מודל ה-AI החדש פופיב (popEVE) משנה את חוקי המשחק באבחון גנטי של מחלות נדירות
חוקרים פיתחו את מודל ה-AI popEVE המדרג מוטציות גנטיות מחומרה קיצונית למתונה באמצעות שילוב נתונים אבולוציוניים ואוכלוסייתיים. המודל זיהה בהצלחה גנים מחוללי מחלות שנחשפו בעבר והפריד בין מוטציות הגורמות למוות בילדות לאלו הפוגעות בבגרות. ביצועיו העלו את שיעור האבחון במחלות נדירות וחשפו 123 גנים חדשים העשויים להיות מעורבים בהפרעות התפתחותיות.
פריצת דרך בבינה מלאכותית: דירוג חומרת מוטציות גנטיות בצורה מדויקת יותר מאי פעם
חוקרים הציגו מודל AI חדשני בשם popEVE המסוגל לדרג מוטציות גנטיות מחומרה קיצונית ועד מתונה - פריצת דרך שתסייע לרופאים ולמדענים במסע להבנת מחלות נדירות. המודל משלב לראשונה שני מקורות מידע קריטיים:
- איתותים אבולוציוניים עמוקים - ניתוח רצפי חלבונים שמראים שינויים שהתקבעו לאורך מיליוני שנים
- מידע אוכלוסייתי אנושי - נתונים גנטיים ממאגרים עולמיים כמו UK Biobank ו-gnomAD
הבעיה שמטרידה את עולם הגנומיקה הקלינית
כיום, כ-75% מחולי המחלות הנדירות לא מקבלים אבחנה גנטית גם לאחר ריצוף אקסום מלא. הסיבה העיקרית? הקושי לזהות במהירות את המוטציות המזיקות באמת בין מיליוני וריאנטים גנטיים בכל גנום אנושי.
כלים קיימים כמו AlphaMissense, REVEL ו-BayesDel מתבססים בעיקר על השוואה בתוך גנים בודדים, ולא מציעים השוואה חוצת-חלבונים.
איך עובד פופיב (popEVE)?
המודל פועל בשני שלבים:
- אימון על נתונים אבולוציוניים באמצעות שני מודלי למידה עמוקה:
- EVE (Evolutionary Model of Variant Effect) - רשת נוירונים בייסיאנית
- ESM-1v - מודל שפה מבוסס Transformer (כמו ChatGPT אבל לחלבונים)
- שילוב מגבלות אוכלוסייה אנושית - שימוש ב-Gaussian Process למידול הקשר בין הציונים האבולוציוניים לנתונים ממאגרים גנטיים
ביצועים מרשימים בבדיקות קליניות
התוצאות המדעיות מהמחקר שפורסם ב-Nature Genetics מעידות על יכולת חסרת תקדים:
- הבדלת חומרה - זיהה הפרדה סטטיסטית משמעותית בין מוטציות הגורמות למוות בילדות לבין אלו הגורמות לתסמינים בבגרות
- זיהוי מוטציות de novo - איתור מוטציות מזיקות שלא עברו בתורשה ב-31,000 מקרי Trio sequencing
- דיוק גבוה בדגימות קליניות - דיוק ממוצע (AP) הגבוה ב-15% ממודלים מובילים בתעשייה
- חיזוי מבוסס מבנה - זיהוי שמוטציות חמורות נמצאות בממוצע במרחק 8Å מבני זוג אינטרקציה בחלבון
תוצאות מעשיות לשטח
בניסויים על עוקבות של חולים בפועל הוכיח popEVE יכולות קריטיות:
- עדיפות באבחון מהיר - במקרים בודדים ללא גנום הורי, דירג נכון את הוואריאנט הגורם ב-98% מהמקרים
- גילוי גנים חדשים - זיהה 123 גנים חדשים בעלי פוטנציאל לגרום להפרעות התפתחותיות חמורות
- הפחתת אבחונים שגויים - רק ל-4% מאוכלוסיית UK Biobank זוהה וריאנט חמור, במתאם למציאות הקלינית
מגוון דוגמאות קליניות
כמה מהווריאנטים המעניינים שזוהו:
- ETF1 (R68L ו-R192C) - מוטציות קריטיות באזורי NIKS ו-GGQ החיוניים לבניית ריבוזומים
- KCNN2 (I637F) - שינוי במבנה ה-TVGYG בתעלת יוני אשלגן-סידן
- CALM1 (D24Y) - פגיעה בקשירת יוני סידן בחלבון קלמודולין
המשמעות הקלינית: תקווה חדשה למשפחות
popEVE מציע כלי בעל פוטנציאל מהפכני בשני מישורים:
- ייעול הבדיקות הגנטיות - דירוג מדורג של חומרת וריאנטים יאפשר למעבדות להתמקד במוטציות החשובות באמת
- האצת מחקר - מאות גנים חדשים מזוהים כגורמי מחלות מהווים יעד לפיתוח תרופות ממוקדות
החוקרים מציינים כי ככל שייאספו יותר נתונים גנומיים מאוכלוסיות מגוונות, המודל ישתפר עוד יותר - ויסייע למיליוני חולים ברחבי העולם לקבל תשובות מהירות ומדויקות יותר.