基因组学里有一个长期难题:找到与疾病相关的变异不难,难的是判断哪个变异真的致病。相关性一大堆,因果性很少。AlphaGenome 2 的更新把矛头指向这一点,公开说法是因果变异的预测准确率大约翻倍。

因果变异为什么难判断?

第一,变异太多。人类基因组有数十亿个位点,每个位点又可能有多种变异形式。第二,效应太弱。多数单点变异对表型的影响很小,被环境和其他基因掩盖。第三,实验太贵。逐个做功能验证,成本高到无法规模化。

所以过去很多判断停留在统计关联层面,知道某个变异在病人身上更常见,但不知道它是不是原因。

按细胞类型条件化解决了什么?

同一个变异,在不同细胞类型里的作用可能完全不同。一个只在肝细胞里影响表达的变异,在神经元里可能毫无作用。

过去模型把多种细胞类型混在一起训练,学到的是平均效应,信号被稀释。按单一细胞类型条件化,等于让模型分别在每种细胞里学规律,分辨力自然提高。

这也是准确率能翻倍的主要原因:不是模型变大了,是问题被切得更准了。

这对药物研发有什么实际意义?

第一,靶点筛选的门槛降低。过去要验证一个靶点,先要做大量湿实验;现在可以先用模型排一遍优先级,把资源集中在少数高置信候选上。

第二,失败率可能下降。药物研发最大的浪费是在错误靶点上做了几年。如果早期就能筛掉因果性弱的候选,后面省下的不只是钱,还有时间。

第三,罕见病变得可行。罕见病样本少,统计方法失效,机制模型能补上这部分。

该保持什么警惕?

第一,预测不等于验证。模型给出高置信,仍然需要实验确认,尤其是要进入临床的靶点。第二,训练数据的偏差会传导。如果训练集以欧洲人群为主,其他人群的预测可靠性会下降。第三,模型的可解释性仍然有限,知道某个变异重要,不等于知道它怎么起作用。

工具越强,越要分清它能替代哪一步。它能替代筛选,替代不了验证;能提高命中率,替代不了生物学理解。

去论坛讨论

前往 ziyuanagi.com 论坛 参与讨论