AlphaGenome 2 kan per celtype rekenen, en voor de haarcel blijkt dat vooral te laten zien wat het model niet weet
Op 11 november kondigde DeepMind AlphaGenome 2 aan. Het grote nieuwe punt is niet een betere splicingvoorspelling (daarop scoort het volgens de eigen paper vergelijkbaar met de eerste versie), maar dat je per aanroep een celtype kiest, uit 2.799 menselijke en 720 muiscondities. En het model zegt er per conditie bij of de splicing daar echt gemeten is in de trainingsdata, of door het model ingevuld. Dat tweede label is voor mij het nuttigste wat er in mei nog niet was. Ik heb mijn variant er dezelfde dag doorheen gehaald. Naar de API gingen alleen de MYO6-coördinaten en openbare celdata.
Waar splicing echt gemeten is, is het beeld overal hetzelfde: de normale knipplek valt bijna volledig weg en het overslaan van stuk 23 is de sterkste verschuiving. Het duidelijkst in neusslijmvlies, het respiratoire epitheel: het gebruik van de donor zakt van 0,94 naar 0,003 en de dekking van stuk 23 met 98 procent. Dat is relevant, omdat neusepitheel een van de weefsels is waarin de splicing van mijn variant ook in het echt gemeten zou kunnen worden. In T- en NK-cellen uit bloed is het effect ook sterk, in B-cellen zwakker. Zo’n uitkomst neem ik mee als argument voor dat meetweefsel, niet als bewijs. Een sequentiemodel zegt nog altijd niets over hoeveel van het foute transcript aan de opruimdienst ontsnapt.
Voor de haarcel zelf is het antwoord eerlijker dan ik hoopte: het is extrapolatie. Er zit geen enkele menselijke binnenoorconditie in het model. De muis heeft er wel een paar (binnenhaarcel, steuncel, binnenoor), maar daar is elke splicingtrack ingevuld en nooit gemeten. De nieuwste truc, het model conditioneren op ruwe single-cell-data, heb ik geprobeerd met 128 volwassen menselijke haarcellen uit een openbare Leidse dataset (GSE213796). Dan ziet het model de normale donor al in de referentie niet gebruikt worden, en een knipplek die niet gebruikt wordt kan ook geen verschuiving laten zien. Een uitkomst van nul betekent daar dus «het model weet het niet», niet «geen effect». Alleen de expressiekop zegt iets: de dekking van stuk 23 zakt met 87 procent. Dat getal vertrouw ik niet, de richting wel.
Wat het níet verandert: in-silico bewijs telt bij de classificatie nog steeds één keer, hoeveel modellen ik ook stapel. Wat het wél oplevert is een toetsbare vorm. Als er ooit single-cell-data komen van haarcelachtige cellen uit organoïden met mijn variant, plus een echte splicingmeting uit dezelfde kweek, dan kan het model voor het eerst op een haarcel worden afgerekend in plaats van geloofd. Er bestaat nog geen open dataset van rijpe menselijke cochleaire haarcellen. Dat gat zit in de wereld, niet in mijn zoektocht.