9月20日消息，谷歌旗下人工智能團(tuán)隊(duì)DeepMind開發(fā)了一款全新的人工智能模型，名為AlphaMissense。它能夠快速分析錯(cuò)義突變對(duì)人體的影響，加速科學(xué)家研究罕見遺傳病。相關(guān)成果于本周二在《科學(xué)》雜志上發(fā)表。

大約10年前，茲伽·阿夫塞茨（?iga Avsec）還是一名物理學(xué)博士生，通過大學(xué)開設(shè)的機(jī)器學(xué)習(xí)課程參加了基因組學(xué)的速成班。他很快就進(jìn)入了一個(gè)研究罕見病的實(shí)驗(yàn)室，參與研究一種非同尋常的線粒體疾病到底是由哪種基因突變引起的。

如今阿夫塞茨已是谷歌研究科學(xué)家，他表示，解決這個(gè)問題等于是“大海撈針”。遺傳密碼中潛藏著上千萬種可能的罪魁禍?zhǔn)?，這些DNA突變可能會(huì)對(duì)一個(gè)人的生物學(xué)產(chǎn)生嚴(yán)重影響。其中最令人感興趣的是錯(cuò)義突變，即因?yàn)閱蝹€(gè)堿基替換而導(dǎo)致肽鏈中氨基酸發(fā)生改變。氨基酸是蛋白質(zhì)的組成部分，而蛋白質(zhì)是身體其他部分的組成部分，所以即使微小的變化也會(huì)產(chǎn)生巨大而深遠(yuǎn)的影響。

據(jù)估計(jì)，人類基因組中有7100萬種錯(cuò)義突變，平均每人攜帶超過9000種。大多數(shù)是無害的，但有些與鐮狀細(xì)胞性貧血和囊性纖維化等遺傳疾病有關(guān)。科學(xué)家還猜測(cè)，像2型糖尿病這樣更復(fù)雜的疾病可能是由一系列錯(cuò)義突變共同引起的。阿夫塞茨在開始研究時(shí)問他的同事：“我們?cè)趺粗滥男┩蛔兪钦嬲ｋU(xiǎn)的？”答案是“在很大程度上，我們無法知道”。

經(jīng)過多年的艱苦研究，科學(xué)家在人類身上發(fā)現(xiàn)了400萬種錯(cuò)義突變，其中只有2%被確定為致病性或良性。研究單個(gè)錯(cuò)義突變的影響可能需要幾個(gè)月的時(shí)間。

如今，谷歌人工智能研究團(tuán)隊(duì)DeepMind發(fā)布了一款工具，可以極大加速這一研究過程。機(jī)器學(xué)習(xí)模型AlphaMissense能夠分析錯(cuò)義突變并預(yù)測(cè)其致病性，準(zhǔn)確率達(dá)到90%，優(yōu)于現(xiàn)有的研究工具。相關(guān)論文于本周二在《科學(xué)》雜志上發(fā)表。

DeepMind此前開發(fā)的突破性模型AlphaFold能夠根據(jù)氨基酸組成預(yù)測(cè)上億種蛋白質(zhì)的結(jié)構(gòu)。AlphaMissense基于AlphaFold的基礎(chǔ)建立，但兩者的運(yùn)行方式不同。AlphaMissense不預(yù)測(cè)蛋白質(zhì)的結(jié)構(gòu)，它更像一個(gè)大語言模型，類似于OpenAI的ChatGPT。

AlphaMissense經(jīng)過訓(xùn)練，了解了人類及其他靈長類生物的生物學(xué)語言，因此清楚蛋白質(zhì)中氨基酸的正常序列應(yīng)該是什么樣的。當(dāng)人體內(nèi)蛋白質(zhì)中的氨基酸排序錯(cuò)誤時(shí)，AlphaMissense就能發(fā)現(xiàn)，就像發(fā)現(xiàn)句子中不協(xié)調(diào)的單詞一樣。論文合著者Jun Cheng表示：“這是一種語言模型，但針對(duì)蛋白質(zhì)序列進(jìn)行了訓(xùn)練?！?“如果我們?cè)谟⒄Z句子中替換一個(gè)單詞，懂英語的人可以立即看出替換是否會(huì)改變句子的意思?！?/p>

DeepMind研究副總裁普什米特·科利（Pushmeet Kohli）拿一本食譜來打比方。如果AlphaFold關(guān)注的是各種食材如何組合在一起，那么AlphaMissense則是預(yù)測(cè)如果你使用了錯(cuò)誤的食材會(huì)發(fā)生什么。

AlphaMissense根據(jù)分析與其他密切相關(guān)突變帶來的影響，為7100萬種可能的錯(cuò)義突變分配了0到1之間的“致病性分?jǐn)?shù)”，分值越高，錯(cuò)義突變致病性的概率就越高。DeepMind研究人員與英國基因組學(xué)（Genomics England）合作，將模型的預(yù)測(cè)結(jié)果與已知的錯(cuò)義突變研究結(jié)果進(jìn)行對(duì)比。論文稱，AlphaMissense能夠?qū)?9%的錯(cuò)義突變進(jìn)行分類，準(zhǔn)確率達(dá)到90%。

研究人員一直希望找出某種疾病背后的錯(cuò)義突變，現(xiàn)在可以通過人工智能來實(shí)現(xiàn)，并找到模型預(yù)測(cè)的致病性評(píng)分。人們希望，就像AlphaFold能推動(dòng)藥物研發(fā)、癌癥治療一樣，AlphaMissense可以幫助多個(gè)領(lǐng)域的研究人員加速對(duì)基因突變的研究，使他們能夠更快地診斷出疾病并找到新的治療方法。阿夫塞茨說：“我希望這些預(yù)測(cè)能讓人們更深入地了解哪些突變會(huì)導(dǎo)致疾病，或者能在基因組學(xué)中產(chǎn)生其他應(yīng)用價(jià)值?！?/p>

研究人員強(qiáng)調(diào)，這些預(yù)測(cè)不能單獨(dú)使用，只能用于輔助現(xiàn)實(shí)世界的研究。AlphaMissense可以幫助研究人員快速排除不太可能的錯(cuò)義突變，加速將基因突變與疾病匹配的緩慢過程。它還有助于科學(xué)家更好地理解人類遺傳密碼中容易被忽視的部分，模型的分析結(jié)果還包括每個(gè)基因的“重要性”指標(biāo)，研究人員可以用這一指標(biāo)來衡量某個(gè)基因?qū)θ祟惿娴闹匾浴?/p>

歐洲分子生物學(xué)實(shí)驗(yàn)室(European Molecular Biology Laboratory)副主任實(shí)驗(yàn)室歐洲生物信息學(xué)研究所(European Bioinformatics Institute)聯(lián)合主任伊萬·伯尼(Ewan Birney)表示，對(duì)于AlphaMissense并不感到“意外”。研究所過去與DeepMind密切合作，但沒有參與AlphaMissense的研究。他說：“AlphaFold一問世，每個(gè)人都知道，利用這個(gè)框架來解釋哪些突變會(huì)改變蛋白質(zhì)性狀應(yīng)該是可能的。”

伯尼認(rèn)為，AlphaMissense可以幫助醫(yī)生對(duì)疑似患有遺傳疾病的兒童進(jìn)行快速診斷?！拔覀円恢倍贾?，錯(cuò)義突變一定是導(dǎo)致某些未確診病例的原因，這是對(duì)這些病例進(jìn)行突變排序的更好方法?！彼訰PE65基因?yàn)槔?，該基因?qū)е率?，只能通過基因療法治療，AlphaMissense可以幫助醫(yī)生迅速排除患者DNA中任何其他可能的基因突變，從而確定正確的治療方法。

除了揭示錯(cuò)義突變的影響，AlphaMissense還展示了人工智能模型在整個(gè)生物學(xué)領(lǐng)域的潛力。因?yàn)锳lphaMissense并非專門訓(xùn)練用于解決錯(cuò)義突變的問題，而是研究生物學(xué)中發(fā)現(xiàn)的各種蛋白質(zhì)，所以該模型有助于科學(xué)家更好地了解人類整個(gè)基因組及其表達(dá)方式?？评硎荆骸澳Ｐ偷幕炯軜?gòu)源自AlphaFold。從某種意義上說，很多東西都是從AlphaFold繼承而來的，我們已經(jīng)能夠證明它可以推廣到相關(guān)但完全不同的任務(wù)上。”