" Furthermore, our model could accurately predict the effect of individual SNPs on TF binding with the DeepSEA TF binding classifiers, as demonstrated for several SNPs with experimentally validated known effects on TF binding. For the breast cancer risk locus SNP rs4784227 (ref. 14), we identified the increased affinity of FOXA1 as the strongest effect of C-to-T alteration consistently in all five cell types for which we have learned predictors for FOXA1. For an SNP associated with the inherited blood disorder α thalassemia15, the model predicted that the alteration of T to C creates a binding site for GATA1. For an isolated pancreatic agenesis mutation16, we predicted the deleterious effect to FOXA2 binding with A-to-G alteration. "
"Finally, we extended DeepSEA to prioritize functional SNPs on the basis of the predicted chromatin effect signals. This is, to our knowledge, the first approach for prioritization of functional variants using de novo regulatory sequence information. DeepSEA allows us to produce classifiers with superior performance in predicting trait-associated variants from population genetics studies (for example, disease-associated genome-wide association study (GWAS) SNPs) without relying on any annotation information by combining de novo sequence-based chromatin effect predictions with evolutionary conservation information."
Functionality가 Casuality로 직결되지 않는다는 얘기는 이미 2010~2012년 사이에 보편화된 얘기입니다. 어떤 변이가 기능을 가지고 있다고 해서 그게 우리가 기대하는 어떤 형질로 직결되는지는 아무도 모른다는 것이죠. Casuality -> Functionality 는 자명한 얘기겠지만.
지금까지의 생명과학 연구가 어땠습니까? 실험실에서 발견된 '멋져 보이는' 기전에 홀려 그 기전을 약과 치료법으로 만들겠다고 수십년을 매달려왔지만 현실은 제약회사들도 CNS 논문을 못 믿어서 임상시험 경과에 따라 로열티를 차등지급하는 상황입니다.
세포, 분자 수준에서 특정 유전자가 functional 하다는 것이 특정 형질에 정말로 큰 영향을 미쳤다면 알츠하이머는 20년 전 쯤에 진작에 정복됐겠죠. 알츠하이머를 치료할 멋진 기전이 발견됐다는 기사는 20년 전에도 있었으니까.
그런데 유전학은 개-무시하고 우리 딥모델 개짱짱이야 하면서 딥러닝을 이용해 유전체 정보로부터 질병 위험도, 조기 예측을 할 수 있다는 연구자, 회사, 세금 루팡러들이 득세하니 참 재밌다는 생각을 합니다.
https://www.nature.com/articles/nmeth.3547
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4914104/