类基因组共有 31.6 亿个碱基对，无时无刻不在经验复制、转录和翻译，也随时有着出错渐变的危险。
错义渐变是基因突变中的一种常见模式，然而人类目前只察看到了其中的一小部分，可能解读的更是只有 0.1%。
精确预测错义渐变的作用，对于常见病、遗传病的钻研和防治有着重要作用。这次，DeepMind 又出手了。
作者 | 雪菜
编辑 | 三羊、铁塔
人类基因组共有 31.6 亿个碱基对。这些碱基对每天会经验复制、转录、翻译，最终表白成为蛋白质，调控人类日常生理流动。
在如此宏大的工作量下，即便是精密的人体也很难做到毫无过错。稍有不慎，碱基对就可能配位谬误，导致基因突变，与日俱增甚至引发癌症。
错义渐变 (Missense Mutation) 是一种常见的基因突变模式。 因为 DNA 中碱基渐变，翻译失去的氨基酸产生了变动，最终导致整个蛋白质性能被毁坏。
图 1：错义渐变示意图。因为 DNA 中腺嘌呤核苷酸渐变为鸟嘌呤核苷酸，翻译失去的氨基酸由谷氨酰胺变为丝氨酸
目前人类察看到了 400 多万种错义渐变，但仅能将 2% 的错义渐变归类为致病渐变或是良性渐变。
精确预测错义渐变的作用可能加深人类对于常见病的了解，并针对潜在的遗传病进行预防和医治。 尽管变异效应多重剖析 (MAVEs) 能够对蛋白质的渐变进行零碎的剖析，并精确预测其临床成果，但这一办法须要大量的人力物力，难以对所有错义渐变可能进行全面的剖析。
为此，DeepMind 通过 AlphaFold 剖析了蛋白质的整体构造，并联合弱标签学习和无监督学习开发了 AlphaMissense，对错义渐变的结果进行了零碎的剖析。AlphaMissense 利用 ClinVar 数据集进行了验证，预测正确率达到 90%。
随后，AlphaMissense 对人类可能呈现的 7,100 万种错义渐变进行了预测，其中 32% 可能为致病性渐变，57% 可能为良性渐变。这些后果将极大促成分子生物学、基因组学、临床医学等学科的倒退。这一成绩已发表于「Science」。
图 2：AlphaMissense 对 7,100 万种错义渐变的预测后果（上）及人类目前察看到和确认的后果（下）
相干成绩已发表于「Science」
论文链接：
https://www.science.org/doi/10.1126/science.adg7492
试验过程
AlphaMissense：AlphaFold + 微调
将一串氨基酸序列输出 AlphaMissense 后，它会对序列中任一氨基酸变动的致病性进行预测。AlphaMissense 的实现和 AlphaFold 十分类似，只在架构上做了轻微的调整。
图 3：AlphaMissense 的构造示意图
AlphaMissense 的训练集起源宽泛，但次要来自于人类和非人灵长类。其中，来源于人类的良性错义渐变有 1,248,533 个，致病错义渐变则从可能呈现但尚未被察看到的 65,314,044 个渐变中抽取。
AlphaMissense 的训练包含两步。首先，同 AlphaFold 一样，AlphaMissense 须要预测多序列比照 (Multiple Sequence Alignments) 中被随机掩码的氨基酸，进而预测单链蛋白质的构造，并进行蛋白质语言建模。
随后，钻研人员利用人类蛋白质对 AlphaMissense 进行微调 (fine-tuning)，并设定了模型的输入指标，即错义渐变的致病性。
因为未被察看到的错义渐变中存在相当数量的良性渐变，但在训练过程中都将其归为了致病渐变，因而 AlphaMissense 训练集的乐音很大。为了晋升训练集的数量和品质，钻研人员应用自蒸馏 (self-distillation) 的形式对数据进行了过滤。
临床数据验证：不同数据集中的体现
训练实现后，利用标注后的临床数据 (ClinVar 数据集)、常见发育阻碍患者中的新发渐变 (de novo variants) 和 ProteinGym 中的 MAVE 后果对 AlphaMissense 进行验证。
首先，钻研人员对 AlphaMissense 在 ClinVar 数据集中的体现进行了评估。在对 18,924 个渐变位点进行剖析后，AlphaMissense 的 auROC 为 0.940，较之前最先进的进化模型 (EVE) 有所晋升 (0.911)。
在对错义渐变进行临床评估时，人们个别会关注特定疾病相关的基因。因而，分辨出这些基因中良性和致病的错义渐变尤为重要。钻研人员利用 AlphaMissense 对 ClinVar 中的 612 个基因进行剖析，其 auROC 为 0.950，优于 EVE 的 0.921。
最初，钻研人员剖析了 AlphaMissense 在解密发育阻碍 (DDD, Deciphering Developmental Disorders) 数据集中的预测后果。AlphaMissense 的 auROC 为 0.809，与 PrimateAI 的 0.797 相当。
图 4：AlphaMissense 和其余模型在不同数据集中性能比照
A：对 ClinVar 中渐变位点的剖析；
B：对 ClinVar 中基因的剖析；
C：对 DDD 数据集的剖析。
同时，AlphaMissense 对 Cancer Hotspots、ACMG (American College of Medical Genetics) 和其余 MAVE 数据的预测后果也较其余模型更为优异。上述后果阐明，AlphaMissense 在多个数据集中体现优于现有模型。
总体预测性能：反映蛋白质渐变趋势
用临床数据对 AlphaMissense 进行验证之后，钻研人员利用 AlphaMissense 对 2.16 亿个氨基酸在人类常见的 19,233 个蛋白质中可能产生的渐变进行了预测，最终失去了 7,100 万种错义渐变的预测后果。
AlphaMissense 的致病性预测后果在 0-1 之间，越靠近 1 阐明致病可能性越高。因为绝大多数预测后果靠近 0 和 1，因而 0.2 至 0.8 之间的数据可能不太精确。最终，他们将预测后果分为三类：可能致病、可能良性和无奈确定。
为对 AlphaMissense 的预测性能进行整体评估，钻研人员计算了所有蛋白质的单个氨基酸致病性。结果显示，芳香族氨基酸和半胱氨酸的渐变更容易引发疾病，与理论后果统一，因为这两种氨基酸起到了维持蛋白质构造的作用。
图 5：AlphaMissense 的预测后果热图，色块代表 2.16 亿个氨基酸变动在蛋白质组中的均匀致病性
将 AlphaMissense 的预测后果和 AlphaFold 预测的蛋白质构造可视化之后，咱们能够看到这些蛋白质的渐变趋势。 比方，蛋白质构造错乱的区域与良性渐变的产生区域绝对应，这与蛋白质组学的预测后果也是统一的。
图 6：ACMG 和 MAVE 数据集中局部蛋白质的可视化后果
左侧为 AlphaMissense 预测的致病性，可能致病的错义渐变为红色，可能良性的错义渐变为蓝色，已被收录于 ClinVar 数据集的渐变以实心圆标注。右侧为 AlphaFold 预测的蛋白质构造，不同色彩示意这一区域渐变致病性，与 AlphaMissense 绝对应。
预测准确率：与 MAVE 后果一致性
为考察 AlphaMissense 和 MAVE 后果之间的一致性，钻研人员利用 AlphaMissense 对两组 MAVE 数据进行了剖析。与其余预测办法相比，AlphaMissense 与 MAVE 数据最为靠近。
图 7：AlphaMissense 和其余模型与 MAVE 预测后果的斯皮尔曼相关系数，其中 AlphaMissense 后果最好
随后，他们又将 AlphaMissense 的预测数据和试验验证过的错义渐变致病性进行了比照。SHOC2 蛋白能够与 MRAS 和 PP1C 蛋白造成复合物，激活 Ras-MAPK 癌症通路。AlphaMissense 与 MAVE 对这一渐变和 Ras 癌症细胞的相关性进行了预测，失去的斯皮尔曼相关系数为 0.47，优于其余模型 (ESM1v: 0.41, ESM1b: 0.40, EVE: 0.32)。
图 8：不同模型对 MAVE 数据集中错义渐变的预测后果
进一步的，钻研人员探索了 AlphaMissense 对 SHOC2 蛋白不同区域氨基酸错义渐变致病性的预测后果。在 SHOC2 的前 80 个氨基酸中，MAVE 预测第 63-74 号氨基酸渐变是致病的，因为这一区域会通过 RVxF 与 PP1C 蛋白联合。AlphaMissense 是惟一一个辨认出这一重要区域的模型。
图 9：AlphaMissense 对 SHOC2 蛋白的预测后果
A：不同模型对 SHOC2 蛋白前 200 氨基酸渐变致病性的预测后果。自上而下别离为理论状况 (MAVE)、AlphaMissense 和 EVE；
B：SHOC2 蛋白（红色和蓝色）和 MRAS（黄色）、PP1C（金色）蛋白组成的复合体结构图。
而且，AlphaMissense 可能反映出不同品种氨基酸错义渐变后的后果。 对于 SHOC2 蛋白而言，AlphaMissense 的预测后果与理论后果最为靠近。
图 10：不同模型对 SHOC2 中氨基酸渐变致病性预测与 MAVE 后果的相关性
上述后果独特阐明，AlphaMissense 的预测后果与 MAVE 相当，可能对基因错义渐变的后果进行精确的预测。
最初，Deepmind 将这一模型和预测后果都开源颁布在了社区中，心愿这种论断可能为其余学科的钻研提供帮忙。
模型链接：
https://github.com/deepmind/alphamissense
基因突变：遥不可及又如影随形
提到基因突变，咱们很容易想到 X 光、核辐射、亚硝酸盐等危险元素，或者是电影生化危机、绿巨人之中的桥段，感觉这些离咱们过于边远。诚然，咱们在生活中接触到的辐射非常少，但基因突变还是产生在生活中的每时每刻，也切实地扭转了咱们的生存。
在生活中，咱们不可避免地会接触到辐射源，比方太阳光。太阳光中 6% 的辐射来源于紫外线，而紫外线就是致癌因素之一，因而长时间暴晒会减少皮肤癌的危险。
即便不接触辐射源，DNA 在复制、转录、翻译的时候也不可避免地犯一些谬误，引起基因突变，只是这些渐变可能是良性的，或是被免疫机制及时革除了。
但同时，基因突变也为咱们的生存提供了便当，尤其是在农业生产中。农作物突变体可能进步作物的产量，晋升作物耐盐碱的能力，甚至帮忙防治虫害。对这些突变体进行繁育筛选后，这些低劣的个性就能保留下来，晋升粮食产量。
图 11：不同种类的玉米突变体
然而，人体基因突变的可能性太多，咱们目前理解到的不过沧海一粟。借助 AlphaMissense，咱们可能对基因突变的后果进行绝对牢靠的预测，再加以反推，兴许就能找到遗传病、常见病背地的机制，为疾病的防治提供新办法。
同时，AlphaMissense 还为其余畛域的钻研提供了素材。兴许不久之后，咱们就能看到 AlphaMissense 对其余物种基因突变的解读，进而正当利用基因突变，让基因工程为咱们的生存带来更多福祉。
参考链接：
[1]https://www.science.org/doi/10.1126/science.abj6987
[2]https://www.cshl.edu/discovery-of-new-stem-cell-pathway-indic…