NEWS

DeepMind, un nuovo modello di AI identifica le mutazioni del DNA umano



Indirizzo copiato

Il team ha utilizzato il modello chiamato AlphaMissense per esaminare tutti i 71 milioni di possibili mutazioni di una singola lettera che hanno un impatto sulle proteine umane. L’obiettivo è trovare nuove cure per le malattie rare

Pubblicato il 2 ott 2023



AlphaMissense

I ricercatori di Google DeepMind hanno utilizzato l’intelligenza artificiale per identificare le mutazioni nel DNA umano che possono potenzialmente causare malattie. In un recente documento, il team di ricerca ha dichiarato di aver trovato circa l’89% delle mutazioni cruciali utilizzando il proprio modello AlphaMissense. Gli scienziati sperano che questi progressi consentano una diagnosi più rapida delle malattie.

“Lo strumento di DeepMind valuta come i cambiamenti di ogni variante missense di ogni proteina umana influenzino la struttura proteica, risparmiando un immenso sforzo sperimentale”, ha dichiarato in un’intervista William Letsou, assistente alla cattedra di Scienze biologiche e chimiche del New York Institute of Technology, che non è stato coinvolto nella ricerca. “L’alternativa allo strumento di patogenicità delle varianti di DeepMind è generare e cristallizzare ogni variante di una proteina e cercare alterazioni strutturali grossolane. Non solo il lavoro sperimentale è costoso e richiede tempo, ma ci sono migliaia di potenziali varianti da provare per ogni proteina”.

Il programma DeepMind prevede le mutazioni missense quando una lettera del codice del DNA è sbagliata. Le mutazioni possono interrompere la funzione delle proteine.

AlphaMissense, il modello utilizzato per esaminare 71 milioni di possibili mutazioni

Il team ha utilizzato un modello di intelligenza artificiale chiamato AlphaMissense per esaminare tutti i 71 milioni di possibili mutazioni di una singola lettera che hanno un impatto sulle proteine umane. Impostando una precisione del 90%, il programma ha stimato che il 57% delle mutazioni missense erano probabilmente benigne e il 32% probabilmente dannose. Gli effetti delle mutazioni rimanenti erano incerti.

“I biologi molecolari potrebbero usare il database come punto di partenza per progettare e interpretare esperimenti che sondino le sostituzioni amminoacidiche saturanti nel proteoma umano”, scrivono gli autori dello studio nel loro articolo.

Le mutazioni rare del DNA causano probabilmente malattie rare e le mutazioni del DNA possono essere classificate in quelle che portano o meno a cambiamenti nella proteina codificata, ha detto Letsou.

“Il primo luogo in cui cercare le variazioni che causano malattie sono le cosiddette varianti missense che potenzialmente influenzano il funzionamento della proteina”, ha aggiunto. “Tuttavia, c’è una ragione per cui queste varianti deleterie sono così rare: l’evoluzione le ha selezionate contro. Poiché queste varianti sono presenti solo raramente nell’uomo, una banca dati della potenziale patogenicità di ciascuna di esse potrebbe aiutarci a prevedere il rischio di malattie rare di un individuo fin dalle prime fasi della vita e darci il tempo di intervenire”.

AlphaMissense, un elenco gratuito online delle previsioni

Sulla base delle loro ricerche, gli scienziati hanno compilato un elenco gratuito online delle loro previsioni. Questo database è destinato ad aiutare medici e genetisti a studiare come le mutazioni portano alle malattie o a cercare di diagnosticare persone con disturbi rari. Tuttavia, non hanno reso disponibile l’intero modello per il download diretto a causa di potenziali problemi di biosicurezza nell’analisi dei geni di specie non umane, che potrebbero consentire la creazione di un’arma biologica.

“Come parte del nostro impegno a rilasciare le nostre scoperte di ricerca in modo sicuro e responsabile, non condivideremo i pesi dei modelli per evitare l’uso in applicazioni potenzialmente non sicure”, hanno scritto gli autori nel loro documento.

Dalle proteine al DNA

Google DeepMind ha fatto colpo in medicina quando il suo modello di AI, AlphaFold è stato in grado di indovinare le forme delle proteine, un’operazione importante in biologia, ha dichiarato in un’intervista Steve Frank, fondatore dell’azienda di tecnologia medica alimentata dall’intelligenza artificiale Med*A-Eye.

“Per esempio, supponiamo di voler bloccare l’azione di un enzima iperattivo a causa di una malattia”, ha aggiunto. “Se si conosce l’aspetto della ‘tasca di reazione’ (o punto di forza) dell’enzima, e ora lo si sa grazie ad AlphaFold, si può progettare un farmaco a piccole molecole che si inserisca perfettamente nella tasca, escludendo così il bersaglio abituale dell’enzima. Bingo: hai curato o almeno controllato la malattia”.

L’analisi delle sequenze geniche non è l’unico modo per identificare le mutazioni genetiche dannose, ha osservato Frank. A volte è possibile utilizzare l’intelligenza artificiale per esplorare un’immagine medica e determinare la variante genetica di un paziente.

“Se l’immagine viene acquisita in ogni caso, l’ottenimento di queste informazioni aggiuntive evita la necessità di un costoso test genetico o immunoistochimico“, ha aggiunto. “Med*A-Eye Technologies ha sviluppato uno strumento che analizza le biopsie colorettali per individuare la presenza di un tumore e il suo sottotipo genetico. Queste informazioni aggiuntive sono fondamentali per la terapia, poiché i diversi trattamenti sono appropriati per i diversi sottotipi molecolari. Ottenere queste informazioni direttamente dall’immagine della biopsia consente di risparmiare tempo e risorse”.

Conclusioni

Lo strumento di DeepMind si basa su precedenti tecniche di AI per la previsione delle mutazioni, ma è unico per l’uso di informazioni strutturali, ha sottolineato Letsou. Ha detto che i modelli di AI mirano a determinare se una variante del DNA è probabile che venga osservata negli esseri umani.

“Più rara è la variante, più è probabile che sia deleteria perché l’evoluzione l’ha probabilmente eliminata dalla popolazione”, ha aggiunto. Mentre i primi strumenti di AI di questo tipo confrontavano le proteine umane con un database di altre proteine per imparare l'”alfabeto” dei probabili elementi costitutivi, lo strumento DeepMind parte dalla struttura prevista e individua le variazioni patogene da quella struttura in base a ciò che ha imparato dai dati di addestramento”.

Articoli correlati

Articolo 1 di 4