DNA 시퀀스에서 기능적 게놈 측정을 예측하는 딥 러닝 모델은 유전학적 규제 코드를 해독하는 강력한 도구입니다. 기존 방법들은 입력 시퀀스 길이와 예측 해상도 사이에서 균형을 맞추는 과정에서 그들의 모달리티 범위와 성능에 제약을 받습니다. 우리는 1 메가베이스의 DNA 시퀀스를 입력으로 받아 단일 염기 쌍 해상도까지 다양한 모달리티(유전자 발현, 전사 시작, 크로마틴 접근성, 히스톤 변형, 전사 인자 결합, 크로마틴 접촉 맵, 스피싱 부위 사용, 스피싱 결합 좌표 및 강도)에서 수천 개의 기능적 게놈 트랙을 예측할 수 있는 AlphaGenome를 소개합니다. 인간과 생쥐 게놈을 학습하여 AlphaGenome는 변이 효과 예측에 대한 26개 평가 중 24개에서 가장 강력한 외부 모델과 일치하거나 이를 초월합니다. AlphaGenome는 모든 모달리티에서 동시에 변이 효과를 점수화할 수 있는 능력을 통해 TAL1 온코جين 근처의 임상적으로 관련된 변이의 메커니즘을 정확하게 재현합니다. 더 넓은 활용을 위해 우리는 시퀀스로부터 게놈 트랙과 변이 효과 예측을 수행할 수 있는 도구들을 제공합니다.