《Annual Review of Genomics and Human Genetics》:Artificial Intelligence in Human Genetics
编辑推荐:
论文摘要专业翻译
人工智能(AI)技术近年来在能力上经历了变革性的增长。在人类遗传学领域,AI正迅速推进研究人员揭示遗传变异效应的能力。本综述探讨了AI在基因型到表型(genotype-to-phenotype)映射中的多样化应用中所取得的最新进展与面临的剩余
论文摘要专业翻译
人工智能(AI)技术近年来在能力上经历了变革性的增长。在人类遗传学领域,AI正迅速推进研究人员揭示遗传变异效应的能力。本综述探讨了AI在基因型到表型(genotype-to-phenotype)映射中的多样化应用中所取得的最新进展与面临的剩余挑战,涵盖从预测突变的功能与临床后果,到识别致病基因,再到评估疾病风险等各个环节。综述特别强调了基于海量基因组数据训练的通用的基础模型(foundation models)日益增长的实用性,包括DNA和蛋白质语言模型(language models),同时也关注了较窄范围的机器学习(machine learning)方法仍然占据主导地位的领域。综述最后总结了未来进展与影响的关键考量因素。
论文解读文章
一、研究背景与问题
遗传学是一门研究变化及其后果的科学,这带来了深刻的挑战。探究突变(尤其是从未观察过的突变)的影响,不仅需要发现统计相关性,更需要因果推理。然而,许多AI应用在处理遗传变异时存在困难。例如,AlphaFold过度依赖天然存在的蛋白质结构,在预测突变蛋白序列的结构方面表现不佳。此外,人类遗传疾病的临床诊断仍存在巨大缺口:尽管测序技术飞速发展,仍有约50%的患者无法获得明确的分子诊断,主要原因在于对突变致病性的判断存在不确定性。因此,开发能够准确预测遗传变异效应、揭示基因型与表型之间复杂联系的计算方法,成为该领域亟待解决的核心问题。本综述旨在系统梳理AI在人类遗传学中的应用现状,探讨其如何帮助研究人员破解数十年来解读基因型与表型关联的难题。
二、研究内容与主要结论
该综述全面探讨了AI在人类遗传学中的多样化应用,核心结论是:AI提供了一种不完美但实用的研究遗传效应的方法,这得益于其拼接和迁移从基因组数据中直接学到的知识的能力。综述指出,现代AI正从任务特定的机器学习向通用基础模型转变,后者在多个应用中展现出巨大潜力,但在某些领域,较窄范围的模型仍能提供最佳结果。研究强调,AI在预测变异致病性、解析分子机制、预测调控效应以及辅助遗传关联研究等方面均取得了显著进展,但要实现真正的临床影响,仍面临基准测试、同源性依赖、可解释性、临床实施、资金支持和生物安全等多重挑战。
三、关键技术方法
研究人员在综述中梳理了多种关键AI技术方法。主要包括:监督学习(supervised learning),用于训练变异致病性预测模型如PolyPhen和REVEL;基于进化保守性的方法,如SIFT和phyloP;蛋白质语言模型(protein language models),如ESM1b,通过预测蛋白质序列来隐式学习结构与功能知识;混合方法,如AlphaMissense和PrimateAI-3D,结合语言建模与监督学习及结构推断;DNA语言模型(DNA language models),如Evo 2和GPN-MSA,直接在DNA序列上训练以学习基因组规律;以及用于预测基因调控效应的模型,如DeepSEA、ExPecto、Enformer、Borzoi和AlphaGenome等。此外,综述还提及了用于剪接预测的SpliceAI和用于精细定位GWAS结果的cV2F、FLAMES等方法。
四、研究结果
识别致病的蛋白质突变:通过监督学习、进化保守性分析、蛋白质语言建模及混合方法等多种训练策略,现代AI模型在区分致病与良性突变方面表现出超过90%的准确率。然而,这些模型仍存在训练数据偏差、黑箱特性以及对功能获得性突变预测不佳等局限性。
追求机制:在分子水平预测遗传效应:AlphaFold虽在蛋白质结构预测上取得突破,但对突变序列预测不佳;ESMFold基于语言建模,对突变序列更有优势但整体精度较低。分子表型预测(如深度突变扫描数据)仍面临挑战,有研究甚至发现简单线性模型可超越复杂模型。
预测调控效应:非编码变异主要影响基因调控。SpliceAI可预测剪接变异效应;DeepSEA、ExPecto、Enformer等模型预测染色质标记和基因表达,但难以捕捉个体间差异。AlphaGenome作为大规模基础模型,可同时预测多种基因组注释,但尚未开源。非编码基因变异和长距离基因组互作建模仍是开放挑战。
通用基因组模型:DNA语言模型如Evo 2在变异效应预测上接近最先进水平,GPN-MSA在编码和非编码区域均表现出更高精度但依赖多序列比对。多模态基因组基础模型的实用价值仍有待验证。
用基因组预测为遗传关联研究提供信息:AI预测可作为先验信息辅助GWAS精细定位和基因水平分析。但现有变异效应预测多针对孟德尔疾病优化,对复杂性状的泛化能力有限。
疾病风险评估:多基因评分仍以简单线性模型为主,非线性模型的改进有限。罕见变异多基因评分在识别高风险个体方面具有潜力,但跨群体鲁棒性不足,非欧洲血统个体的预测准确性较差。
五、讨论与结论
综述总结指出,该领域面临的关键挑战包括:高质量基准数据集的缺乏、对同源性的过度依赖限制模型泛化、模型可解释性不足阻碍临床采用、临床实施工作欠缺、学术资金难以支撑前沿AI研究,以及生物安全风险需要认真对待。研究结论强调,尽管AI在人类遗传学中的应用已取得巨大进步,但要充分发挥其潜力,需要社区共同努力解决这些挑战。未来,建立更好的基准、开发更通用的模型、加强可解释性研究、推动临床转化以及完善资金支持和生物安全措施,将是释放AI在人类遗传学中全部潜能的关键所在。