Cancer3.AI › AI w onkologii › Modele AI › AlphaMissense
Model do zadania Otwarte wagi Tylko do badań genomics

AlphaMissense

Klasyfikuje patogenność każdej możliwej pojedynczej substytucji aminokwasowej w ludzkim proteomie — 71 mln wariantów missense — dostrajając AlphaFold na częstościach wariantów w populacji; zasób do interpretacji wariantów o niepewnym znaczeniu.

GitHub Publikacja DOI { } JSON

W skrócie

TwórcaGoogle DeepMind
Wydanie2023-09-19
LicencjaApache-2.0 (code); predictions CC-BY-NC-SA 4.0
DostępnośćOtwarte wagi
RodzajModel do zadania
Status regulacyjnyTylko do badań

Co robi

Podaje wynik patogenności (0–1) i klasę prawdopodobnie łagodny / niejednoznaczny / prawdopodobnie patogenny dla wariantu; pełną tabelę można pobrać i włączyć do potoków adnotacji wariantów.

Ważne zastosowania w onkologii

Sklasyfikował 89% wszystkich wariantów missense (32% prawdopodobnie patogennych, 57% prawdopodobnie łagodnych) wobec ok. 0,1% zaadnotowanych przez ekspertów w tamtym czasie; używany jako dowód w interpretacji wariantów germinalnych i nowotworowych.

Zadania, typy danych i nowotwory

ZadanieSkutek wariantu genetycznego
Typ danychGenomika (DNA)Sekwencja białka
Zastosowanie kliniczneDiagnostykaBadania podstawowe
NowotwórWiele nowotworów
Wejścieprotein sequence + substitution
Wyjściepathogenicity score

Architektura

RodzinaAlphaFold-derived network fine-tuned for variant classification
PretreningAlphaFold structure prediction, then weak labels from population allele frequencies (gnomAD, primates)

Dane treningowe

AlphaMissense to adaptacja AlphaFolda dostrojona na bazach częstości występowania wariantów u ludzi i naczelnych. Autorzy zaznaczają, że model osiąga swoje wyniki na testach genetycznych i eksperymentalnych „bez jawnego trenowania na takich danych" — to znaczy bez klinicznych etykiet patogenności jako celu uczenia; sygnałem treningowym jest to, które warianty i jak często występują w populacjach ludzkich i naczelnych. Warianty z ClinVar wyłączone z treningu posłużyły do OCENY modelu (AUROC 0,94), a nie do uczenia. Konsekwencja praktyczna dla każdego, kto model wykorzystuje: sygnał jest nastawiony na warianty germinalne, więc status somatycznego drivera w guzie to inne pytanie i nie na nie model był uczony.

Rozmiar zbioru treningowegopredictions cover 71 million possible missense variants across the human proteome
InstytucjeGoogle DeepMind

Ewaluacja

Benchmark / zbiórMiaraWartośćWalidacja zewnętrznaŹródło
ClinVar held-out variants AUROC 0.94 (paper) tak Źródło

Jak uruchomić

Bibliotekapredictions table (TSV) / repo code

Most users download the precomputed table rather than run the model; note the non-commercial licence on the predictions.

Status regulacyjny i przeznaczenie

Status regulacyjnyTylko do badań
PrzeznaczenieDowód badawczy w interpretacji wariantów; nie jest testem diagnostycznym.

Źródło →

Status regulacyjny cytujemy ze wskazanego źródła i może się zmienić. Modele „tylko do badań” nie służą do decyzji klinicznych.

Ograniczenia i błędy systematyczne

  • Tylko missense; brak indeli, wariantów splicingowych i niekodujących.
  • Sygnał treningowy nastawiony na warianty germinalne; status somatycznego drivera to inne pytanie.

Źródła

  1. Cheng J et al. Accurate proteome-wide missense variant effect prediction with AlphaMissense. Science 2023
  2. DeepMind blog — A catalogue of genetic mutations

Ta strona ma charakter edukacyjny — nie stanowi porady medycznej i nie zastępuje konsultacji z onkologiem. Decyzje diagnostyczne i terapeutyczne podejmuje wyłącznie lekarz specjalista.