новая нейросеть

Биологи обычно используют ретроспективный подход, анализируя процессы, которые уже произошли или происходят в клетке в данный момент. Например, они поэтапно изменяют условия среды и изучают реакцию клетки на эти изменения. Однако современные методы не способны предсказать весь спектр возможных клеточных реакций.

Группа исследователей из медицинской школы Колумбийского университета под руководством Рауля Рабадана создали модель искусственного интеллекта под названием GET (general expression transformer) для предсказания активности генов в клетках. Результаты ученых опубликованы в журнале Nature. Рабадан отмечает, что GET сможет «трансформировать биологию в “предсказательную” науку», выявив «регуляторные системы, которые лежат в основе клеточных процессов».

Исследователи обучили модель на данных о доступности хроматина и последовательности ДНК из 213 типов эмбриональных и взрослых клеток человека, полученных из нормальных тканей. Это позволяет модели «понимать» общие механизмы функционирования клеток и предсказывать активность генов как в здоровых, так и в больных клетках. В этом она значительно превосходит предшествующие модели, обученные исключительно на данных из раковых клеточных линий или ограниченного числа типов клеток.

GET работает аналогично ChatGPT и другим большим языковым моделям (LLM). Так же, как LLM анализируют последовательность слов и закономерности для «понимания» грамматики языка, GET «изучает» «правила» функционирования клеток, чтобы затем предсказывать их «поведение» в разных состояниях. Модель может предсказывать активность генов для множества типов клеток и условий, а также строить сети взаимодействия транскрипционных факторов — белков, регулирующих активность генов.

Авторы протестировали модель на гене PAX5, мутации в котором встречаются у 30% пациентов с детской лейкемией. С помощью GET они выяснили, как именно определенная мутация нарушает взаимодействие белка PAX5 с другим транскрипционным фактором в лейкоцитах, что в итоге приводит к заболеванию. Предсказания модели были подтверждены лабораторными экспериментами, а AlphaFold 3 дополнил эти результаты, уточнив структурные детали взаимодействия двух белков.

GET не только устанавливает функциональные последствия мутаций, но и может помочь в изучении «темной материи» генома — участков ДНК, которые не кодируют белки, но часто выполняют регуляторные функции. Как отмечает Рабадан, «большинство мутаций, обнаруженных у пациентов с раком, расположены в “тёмных областях” генома. Эти мутации не влияют на функцию белка и остаются малоизученными». По словам ученого, модель поможет раскрыть роль этих участков.

Способность GET точно предсказывать функционирование как здоровых, так и больных клеток может привести к появлению новых экспериментальных подходов и улучшить понимание сложных заболеваний. Учитывая активное развитие ИИ, GET и подобные модели найдут широкое применение в научных исследованиях, открывая «новую эру в биологии».