Am Dienstag stellte Google DeepMind AlphaGenome Atlas vor, eine durchsuchbare Datenbank, die die molekularen Auswirkungen aller neun Milliarden möglichen Ein-Buchstaben-Substitutionen in menschlicher DNA vorhersagt. Die Veröffentlichung zielt auf ein seit Langem bestehendes Problem der Genetik: Wissenschaftler können das Genom lesen, aber oft nicht erkennen, welche winzigen Veränderungen für Gesundheit und Krankheit von Bedeutung sind.¹

DeepMind erstellte den Atlas, indem es sein AlphaGenome-Modell auf ein menschliches Referenzgenom anwendete und jeden DNA-Buchstaben mit seinen drei möglichen Ersetzungen verglich. Das Ergebnis soll Forschenden einen unmittelbaren Ausgangspunkt für Fragen bieten, die zuvor langsame Modellläufe für jede einzelne Variante oder Labortests erforderten. Pushmeet Kohli, der Leiter für KI in der Wissenschaft des Unternehmens, bezeichnete den Fortschritt als nächstes Kapitel nach dem Humangenomprojekt: „Wir haben das Buch gekauft, aber wir haben nicht verstanden, wie man es liest.“²

Das Unternehmen erklärt, das Werkzeug könne Veränderungen markieren, die die Genexpression, das Spleißen oder die Proteinproduktion verändern könnten, auch im riesigen nichtkodierenden Teil des Genoms, der besonders schwer zu interpretieren war. Zudem veröffentlichte es einen AlphaGenome Variant Impact Score, um Wissenschaftlern dabei zu helfen, Mutationen nach der Notwendigkeit einer genaueren Prüfung zu priorisieren. Google-Chef Sundar Pichai sagte, die kostenlose akademische Ressource funktioniere in einem gewöhnlichen Browser, „ohne dass Programmierung erforderlich ist“. Sundar Pichai (sundarpichai)³

Frühe Tests zeigen, warum diese Priorisierung wichtig sein könnte. In einem ungelösten Epilepsiefall nutzten Forschende den Score, um eine DNM1-Variante zu identifizieren, die voraussichtlich eine abnorme Spleißstelle erzeugt; Laborarbeiten bestätigten die Vorhersage später, und die Variante wurde als wahrscheinlich pathogen neu klassifiziert. In einer separaten Analyse von mehr als 54.000 Teilnehmern der UK Biobank führte das Filtern seltener nichtkodierender Varianten nach vorhergesagten molekularen Auswirkungen zu 22 % mehr Assoziationen als eine Analyse ohne Atlas.²

Doch die eigenen Forschenden von DeepMind ziehen eine klare Grenze zwischen einer vielversprechenden Karte und einem medizinischen Urteil. Der Genomik-Leiter Žiga Avsec sagte, das System könne einige Varianten übersehen, insbesondere in Enhancern, und warnte, seine Ergebnisse seien nicht „die universelle Wahrheit“. Atlas ist daher ein leistungsstarkes Triage-Werkzeug – kein Ersatz für Experimente oder die vollständige Evidenz, die für eine klinische Diagnose erforderlich ist.²