Deepsomatic, l’intelligenza artificiale di Google e UC Santa Cruz che vede le mutazioni tumorali invisibili anche ai migliori scienziati

Quando Google Research e UC Santa Cruz dicono «abbiamo lanciato un modello AI che supera tutto» non è marketing, è guerra sui dati. DeepSomatic è il frutto dell’accoppiata fra l’esperienza in varianti genomiche di Google e il rigore bioinformatico dell’UCSC Genomics Institute. È stato presentato in un blog ufficiale Google come “un modello che identifica le varianti tumorali acquisite con precisione nei diversi dati di sequenziamento” (Visita Blog research.google). Nell’articolo ufficiale Google si legge che il lavoro è stato pubblicato su Nature Biotechnology con titolo: Accurate somatic small variant discovery for multiple sequencing technologies.

Il “segreto” di DeepSomatic è duplice:

(1) la capacità di operare su dati Illumina (short-read), PacBio HiFi e Oxford Nanopore (long-read) senza compromessi, e

(2) l’adozione di reti neurali convoluzionali che trasformano i dati allineati in immagini (feature multicanale), proprio come DeepVariant (per varianti germinali) faceva per varianti ereditarie.

DeepSomatic “vede” il DNA del tumore e il DNA normale, e impara a discriminare le variazioni reali (somatiche) da errori di sequenziamento e polimorfismi germinal.

Per quanto riguarda l’accuratezza, i risultati sono impressionanti: nei test, DeepSomatic migliora in modo rilevante la F1-score su indels (inserzioni/delezioni) rispetto ai metodi concorrenti. Su dati Illumina, metodi classici (come MuTect2, Strelka2) raggiungevano circa ~80 % su indels, mentre DeepSomatic è arrivato al ~90 % . Su dati PacBio, dove l’accuratezza per indels era molto bassa (< 50 %) con metodi esistenti, DeepSomatic arriva oltre l’80 %. Su campioni con trattamento FFPE (tessuti fissati, degradati) e su dati exome (sequenziamento di solo esoni), il modello mostra robustezza superiore rispetto ai metodi tradizionali, reclutando varianti che altrimenti sarebbero state perse.

gGi autori hanno anche creato un dataset interno, chiamato CASTLE (Cancer Standards Long-read Evaluation), contenente sei coppie tumor-normale (cell line) sequenziate con Illumina, PacBio e Nanopore, e un “truth set” da usare come riferimento per addestramento e benchmark . Il dataset e i modelli sono stati rilasciati open source, con l’obiettivo di stimolare l’adozione, la verifica indipendente e l’espansione comunitaria.

Quando parliamo di “supera del 10-30 %”, quel dato probabilmente deriva dal confronto delle prestazioni aggregate (precisione / sensibilità) su vari campioni e tecnologie: DeepSomatic ha mostrato miglioramenti consistenti rispetto ai metodi esistenti su tutti i dataset considerati. L’articolo su PubMed indica che gli autori affermano che il modello “costantemente supera altri metodi, particolarmente per gli indels” su dati short- e long-read (vedi PubMed).

In scenari reali clinici il team ha testato DeepSomatic su casi di leucemia pediatrica (campioni tumor-only, senza campione normale) e su un caso di glioblastoma, riuscendo a recuperare varianti note e anche mutazioni aggiuntive che non erano state identificate da precedenti chiamatori. In un caso di leucemia dove non era disponibile il DNA “normale”, DeepSomatic ha comunque lavorato in modalità “tumor-only” e ha identificato mutazioni note e nuove con ragionevole confidenza. È importante: molti laboratori clinici operano senza campione normale, e spesso ignorano varianti a basso allelic fraction o in regioni complesse. DeepSomatic affronta queste sfide.

C’è un ulteriore punto: DeepSomatic non è l’unico strumento IA nel campo somatico (già esistono metodi “classici”, modelli ibridi, strumenti specializzati per short-read). Ma la sua capacità multi-tecnologia è un vantaggio. Alcuni metodi sono limitati a Illumina, altri tentano supporto per long-read con performance degradate. DeepSomatic consente unificare pipeline per varianti somatiche anche quando si passano da dati short-read a long-read, mantenendo qualità: è un colpo strategico verso pipeline più moderne.

Non è esente da limiti. Le prestazioni su varianti molto complesse (larghe delezioni, duplicazioni, ristrutturazioni) non sono il focus: DeepSomatic è progettato per SNV (mutazioni singole di basi) e indels piccoli. Per varianti strutturali (SV) grandi, il team indica che un altro strumento complementare, chiamato Severus, può coprire quelle classi più macro, e DeepSomatic + Severus insieme puntano a un toolkit completo per genomica del cancro. Inoltre, va considerata la complessità computazionale e i costi: modelli neurali convoluzionali su immagini multicanale richiedono GPU / risorse elevate, e l’adozione clinica dovrà valutare latenza, interpretabilità e robustezza su casi “esotici”.

In termini di impatto, DeepSomatic può ridefinire come si fa il variant calling somatico. Potrebbe abilitare l’uso routinario dei dati long-read nei laboratori oncologici, cosa finora rimasta teorica proprio per le difficoltà di chiamare mutazioni somatiche nei dati “puliti” di long-read. Con il rilascio open source, la comunità può testarlo, migliorarlo, estenderlo. Questo contrasta fortemente con molti modelli “IA proprietari” che restano chiusi.

DeepSomatic non è un “altro tool IA” ma una pietra miliare nel passaggio da metodi classici a pipeline unificate, capaci di sfruttare ogni tecnologia di sequenziamento per scoprire mutazioni nascoste. Se vuoi, posso scrivere per te una versione divulgativa adatta a pubblicazione su blog biotech in italiano, con grafici, esempi e limiti discussi. Vuoi che preparo quella versione?