Dva desetljeća nakon što su znanstvenici dešifrirali ljudski genom, većina od tri milijarde baznih parova DNK i dalje je nepoznanica — no novi model umjetne inteligencije sa Sveučilišta Berkeley mogao bi promijeniti pravila igre.
Istraživači su razvili model nazvan GPN-Star koji daleko nadmašuje postojeće alate u identificiranju genetskih varijanti ključnih za nasljedne osobine i bolesti poput raka, srčanih bolesti i autizma. Ono što ovaj model izdvaja od konkurencije jest nevjerojatna računalna učinkovitost — umjesto mjeseci treninga na tisućama procesora, GPN-Star se može istrenirati u danima ili čak satima koristeći tek nekoliko procesora.
Dok se procjenjuje da samo jedan do dva posto ljudske DNK kodira proteine, ostatak čini takozvana „otpadna DNK” i regulatorni elementi koji kontroliraju kada, gdje i koliko snažno se geni izražavaju. Upravo ti nekodirajući dijelovi genoma kriju odgovore na pitanja zašto smo jedinstveni i što nas čini podložnima bolestima.
Evolucija kao učiteljica umjetne inteligencije
Genomski jezični modeli funkcioniraju poput chatbota za DNK — umjesto prirodnog jezika, treniraju se na ogromnim količinama genetskih sekvenci. Matematički gledano, DNK je samo niz slova A, C, G i T, a model mora sam otkriti koji su dijelovi funkcionalni.
Većina postojećih modela, uključujući masivni Evo 2 objavljen ranije ove godine, trenira se na sekvencama iz cijelih, neporavnatih genoma. Evo 2, koji može generirati čitave genome od nule, treniran je na genomima više od 100.000 vrsta i zahtijevao je 2000 moćnih NVIDIA procesora te mjesece rada. GPN-Star pristupa problemu drugačije — koristi podatke iz poravnanja cijelih genoma (WGA), koji uspoređuju genome stotina vrsta s ljudskim genomom, ističući područja očuvana tijekom evolucije.
„Pokušali smo pomoći modelu da uči odabirom podataka koji vjerojatnije sadrže funkcionalne elemente”, objasnio je Yun Song, profesor računalnih znanosti i statistike na Berkeleyju te viši autor studije. „Naš pristup je da iskoristimo biološke uvide za poboljšanje modela, umjesto da se nadamo da će model sam shvatiti što je važno.”
Različite vremenske skale, različite prednosti
Tim je istrenirao model na tri različita poravnanja ljudskog genoma s drugim vrstama, predstavljajući različite evolucijske vremenske skale: jedno s primatima, drugo sa sisavcima, a treće s kralježnjacima. Rezultati su pokazali da modeli trenirani na različitim vremenskim skalama najbolje interpretiraju različite vrste genetskih varijanti.
Model treniran na dužim evolucijskim vremenskim skalama bolje je predviđao utjecaj rijetkih genetskih varijanti u proteinima, koji se sporo evoluiraju i očuvani su kod mnogih vrsta. S druge strane, model treniran na kraćim skalama — specifično na genomima primata — bio je bolji u predviđanju utjecaja varijanti na složene osobine poput rizika od shizofrenije, koje su povezane s čak 10.000 različitih mutacija.
„Za složene osobine bili smo ugodno iznenađeni što je model specifičan za genome primata — koji su relevantniji za nedavnu ljudsku evoluciju — stvarno pomogao u boljim predviđanjima”, rekao je Song.
Otvoreni kod za znanstvenu zajednicu
Ono što ovaj rad čini posebno vrijednim jest činjenica da su istraživači objavili predviđanja za cijeli genom, koja biolozi mogu koristiti za identificiranje gena i regulatornih elemenata vrijednih daljnjeg proučavanja. Budući da model zahtijeva minimalne resurse za treniranje, tim se nada da će druge istraživačke skupine diljem svijeta moći lako prilagoditi i poboljšati njihov rad.
Postavlja se pitanje koje izvor ne postavlja: kakve će posljedice ovakva demokratizacija genomske analize imati na razvoj personalizirane medicine u zemljama koje ne raspolažu golemim računalnim resursima poput SAD-a? Dok dosadašnji modeli zahtijevaju infrastrukturu dostupnu tek najbogatijim institucijama, GPN-Star otvara vrata istraživačima u slabije opremljenim laboratorijima.
„Naš model izvrstan je u predviđanju patogenosti genetskih varijanti i identificiranju funkcionalnih naspram nefunkcionalnih elemenata u genomu”, naglasio je Song, koji je također direktor Berkeley Centra za računalnu biologiju. Studija je objavljena u uglednom časopisu Nature, a rezultati bi mogli ubrzati otkrića koja bi mogla imati najveći utjecaj na ljudsko zdravlje.