谷歌DeepMind的AI模型通过分析人类基因预测患病风险——《华尔街日报》

左侧HBB基因（编码血红蛋白亚基β-珠蛋白）的突变可能导致镰刀型贫血症，而离子通道蛋白CFTR的突变则可能引发囊性纤维化。图片来源：谷歌DeepMind生物学家面临的最大挑战之一，是甄别人类遗传密码中哪些变异可能导致疾病。人工智能正在帮助解决这一难题。

谷歌母公司Alphabet旗下DeepMind Technologies开发的机器学习模型，已对蛋白质结构中7100万种可能引发人体疾病的基因突变进行了分类。

蛋白质对人体组织器官功能至关重要。每种蛋白质基于特定氨基酸序列形成独特结构，决定其功能与作用机制。虽然多数蛋白质结构变异无害，但某些突变会直接导致疾病。

血液中运输氧气的血红蛋白若出现变异，会引发镰刀型贫血；而调控细胞内外盐分与液体流动的蛋白质若发生突变，则会导致囊性纤维化。

DeepMind的AlphaMissense人工智能模型能评估蛋白质结构变异，并预测突变致病的可能性。该模型专门检测"错义"突变——即蛋白质序列中单个氨基酸发生改变的变异类型。

“这是你最常见到的变异类型，”谷歌DeepMind研究科学家、项目负责人及该研究的合著者程军表示，该研究于周二发表在《科学》期刊上。

该模型评估了超过19,000种人类蛋白质中2.16亿种可能的单氨基酸变化，并预测出7,100万个错义变异。通过依赖生物数据中的模式，模型预测了变异致病的概率。研究人员发现32%的变异可能致病，57%可能是良性的。

相比之下，在人类中观察到的400万个错义变异中，仅有2%被分类为良性或致病性，其余均未分类。

AlphaMissense建立在DeepMind科学家此前利用人工智能预测蛋白质结构的研究基础上。那个名为AlphaFold的项目根据氨基酸序列编录了超过2亿种蛋白质的三维结构。

借助AlphaMissense，研究人员着手评估这些结构变化的潜在影响。谷歌DeepMind研究副总裁、该研究合著者之一普什米特·科利将这一过程比作为句子选择正确的词语。

“如果你替换英语句子中的一个词，立刻就能看出替换是否改变了句子的含义，”他说。

研究人员将他们的模型与四个基准进行了测试，包括专家整理的数据库和测量基因突变影响的实验测试——这些方法既昂贵又耗费人力。他们表示，他们的模型显示出高度一致性，并且比其他类似的人工智能工具表现更优。

DeepMind正在公开其错义突变目录，以帮助分子生物学家、遗传学家和医生改进罕见病诊断，并开发针对这些疾病遗传原因的治疗方法。

在《科学》杂志的一篇相关文章中，未参与该项目的爱丁堡大学计算蛋白质生物学主席约瑟夫·A·马什和威康桑格研究所细胞遗传学负责人莎拉·A·泰希曼称赞了这项工作，但表示其当前实用性有限。

“目前的计算预测工具被认为可靠性不足，无法单独用于基因诊断，”马什说。

请致信乔·克雷文·麦金蒂，邮箱：[email protected]

本文发表于2023年9月20日的印刷版，标题为《谷歌DeepMind的人工智能用于疾病基因搜索》。