delle varianti genetiche capaci di modificare l’espressione dei geni rispetto alla generazione precedente.
Uno dei confronti più interessanti riguarda il dataset TenK10K, che comprende 28 tipologie di cellule immunitarie primarie.
In questo test, AlphaGenome 2 avrebbe identificato il 30% delle varianti causali, contro il 16% raggiunto dalla precedente versione di AlphaGenome ottimizzata per lavorare con dati single-cell.
Il confronto riguarda anche la capacità di prevedere la direzione dell’effetto genetico, cioè stabilire se una determinata variante aumenta oppure riduce l’attività di un gene. In questo caso, il nuovo modello raggiunge il 43%, mentre la generazione precedente si ferma al 23%.
Sono risultati che indicano un miglioramento nella capacità di collegare le variazioni del DNA ai cambiamenti nell’attività genetica. Non significano, però, che il modello sia già in grado di diagnosticare malattie o prevedere con certezza le conseguenze di qualsiasi variante genetica.
Il caso delle malattie infiammatorie intestinali
Per mostrare le potenzialità del sistema, DeepMind ha presentato un esempio relativo a una variante genetica già associata alle malattie infiammatorie intestinali.
AlphaGenome 2 sarebbe riuscito a identificare la variante e a prevedere un effetto particolarmente specifico: l’aumento selettivo dell’attività del gene ETS2 nei macrofagi intestinali.
I macrofagi sono cellule del sistema immunitario coinvolte nella risposta dell’organismo agli agenti esterni e nei processi infiammatori. In questo caso, il modello avrebbe individuato un comportamento che non si ripete necessariamente in altre tipologie cellulari.
È un esempio importante perché mostra il valore dell’analisi contestualizzata. Non basta sapere che una variante genetica influenza un determinato gene: può essere altrettanto importante capire in quale cellula si manifesta l’effetto e in quali condizioni biologiche.
Queste informazioni potrebbero aiutare i ricercatori a comprendere meglio i meccanismi molecolari alla base di alcune patologie.
L’AI può studiare anche stati cellulari mai incontrati prima
Un’altra caratteristica interessante di AlphaGenome 2 riguarda la capacità di lavorare su stati cellulari che non erano presenti nei dati utilizzati durante l’addestramento.
Per farlo, i ricercatori possono fornire al modello una quantità limitata di dati single-cell RNA-seq, una tecnica che permette di analizzare l’attività dei geni nelle singole cellule. Secondo DeepMind, possono essere sufficienti anche informazioni provenienti da poche decine di cellule per descrivere un nuovo stato biologico. L’esempio citato dall’azienda riguarda una vaccinazione contro il COVID-19 basata su mRNA.
Utilizzando i dati disponibili, AlphaGenome 2 sarebbe riuscito a distinguere le cellule T attivate dal vaccino da quelle che si trovavano in uno stato di riposo. Il modello avrebbe inoltre previsto che una variante genetica associata alle forme più gravi di COVID-19 produce un effetto più marcato proprio nelle cellule T attivate.
La possibilità di esaminare condizioni biologiche non viste durante l’addestramento potrebbe ampliare le applicazioni della piattaforma. I ricercatori potrebbero infatti studiare come determinate varianti si comportano in specifiche situazioni, senza dover necessariamente ripetere l’intero processo di addestramento del modello.
AlphaGenome 2 è disponibile per la ricerca
Google DeepMind ha annunciato la disponibilità di AlphaGenome 2 attraverso le API dedicate, ma con alcune limitazioni.
Il modello è accessibile da subito per attività di ricerca non commerciale. L’utilizzo commerciale, invece, è attualmente riservato a un’anteprima privata a numero chiuso.
DeepMind prevede inoltre di integrare in futuro AlphaGenome 2 Skills all’interno di Google Antigravity, la piattaforma agentica dell’azienda. Questo potrebbe rendere le capacità del modello accessibili anche attraverso flussi di lavoro più articolati, nei quali diversi strumenti di intelligenza artificiale collaborano per portare a termine un’attività.
Per il momento, il risultato più importante è soprattutto scientifico: AlphaGenome 2 prova a comprendere con maggiore precisione come le variazioni genetiche influenzino il comportamento delle singole cellule. Un passo che potrebbe offrire ai ricercatori strumenti più efficaci per studiare i meccanismi biologici delle malattie, pur restando una tecnologia di ricerca e non uno strumento diagnostico pronto per l’utilizzo clinico.
