新AI模型成功预测有害基因突变，有助确定遗传疾病病因

科技日报记者 刘霞

英国“深度思维”（DeepMind）公司的人工智能工具“阿尔法错义”（AlphaMissense）已对2万种人类蛋白质中的7100万种可能的错义突变进行了检测，通过找出哪些小突变可能具有破坏性，来帮助医生确定导致遗传疾病的“罪魁祸首”。相关论文刊发于最新一期《科学》杂志。

AlphaMissense可以预测突变是否会影响血红蛋白（左）或囊性纤维化跨膜电导调节因子（右）等蛋白质的功能。
图片来源：“深度思维”公司

几乎每个人出生时都携带有50—100个父母没有的突变，这导致了个体之间巨大的基因差异。对医生来说，对某个病人的基因组进行测序以找出病因极具挑战性，因为可能有成千上万个突变与这种疾病有关。“阿尔法错义”应运而生，旨在预测这些基因突变是否有害。

由于碱基置换，与某一氨基酸相对应的密码子变成其他氨基酸的密码子，其结果使合成的蛋白质的活性发生变化或失去活性，这样的突变称为错义突变。每人体内评价携带约9000个错义突变，但在所有可能发生的7100万个错义突变中，科学家只确定了其中0.1%的错义突变的影响。

“阿尔法错义”并非要厘清错义突变如何改变蛋白质的结构或稳定性，以及与其他蛋白质之间的相互作用。相反，它会将每种可能的突变蛋白质的序列与“阿尔法折叠”（AlphaFold）训练过的蛋白质的序列进行比较，查看它看起来是否“自然”，看起来“不自然”的蛋白质会被评为潜在有害。

在对已知突变开展测试时，“阿尔法错义”的表现优于其他方法。研究人员评论道，“阿尔法错义”在几项不同的性能测试中“表现优异”，将有助于科学家确定哪些致病突变应优先研究。不过，错义突变只是众多不同突变中的一种。DNA片段也可以被添加、删除、复制、翻转等。此外，许多致病突变不会改变蛋白质，而是出现在参与调节基因活性的序列附近，在确定病因时也需要考虑这些因素。