В статье представлена новая модель глубокого обучения Kidzoi, предназначенная для предсказания клеточно-специфичной регуляторной активности генома и эффектов генетических вариантов в почечной ткани. Исследователи разработали эту модель типа «последовательность-функция» (S2F) с использованием метода трансферного обучения на базе предварительно обученной модели Borzoi, дообучив её на данных хроматиновой доступности из одиночных ядер (single-nucleus) тканей человека. Модель демонстрирует высокую точность в предсказании хроматиновой доступности, специфичной для типов клеток почек, и улучшает предсказание эффектов регуляторных вариантов на 10–23% по сравнению с существующими аналогами. Особое значение имеет способность Kidzoi эффективно ранжировать каузальные варианты, выявленные в полногеномных поисках ассоциаций (GWAS), связанные с функцией почек (оцениваемой по уровню эГФР с креатинином и цистатином С), и определять их клеточную специфичность. Систематический анализ показал, что для точного предсказания эффектов вариантов достаточно локального контекста длиной 32–64 кбп, что составляет всего 6–12% от полного входного сигнала модели, что указывает на высокую эффективность локальных признаков. Дополнительно продемонстрировано, что многозадачная архитектура модели достигает производительности, сопоставимой с однозадачными моделями, но при существенно меньших вычислительных затратах. Результаты исследования открывают новые возможности для понимания молекулярных механизмов заболеваний почек и идентификации терапевтических мишеней на основе геномных данных.