← Portada | Mercado

Google DeepMind presenta el modelo genómico AlphaGenome 2

2026-11-13 · Fuente:MarkTechPost

Google DeepMind presenta el modelo genómico AlphaGenome 2

DeepMind lanza AlphaGenome 2, que predice el efecto de las variantes por tipo celular: el recuerdo de variantes causales en eQTL de célula única sube del 16% al 30%. Los pesos se abrirán tras publicar el artículo final.

Google DeepMind ha presentado AlphaGenome 2, un modelo condicional de secuencia a función de ADN especializado en el efecto de las variantes en tipos celulares específicos. Lee de una sola vez ventanas de ADN de 1 Mb (1.048.576 pares de bases) —con soporte para humano y ratón— junto con un estado celular objetivo, mientras que la primera generación de AlphaGenome solo podía promediar sobre tejidos a granel. El nuevo modelo distingue tipos celulares muy emparentados y se adapta, sin necesidad de ajuste fino, a conjuntos de datos de célula única no vistos durante el entrenamiento.

La arquitectura sigue el estilo U-Net: un codificador convolucional, 11 bloques transformer y un decodificador; el estado celular se inyecta mediante una incrustación de 256 dimensiones a través de capas FiLM, y las pruebas de ablación muestran que la condicionalización del codificador y del transformer aporta la mayor parte de la ganancia (condicionar solo el decodificador rinde muy poco). Las salidas incluyen cobertura de ARN, CAGE, splicing, accesibilidad de la cromatina, modificaciones de histonas, unión de factores de transcripción y mapas de contacto, con la novedad de las predicciones de metilación CpG. El entrenamiento constó de cuatro fases: preentrenamiento sobre datos a granel más 3.977 pistas pseudo-granel de ARN y ATAC de célula única procedentes de 36 estudios; refinamiento condicional ajustando solo la incrustación y las capas FiLM; destilación de 8 profesores en 1 estudiante; y un postentrenamiento final que mapea al espacio condicional un codificador de expresión entrenado con más de 100 millones de perfiles humanos de scRNA-seq (principalmente de CELLxGENE), todo ello con 2.048 TPU v4.

En las comparativas frente a la primera generación (eQTL de célula única TenK10K, 28 tipos de células inmunitarias): el recuerdo de variantes causales al 90% de precisión pasó del 16% al 30%, el recuerdo de la dirección del efecto del 23% al 43%, el AUPRC causal fue de 0,76 frente a 0,72 y el AUC de signo de 0,85 frente a 0,79; la correlación de Pearson de cambios de expresión entre tejidos en GTEx subió de 0,61 a 0,71, y la varianza explicada de scRNA-seq dentro del tejido del 23% al 34%; en ENCODE-rE2G para CRISPRi alcanzó un AUPRC de 0,78, por encima del 0,73 de la primera generación y del 0,61 del conjunto Borzoi, con la mayor brecha en mejoradores distales (100 a 2.500 kb): 0,62 frente a 0,48; en imputación de datos de detección venció a la línea base Avocado en 166 de 181 pistas reservadas; y el recuerdo de variantes causales en cohortes de Parkinson fue del 41%, frente a solo el 17% de Scooby, ajustado para cohortes. Su punto débil: fuera de la cromatina accesible, el AUROC de predicción de signo es de apenas 0,63.

Disponibilidad y recursos: por ahora solo ofrece una API alojada: las claves son gratuitas para investigación no comercial, mientras que el uso comercial está en prueba privada; los pesos del modelo estarán disponibles tras la publicación del artículo definitivo; el paquete de Python alphagenome.models.v2 incluye un tutorial en Colab, con un máximo de 256 células por llamada. Junto al modelo se han publicado atlas precalculados: conexiones entre mejoradores y genes para 640 condiciones celulares primarias, y puntuaciones para unos 7 millones de variantes comunes y de GWAS en 510 condiciones.

Su relevancia reside en llevar la interpretación de variantes desde el promedio tisular a la precisión celular: los investigadores pueden introducir directamente recuentos brutos de scRNA-seq para definir nuevos estados celulares sin reentrenar, allanando el camino a interpretaciones de variantes de enfermedad específicas por tipo celular y a la medicina de precisión.


Lecturas relacionadas


萬安算交所 AIXX · AIXX · Exchange verificado · Ir al mercado