# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
罕见病诊断一直是医学界的难题。
传统方法存在着检测流程复杂、报告解读困难等问题，约半数患者因缺乏明确病因治疗受阻。
近日，《Nature Genetics》期刊上发布了一项名为“Proteome-wide model for human disease genetics”的研究，哈佛医学院和巴塞罗那基因组调控中心（CRG）的研究人员开发出一款名为popEVE的AI蛋白质模型。
该模型是一款结合进化信息和人类群体数据的深度生成模型，能在全蛋白质组范围内评估变异的有害程度。有望彻底改变遗传疾病的诊断方式。
为验证模型效能，团队分析了超过3.1万个患有严重发育障碍的儿童家庭遗传数据。
在98%的病例中，popEVE将共同突变标记为最具破坏性的变异，其表现优于谷歌DeepMind团队AlphaMissense在内的同类工具。
与此同时，popEVE还发现了123个此前被认为与发育障碍无关的基因，其中104个仅在个别病例中出现。
早在2021年，该团队就发表了变异效应进化模型EVE，当时该模型就能将人类疾病基因中的突变分类为良性或有害，但其分数无法直接在基因间进行比较，并确定哪种对健康影响最为严重。
而新推出的popEVE在大型语言蛋白质模型实现提升的基础上，结合了来自英国生物样本库内的海量人类数据，实现了AI辅助罕见病诊断的全新突破。
在测试中，该模型不仅能区分致病变异和良性变异，还能识别出健康对照组，平均精度比次优模型（AlphaMissense）提升3.2%。并且该模型能仅凭儿童基因组识别可能的因果变异，无需父母数据。
popEVE最大的突破，还是实现了对“严重程度”的判断。
popEVE的示例输出。左侧和中间面板显示了图表和列表格式的变异分数，从最可能致病的深紫色到最不可能的黄色。右侧面板描绘了带有变体分数的蛋白质晶体结构。图片来源：Marks实验室
在临床情况下，一些蛋白的功能受损可能在晚年产生适度影响，而另一些蛋白的破坏在儿童期可能致命。
这两种情况都可以被视为“致病”，但在试图找出严重疾病的遗传原因时，模型必须能够区分这两种情况。
2023年，开发出AlphaFold的谷歌DeepMind团队开发了一款名为AlphaMissense的模型，作为AlphaFold的一种改进衍生工具，实现对错义突变的致病性预测。
该模型以接近89%的准确率一鸣惊人，推开了AI模型辅助诊断遗传疾病的大门。
然而，开发了popEVE的哈佛团队认为，虽然AlphaMissense在蛋白质稳定性方面准确，但缺乏诊断所需的临床校准。
统计分析显示，AlphaMissense预测平均每个人会有五种“致病”变异，而popEVE预测不到一种。这种差异在临床环境中至关重要，因为过度预测可能导致误诊和不必要的焦虑。
尽管性能有所提升，popEVE仍是一个研究工具尚未获得FDA批准作为独立诊断设备使用，目前已开源且可以通过在线门户直接访问使用。
在线门户：https://pop.evemodel.org/
开源链接：https://github.com/debbiemarkslab/popEVE
据悉，该模型未来的应用不仅限于诊断，还将扩展到药物发现，因为该模型能够精确定位蛋白质结构中的特定致病机制。
文章来自于“智药局”，作者“向然”。
