已發表的研究結果表明，PrimateAI-3D能夠利用靈長類動物基因和先進的人工智能技術來改善遺傳風險預測和藥物靶點發現
美國加利福尼亞州圣迭戈2023年6月5日 /美通社/ -- 近日，全球基因測序和芯片技術的領導者因美納（納斯達克股票代碼：ILMN），宣布推出全新的人工智能（AI）算法 -- PrimateAI-3D，它能高度準確地預測患者的致病基因突變。相關研究結果發表在6月2日的《科學》（Science）期刊（第6648期）的兩篇論文里，文章詳細介紹了這種算法的訓練方式及其在英國生物樣本庫（UK Biobank）隊列中50萬個基因組的應用情況。另外兩篇關于靈長類動物進化研究的論文也同期發表，并為PrimateAI-3D的開發提供了信息。
"PrimateAI-3D將最新的人工智能技術與先進的基因測序能力結合在一起，這一產品的推出，振奮人心。"因美納首席執行官Francis deSouza表示，"因美納將持續助力臨床醫生和研究人員同步研究大量基因組數據，并有可能成倍地加速正在進行的關鍵工作，以更好地為患者提供服務。"
根據美國國家衛生研究院發布的數據，每年生成的基因組數據量接近400億 GB。若想解鎖更多發現來促進人類健康并改善精準醫療水平，共享、分析和解讀基因組數據的能力尤為重要。
經過自然選擇訓練的AI算法
每個人都攜帶著數百萬種基因變異，正是這些變異導致了健康和疾病風險的個體差異，但目前大多數變異的作用方式尚不明確。PrimateAI-3D可高度準確地發現致病變異，解決疾病面臨的關鍵挑戰，從而成功實現個體化基因組精準醫學。
為了獲得先進的性能，PrimateAI-3D采用了與ChatGPT和AlphaFold類似的深度神經網絡架構，不同之處在于PrimateAI-3D是根據基因組序列而不是人類語言來進行訓練。另外，在ChatGPT等生成性語言模型中，現有的文本就可以為訓練提供信息，而人類基因組中導致疾病的基因變異在很大程度上卻是未知的。
為解決這個問題，PrimateAI-3D有效地利用自然選擇來訓練深度神經網絡的參數。這種訓練基于此前對233種不同靈長類動物進行測序時發現的數百萬種良性基因變異來開展，這也是迄今為止開展的最大規模的非人類靈長類物種測序工作。對非人類靈長類動物開展測序可以幫助科學家推斷人類遺傳變異的致病性，從而更好地解讀全基因組范圍內的臨床變異。
結果發現深度神經網絡不僅能在所有接受測試的六組臨床隊列中高度準確地識別致病變異，還能提供個性化的遺傳病風險預測，這些預測已在近50萬人的隊列中得到驗證。
因美納人工智能副總裁、上述出版物的通訊作者Kyle Farh表示："由于非人類靈長類物種的基因組與人類基因組相近，它們具有獨一無二的優勢，既可以幫助我們了解人類疾病的遺傳基礎，也可以讓我們了解它們自身的真實情況。"
解碼精準醫療和基于基因的藥物靶點發現
正如《科學》（Science）期刊上發表的相關論文所述，因美納的科學家與學術界的合作者一起將PrimateAI-3D算法應用到了英國生物樣本庫的近50萬個個體中，用于識別罕見的致病突變。他們發現，在調查的90種不同臨床病癥中，普通人群里97%的健康成員的基因組中至少潛伏著一種高度可干預變異。PrimateAI-3D還大幅提高了遺傳風險預測的準確性，首次證明了多基因風險評分在很大程度上不受祖先偏差影響，為公平地實施基于基因的精準醫療邁出關鍵一步，適用于更多元化的人群。
因美納首席技術官Alex Aravanis表示："將最新的人工智能技術應用于基因組學，以揭示糖尿病、心臟病和自身免疫性疾病等復雜遺傳疾病的關鍵底層信息，這一技術的推出為因美納在遺傳風險預測和藥物靶點發現方面給來巨大機遇。"
PrimateAI-3D將集成在因美納的互聯軟件中，供基因組學界廣泛使用。
前瞻性聲明
本新聞稿可能包含涉及風險和不確定性的前瞻性聲明。我們的業務受制于以下重要因素，這些因素可能導致實際結果與任何前瞻性聲明中的結果有實質性差異：(i)開發、發布和維護新產品和服務所固有的挑戰；(ii)客戶對新產品和服務的接受程度以及我們在提交給美國證券交易委員會的文件中詳細說明的其他因素，包括最近提交的10-K和10-Q表格，或者事先公布的公開電話會議上披露的信息，這些會議的日期和時間已提前公布。我們沒有義務也不打算更新這些前瞻性聲明，亦不會評估或確認分析師的相關預期，提供當季度的中期報告或更新文件。
關于因美納
因美納公司致力于推動和激發基因組學的發展而不斷改善人類健康。2023年，我們慶祝創新25年，專注創新使我們成為全球基因測序和芯片技術的領導者，并為全球范圍的科研、臨床和應用市場客戶提供專業服務。我們的產品廣泛應用于生命科學、腫瘤學、生殖保健、農業及其他新興領域。欲了解更多信息，請訪問illumina.com.cn或關注因美納微信公眾號。
