\u017diga Avsec Natasha Latysheva Jun Cheng Guido Novati Kyle R. Taylor Tom Ward Clare Bycroft Lauren Nicolaisen

要約

DNA配列から機能ゲノム測定値を予測するディープラーニングモデルは、遺伝子制御コードの解読に強力なツールです。既存の手法は、入力配列の長さと予測解像度の間でトレードオフを行っており、これによりモダリティ範囲と性能が制限されています。本研究では、AlphaGenomeを提案します。このモデルは1メガベースのDNA配列を入力として受け取り、多様なモダリティにおいて単一塩基対解像度までの数千の機能ゲノムトラックを予測します。これらのモダリティには、遺伝子発現、転写開始、クロマチンアクセシビリティ、ヒストン修飾、転写因子結合、クロマチン接触マップ、スプライスサイト利用、およびスプライス接合座標と強度が含まれます。人間とマウスのゲノム上で訓練されたAlphaGenomeは、変異効果予測に関する26つの評価のうち24つで最強の外部モデルに匹敵またはそれを上回ります。AlphaGenomeはすべてのモダリティにおける変異効果を同時に評価する能力を持ち、TAL1オンコジェネ近傍にある臨床的に重要な変異のメカニズムを正確に再現します。より広範な利用を促進するために、配列からのゲノムトラックおよび変異効果予測を行うためのツールを提供しています。