在最近发表于《自然》杂志的一项研究中，Avsec等人介绍了AlphaGenome，这是一个统一的多模态框架，能够从1 Mb的DNA序列中，以单碱基对的分辨率预测数千个功能性基因组轨迹和变异效应。在免疫信号背景下，这是第一个仅通过解析非编码变异如何塑造受体表达、转录因子激活、增强子-启动子通讯、免疫调节因子的剪接以及刺激响应通路中的染色质可及性，从而能够从DNA序列单独预测免疫调节和免疫相关剪接结果的模型。免疫系统在理解多种疾病（如癌症、糖尿病和心血管疾病）的机制发展中扮演着复杂角色。免疫信号涉及快速、复杂且通常具有组织特异性的相互作用。当它与精准免疫基因组学结合时，能够通过高通量下一代测序（NGS）研究个体基因如何影响免疫反应，并分析肿瘤特异性突变以及免疫细胞受体（TCR/BCR），从而预测高度个性化的免疫疗法和治疗反应。在AlphaGenome出现之前，面对“暗基因组”问题，研究免疫信号极其困难。免疫通路高度依赖于由协调的转录因子（TFs）（如核NFκB、IRF和AP-1）驱动的快速转录诱导和可变剪接，这些因子并非孤立运作，而是作为一个协调网络发挥作用，实现即时早期反应，并常常转变为持续的炎症状态。在刺激特异性增强子激活（如LPS、DAMPs和细胞因子）后，会发生受体和衔接蛋白（如MyD88-L、MyD88-S、TLR衔接蛋白亚型、PTPN22剪接变异体、CD45 (PTPRC) 亚型（用于T细胞激活）以及IL17R外显子6的包含）的可变剪接，从而导致炎症位点的染色质重塑和长程增强子-启动子环（如IL-6、TNF-α和CXCL趋化因子）。这些过程并非由编码区调控，而是由非编码顺式调控序列调控。因此，大多数免疫表型，包括高炎症、免疫缺陷和自身免疫，都是由非编码变异驱动的，这些变异调节炎症增强子处的NFκB、IRFs、STATs和AP-1转录因子结合基序的染色质可及性、细胞因子、受体和衔接蛋白的剪接、启动子使用和转录起始，以及控制细胞因子基因簇的三维染色质结构。所有这些模态都可以被AlphaGenome在1 Mb DNA序列范围内，以碱基对分辨率同时有效预测，而这正是免疫调控元件运作的尺度。非编码变异日益被认为是免疫介导疾病的主要贡献者。Farh等人证明，超过90%的自身免疫相关GWAS变异定位于免疫细胞的增强子区域，而Schmiedel等人也报告称，非编码变异可以调节T细胞中细胞因子响应增强子的活性和转录因子结合，直接塑造个体间免疫反应的差异，这凸显了对能够机制性解释非编码免疫调控变异的模型的需求。
**研究背景与问题**
免疫系统在癌症、糖尿病和心血管疾病等多种疾病的发生发展中扮演着复杂角色。免疫信号通路涉及快速、复杂且常具组织特异性的相互作用。精准免疫基因组学通过高通量测序等技术，使得研究个体基因如何影响免疫反应成为可能，有助于预测个性化免疫疗法。然而，在AlphaGenome出现之前，研究免疫信号面临“暗基因组”的挑战。免疫通路依赖于由NFκB、IRF、AP-1等转录因子（TFs）协调网络驱动的快速转录诱导和可变剪接。这些过程以及染色质可及性、增强子-启动子远程互作等关键调控事件，主要由非编码顺式调控序列决定，而非编码区功能解读极为困难。大多数免疫表型（如高炎症、自身免疫）由非编码变异驱动，这些变异通过影响转录因子结合、染色质可及性、剪接和三维基因组结构来发挥作用。尽管全基因组关联研究（GWAS）发现大量疾病相关非编码变异位于免疫细胞增强子区，但传统模型（如Enformer、Borzoi）缺乏单碱基分辨率，且无法高效处理长序列，而SpliceAI、ChromBPNet等单模态工具无法揭示不同调控层级的相互联系。因此，亟需一个能够统一、机制性解读长程非编码免疫调控变异的模型。
**研究内容与意义**
为应对上述挑战，研究人员在《Signal Transduction and Targeted Therapy》上发表研究，引入了AlphaGenome。这是一个统一的多模态深度学习框架，能够直接从长达1 Mb的DNA序列中，以单碱基对分辨率同时预测数千种功能性基因组轨迹和变异效应。这是首个仅凭DNA序列即可预测免疫调节和免疫相关剪接结果的模型。它通过整合长程染色质互作、转录因子结合、剪接和基因表达预测，为解码免疫调控逻辑提供了前所未有的工具。该模型能够机制性解释非编码变异如何影响受体表达、转录因子激活、增强子-启动子通讯、免疫调节因子剪接以及刺激响应通路中的染色质可及性，对于理解免疫信号转导、实现精准免疫学具有重要意义。
**关键技术方法**
研究人员开发了AlphaGenome这一基于深度学习的多模态预测框架。其核心是使用一个能够处理1 Mb长度DNA序列输入的模型架构。该模型通过多头预测机制，同时输出多种基因组功能模态，包括RNA-Seq表达、CAGE和PRO-cap转录起始、DNase/ATAC染色质可及性、H3K27ac等组蛋白修饰、转录因子结合（包括免疫相关TFs）、剪接位点、剪接连接以及三维染色质接触图谱和环。模型训练利用了来自ENCODE等公共数据库的大量基因组学数据，包括超过1600个人类转录因子的染色质免疫沉淀测序（ChIP-seq）轨迹。模型通过其TF ChIP-seq预测头，有效学习了包括NFκB、IRFs、STATs、AP-1在内的免疫相关转录因子的结合规律，这些是免疫信号转导的核心。
**研究结果**
1. **模型性能超越现有工具**：AlphaGenome在多项预测任务上优于现有模型。例如，在细胞类型特异性基因表达变化预测上，相较于Borzoi有14.7%的相对提升。在接触图谱预测上优于Orca，在转录起始轨迹预测上优于ProCapNet，在染色质可及性预测上优于ChromBPNet。它在eQTL方向预测、剪接QTLs、染色质可及性QTLs、MPRA增强子检测以及ClinVar非编码变异解读方面均优于所有现有模型。
2. **精准预测免疫相关转录因子结合**：AlphaGenome能够准确预测免疫信号转导骨干转录因子（如NFκB家族的RELA、NFκB1、NFκB2，IRF家族的IRF1、IRF3，STAT家族的STAT1、STAT3、STAT5，AP-1家族的cJUN和cFOS，以及PU.1和CTCF）的结合。模型从序列中学习了STAT1特异性结合决定因素，其预测的STAT1结合谱与实验数据高度一致，优于Borzoi和Enformer模型。它还能准确预测RELA在典型κB增强子基序上的占据，并能机制性解释改变NFκB增强子或响应激活的变异。
3. **捕捉长程免疫基因调控**：免疫基因常位于密集的调控区域内，其增强子可能距离启动子数百kb。AlphaGenome的1 Mb输入窗口使其能够建模增强子-启动子环、超级增强子结构、染色质结构域边界以及多基因炎症簇，这对于理解细胞因子诱导的幅度和动力学至关重要。例如，IL-6和TNF-α的远端增强子、CXCL趋化因子簇的长程环化以及HLA II类基因的调控，都能被该模型捕获。
4. **统一预测免疫相关可变剪接**：AlphaGenome通过集成的剪接位点、剪接连接和剪接使用预测头，能够预测免疫特异性剪接事件。这些事件对T细胞激活、巨噬细胞极化和细胞因子信号传导至关重要，例如MyD88-L/S亚型转换、IL7R外显子6包含以及CD45 (PTPRC) 可变外显子的选择。模型的多模态输出允许对变异驱动的剪接破坏进行机制性追踪。
5. **机制性解读非编码变异**：由于AlphaGenome能联合预测转录因子结合、可及性、组蛋白修饰和转录起始，因此可以区分一个变异是主要影响基序强度、核小体定位、增强子激活还是下游转录输出。这对于解读免疫相关疾病（如自身免疫病）中的非编码变异尤其相关，这些致病变异常位于增强子簇中，如HLA-II基因座、TNF-α超级增强子或CXCL趋化因子簇。模型能够识别放大细胞因子风暴的增强子变异、损害免疫耐受的剪接变异、降低抗病毒反应的启动子变异以及改变巨噬细胞极化的转录因子基序破坏。
6. **应用示例：TAL1变异的机制阐释**：研究以T细胞急性淋巴细胞白血病1（TAL1）基因为例，说明了一个与免疫信号高度相关的普遍原理。一个非编码变异创造了一个全新的转录因子基序，从而增加了转录因子结合，进一步增强了染色质可及性、增强子激活及其后续的基因表达。这个过程模拟了免疫增强子在Toll样受体（TLR）激活、细胞因子刺激、T细胞激活和巨噬细胞极化期间的行为方式。
**讨论与结论**
AlphaGenome为解码免疫调控逻辑提供了一个前所未有的框架。它的多模态、长序列预测能力使得能够直接从DNA序列推断免疫信号通路（如NFκB、STAT、IRF、AP-1和PU.1网络）所依赖的远端增强子、启动子-增强子环、可变剪接程序和上下文特异性染色质可及性。该模型的转化应用包括对免疫GWAS位点的机制性解读、免疫治疗反应的变异到功能映射，以及疾病相关基因座调控后果的预测。
然而，AlphaGenome也存在一些免疫学特异性局限。它尚未在刺激特异性免疫数据集（如LPS、IFN-γ、IL-4）上进行训练，也未纳入单细胞免疫异质性。此外，它没有明确建模细胞状态转换（如静息或激活状态），也没有建模转录后调控（如miRNA和RNA结合蛋白）。同时，它未包含免疫特异性表观基因组模态，如CUT&RUN、CUT&Tag。尽管如此，作为一个新模型，它有望在未来纳入巨噬细胞激活时间进程、免疫特异性TF ChIP-seq数据集、单细胞染色质可及性、T细胞分化轨迹以及细胞因子特异性增强子激活数据，从而创建首个免疫特异性的序列到功能模型。
**研究结论**：AlphaGenome是一个统一的多模态框架，能够从1 Mb的DNA序列中以单碱基对分辨率预测数千个功能性基因组轨迹和变异效应。在免疫信号背景下，这是第一个能够仅从DNA序列预测免疫调节和免疫相关剪接结果的模型，它通过解析非编码变异如何塑造受体表达、转录因子激活、增强子-启动子通讯、免疫调节因子剪接以及刺激响应通路中的染色质可及性来实现这一目标。该模型为机制性解读非编码免疫调控变异、实现精准免疫学奠定了基础。
