I ricercatori dello Stowers Institute for Medical Research hanno sviluppato PISA, Pairwise Influence by Sequence Attribution, un metodo di interpretazione progettato per mostrare con risoluzione a singola base quali elementi di una sequenza di DNA contribuiscono alle predizioni effettuate da un modello di deep learning. Il lavoro, condotto dal gruppo di Julia Zeitlinger dello Stowers Institute in collaborazione con Anshul Kundaje della Stanford University e con Charles McAnany come primo autore, è stato pubblicato su Nature Communications nell’agosto 2026. PISA è stato integrato in BPReveal, un’estensione di BPNet, il framework di deep learning sviluppato dal gruppo a partire dal 2021 per studiare il rapporto tra sequenze di DNA e funzioni genomiche.
Le reti neurali sequence-to-function utilizzano direttamente la sequenza di DNA come input per prevedere risultati sperimentali relativi, per esempio, al legame dei fattori di trascrizione o all’organizzazione dei nucleosomi. Il problema è che una predizione accurata non permette necessariamente di capire quali caratteristiche della sequenza abbiano portato il modello a quel risultato. PISA affronta questo limite ricostruendo, per una specifica posizione genomica, l’influenza esercitata da tutte le altre basi della sequenza. Il risultato è una mappa bidimensionale a risoluzione di singola base che descrive non soltanto ciò che il modello prevede, ma le relazioni tra gli elementi della sequenza che ha effettivamente appreso.
Il metodo è stato applicato in particolare ai dati MNase-seq, una tecnica molto utilizzata per determinare la posizione dei nucleosomi, le strutture nelle quali il DNA si avvolge attorno alle proteine istoniche. L’esperimento utilizza un enzima che taglia preferenzialmente il DNA non protetto dai nucleosomi, ma lo stesso enzima presenta anche una propria preferenza per determinate sequenze. Nei dati finiscono quindi per sovrapporsi il segnale biologico relativo alla posizione dei nucleosomi e un segnale artificiale prodotto dalle caratteristiche dell’enzima. Un modello addestrato su questi dati può imparare entrambi senza distinguerli.
I sistemi di interpretazione precedenti tendevano a condensare l’influenza di ogni base in un singolo valore, con il rischio che contributi positivi e negativi si annullassero reciprocamente. PISA mantiene invece queste informazioni separate e alla massima risoluzione, rendendo visibile nei risultati una firma specifica associata alla preferenza di sequenza dell’enzima MNase. I ricercatori hanno isolato matematicamente questa firma, addestrato un modello separato destinato a rappresentare esclusivamente il bias sperimentale e quindi sottratto tale componente, ottenendo un secondo modello focalizzato sul segnale biologico.
Una volta eliminato il contributo dell’enzima, PISA ha identificato sequenze di DNA coinvolte nel posizionamento dei nucleosomi e ha mostrato che la loro influenza può estendersi per centinaia di coppie di basi nelle due direzioni. Molti di questi effetti non erano simmetrici: alcune sequenze modificavano l’organizzazione della cromatina in maniera diversa sui due lati. Seguendo questo comportamento asimmetrico, i ricercatori sono arrivati alle boundaries dei domini della cromatina, cioè ai confini che contribuiscono a determinare quali sequenze regolatorie possono interagire con determinati geni.
Questi confini vengono normalmente studiati attraverso tecniche dedicate alla struttura tridimensionale della cromatina che richiedono quantità molto elevate di dati di sequenziamento. Utilizzando esclusivamente informazioni relative ai nucleosomi, i modelli analizzati con PISA hanno invece identificato migliaia di boundaries e, secondo i risultati dello studio, in molti casi ne hanno localizzato la posizione con una precisione superiore a quella ottenibile dai dati tridimensionali utilizzati come riferimento.
I modelli depurati dal bias sperimentale sono stati utilizzati anche in direzione opposta, non soltanto per interpretare sequenze esistenti ma per progettare DNA sintetico. Il gruppo ha generato sequenze che, secondo le regole apprese dai modelli, avrebbero dovuto produrre configurazioni specifiche dei nucleosomi e ne ha successivamente verificato sperimentalmente una parte. Le configurazioni osservate hanno confermato le predizioni per i campioni testati, mostrando che le regole estratte dal modello possono essere trasformate in ipotesi biologiche verificabili sperimentalmente.
PISA interviene quindi su un problema distinto rispetto a quello affrontato dai grandi modelli genomici destinati principalmente alla predizione. Sistemi come AlphaGenome di Google DeepMind, pubblicato nel 2026 e citato nello studio, puntano per esempio a prevedere gli effetti delle varianti regolatorie lungo il genoma. PISA è invece progettato per analizzare ciò che questi modelli hanno effettivamente utilizzato per formulare una predizione, ricostruendo l’influenza delle singole sequenze e permettendo di verificare se parte dell’informazione appresa provenga dalla biologia oppure dalle caratteristiche tecniche dell’esperimento.
Il metodo non è rimasto limitato al gruppo che lo ha sviluppato. È già stato implementato in un pacchetto software separato da un collaboratore ed è stato utilizzato anche dal neuroscienziato dello Stowers Institute Neşet Özel per affrontare un differente problema biologico. La prima versione preliminare di PISA era stata pubblicata su bioRxiv l’8 aprile 2025, mentre una revisione del 5 gennaio 2026 ha incorporato ulteriori sviluppi, tra cui l’analisi dei domini della cromatina successivamente aggiunta durante il processo di peer review.
Gli autori precisano comunque che i risultati non costituiscono direttamente una dimostrazione di applicazioni terapeutiche. Gran parte delle varianti genetiche associate alle malattie si trova nelle regioni regolatorie del DNA anziché all’interno dei geni e identificare una variante in un sito di legame o in corrispondenza del confine di un dominio può suggerire un possibile meccanismo biologico, ma non equivale allo sviluppo di un trattamento. Anche la validazione delle sequenze sintetiche ha riguardato soltanto una parte dei design generati, mentre la dimostrazione relativa alla rimozione del bias è stata effettuata specificamente su dati MNase-seq, pur essendo PISA applicabile a diverse tipologie di dati genomici.
Il risultato principale è quindi un sistema che permette di analizzare ciò che un modello genomico incorpora durante l’addestramento, distinguere le caratteristiche realmente riconducibili alla biologia da quelle introdotte dal processo sperimentale e ricavare regole di sequenza sufficientemente precise da essere utilizzate per formulare nuove ipotesi e progettare esperimenti biologici verificabili.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)