AlphaGenome Atlas: Bản đồ dự đoán mọi thay đổi DNA trong bộ gen người

AlphaGenome Atlas - Bản đồ dự đoán biến thể DNA

Google DeepMind vừa chính thức giới thiệu AlphaGenome Atlas — một nền tảng khoa học mang tính bước ngoặt chứa các dự đoán chi tiết về tác động của 9 tỷ biến thể nucleotide đơn (single-nucleotide variants) — tức là mọi khả năng thay đổi một "chữ cái" DNA trong toàn bộ bộ gen người.

Đây được xem là bộ danh mục toàn diện nhất từ trước đến nay về cách các đột biến di truyền ảnh hưởng đến sinh học phân tử. Điểm đáng chú ý là nền tảng này được cung cấp miễn phí cho nghiên cứu học thuật thông qua một cổng website trực quan, dễ sử dụng.

Giải mã "ngôn ngữ sự sống" với quy mô chưa từng có

DNA được ví như ngôn ngữ của sự sống. Tuy nhiên, việc giải thích các biến thể di truyền ảnh hưởng đến sinh học ở cấp độ phân tử như thế nào là một bài toán cực kỳ khó. Với khoảng 9 tỷ khả năng đột biến một nucleotide trong bộ gen người, việc kiểm tra từng trường hợp trong phòng thí nghiệm gần như là bất khả thi.

Trước đó, DeepMind đã phát triển mô hình AI AlphaGenome để dự đoán tác động của các biến thể di truyền lên quá trình sinh học. Tuy nhiên, mô hình này chỉ hữu ích khi phân tích các biến thể cụ thể. Giờ đây, bằng cách tính toán trước các dự đoán của AlphaGenome trên quy mô lớn, đội ngũ nghiên cứu đã tạo ra một nguồn tài nguyên dễ tiếp cận, giúp các nhà khoa học có cái nhìn tổng quan về toàn bộ bộ gen.

Điểm số AVI: Chìa khóa xếp hạng nhanh các biến thể

Để giúp các nhà khoa học nhanh chóng tìm ra những thay đổi di truyền quan trọng nhất, DeepMind cũng công bố AlphaGenome Variant Impact (AVI) score. Điểm số này kết hợp sức mạnh của hai mô hình AlphaGenome và AlphaMissense — mô hình chuyên dự đoán tác động của các biến thể làm thay đổi protein — thành một con số duy nhất.

"Giờ đây, các nhà nghiên cứu có thể nhanh chóng xếp hạng các biến thể và cùng lúc diễn giải các tác động phân tử của chúng."

Điểm số AVI giúp xếp hạng biến thể di truyền

Kho dữ liệu khổng lồ 1 Petabyte

AlphaGenome Atlas không chỉ là một bảng dữ liệu đơn thuần mà là một bộ dữ liệu khổng lồ 1 petabyte, lớn hơn hơn 30 lần so với AlphaFold Database. Để dễ hình dung, khi mở rộng AlphaFold Database vào năm 2022, DeepMind đã tăng thông tin cấu trúc 3D từ khoảng 190.000 cấu trúc thí nghiệm lên hơn 200 triệu dự đoán, bao phủ gần như toàn bộ protein đã biết.

Nền tảng mới cung cấp nhiều tài nguyên mạnh mẽ được kết nối với nhau:

• Dự đoán tác động phân tử: Hàng nghìn dự đoán cho mỗi biến thể, trải dài trên nhiều khía cạnh quan trọng của quá trình điều hòa gen, bao phủ hàng trăm loại tế bào và mô ở người và chuột.

• Điểm số AVI: Một con số duy nhất mô tả tác động của từng biến thể di truyền.

• Diễn giải tính năng AVI: Mỗi điểm AVI đều gắn với các đặc tính sinh học riêng biệt tạo ra nó.

• Mô típ trình tự DNA: Bộ sưu tập hơn 2.500 trình tự DNA lặp lại — được ví như "từ vựng" của bộ gen.

Ứng dụng thực tế: Từ bệnh hiếm đến di truyền học quần thể

Giải mã bệnh hiếm chưa có lời giải

Một thách thức lớn trong nghiên cứu bệnh hiếm là tìm ra vài biến thể gây bệnh giữa hàng nghìn ứng viên tiềm năng. Hợp tác với GREGoR Consortium, các nhà nghiên cứu tại Broad Institute đã sử dụng điểm AVI để ưu tiên các biến thể "kim trong đống rơm" này.

Nhờ đó, họ đã phát hiện ra một biến thể ảnh hưởng đến gen DNM1, liên quan mật thiết đến bệnh não động kinh (epileptic encephalopathy). Các thử nghiệm trong phòng thí nghiệm đã xác nhận dự đoán của AI: biến thể tạo ra một vị trí nối sai, dẫn đến sự kéo dài bất thường của protein được tạo ra.

Khám phá biến thể hiếm gắn với đặc điểm phức tạp

Gareth Hawkes, nghiên cứu sinh tại Đại học Exeter, đã áp dụng AlphaGenome Atlas vào dữ liệu toàn bộ gen của hơn 54.000 người tham gia UK Biobank. Kết quả, ông đã tìm ra thêm 22% mối liên kết di truyền không mã hóa mà trước đây không thể phát hiện được do nhiễu thống kê. Điều này giúp xác định các biến thể điều hòa cụ thể liên quan đến các protein quan trọng như PLA2G7 (liên quan đến lão hóa) và EGLN1 (cảm biến oxy tế bào).

Nhận diện "từ vựng" điều hòa của bộ gen

Julia Zeitlinger và Melanie Weilert tại Viện Nghiên cứu Y khoa Stowers đã sử dụng công cụ này để phân loại các yếu tố phiên mã (transcription factors) — chỉ ảnh hưởng đến khả năng tiếp cận DNA hay còn có khả năng bật/tắt gen.

Tương lai của nghiên cứu gen

DeepMind xem AlphaGenome Atlas như một điểm khởi đầu, không phải đích đến:

"Khi các mô hình AI như AlphaGenome tiếp tục được cải thiện, bản đồ toàn bộ gen người của chúng tôi sẽ ngày càng toàn diện và chính xác hơn."

Nền tảng này có thể tích hợp vào các hệ thống tác tử (agentic systems) rộng lớn hơn như Google Antigravity, giúp nâng cao quy trình nghiên cứu khoa học từ đầu đến cuối. Ngay từ hôm nay, AlphaGenome Atlas đã có thể truy cập phi thương mại qua website, và sẽ sớm có phiên bản thương mại trên Google Cloud.

Với công cụ này, các nhà nghiên cứu Việt Nam và toàn cầu có thể đẩy nhanh tốc độ khám phá sinh học: tìm kiếm mục tiêu điều trị mới, hiểu rõ hơn về rối loạn di truyền và thúc đẩy làn sóng xác nhận thực nghiệm có mục tiêu tiếp theo — một bước tiến quan trọng đưa AI đến gần hơn với việc giải mã hoàn chỉnh "ngôn ngữ của sự sống".