Story
12. Nov. 2026
AlphaGenome 2 verspricht präzisere Antworten auf Krankheiten – zu höheren Rechenkosten
DeepMind präsentiert AlphaGenome 2 als einen wichtigen Schritt hin zur Zuordnung krankheitsassoziierter DNA-Veränderungen zu den präzisen Zellen, in denen sie relevant sind. Externe Berichterstattung stimmt zu, dass die zusätzliche biologische Detailtiefe für die Therapieforschung wertvoll sein könnte, betont jedoch, dass der Präzisionsgewinn mit praktischen Kosten bei der Rechenleistung einhergeht.
DeepMinds erstes AlphaGenome-Modell, das im vergangenen Jahr veröffentlicht wurde, untersuchte, wie DNA-Varianten die molekulare Aktivität über breite Gewebe hinweg beeinflussen. Sein am Mittwoch angekündigter Nachfolger verengt den Fokus: AlphaGenome 2 wurde entwickelt, um vorherzusagen, was dieselbe genetische Veränderung in einem bestimmten Zelltyp oder Zellzustand bewirken könnte, anstatt ihre Auswirkungen über ein Gewebe hinweg zu mitteln.1
Dieser Unterschied ist wichtig, weil Herz-, Immun- und andere Zellen dieselbe DNA tragen, sie aber unterschiedlich nutzen. Bei der Vorstellung des Modells sagte DeepMind-Chef Demis Hassabis, es sage Varianteneffekte in „verschiedenen spezifischen Zelltypen“ voraus – eine Fähigkeit, die er als entscheidend für das Verständnis komplexer Krankheiten bezeichnete.
2
Das Unternehmen erklärt, das System sei anhand von mehr als 100 Millionen Einzelzellprofilen aus 68 Geweben trainiert worden. Es berichtet, dass AlphaGenome 2 nahezu doppelt so viele Varianten identifiziert, die die Genexpression in Zellen verändern, wie sein zuvor führendes Modell, und Vorhersagen für neu profilierte Zellzustände ohne erneutes Training treffen kann.1
Die unabhängige Einordnung ist zurückhaltender, stimmt aber im Großen und Ganzen überein. The Verge berichtete, das Modell könne Varianten aus genetischen Studien im Populationsmaßstab mit ihren Auswirkungen auf zellulärer Ebene verknüpfen – und damit möglicherweise Krankheitsmechanismen offenlegen, die breitere Modelle übersehen. DeepMinds Genomik-Leiter Žiga Avsec sagte, eine solche Auflösung sei wichtig, weil die Arzneimittelentwicklung auf „spezifische Proteine und spezifische Zelltypen“ ziele.3
Der Zielkonflikt wurde ebenso deutlich. Avsec sagte, die detaillierteren Ausgaben von AlphaGenome 2 seien „teurer“ zu erzeugen, was es unpraktisch mache, sie für den genomweiten Atlas zu verwenden, den DeepMind zuvor für jede mögliche Ein-Buchstaben-Veränderung in menschlicher DNA erstellt hatte.3
Vorerst hat Google das Modell über die AlphaGenome API für nicht kommerzielle Forschung geöffnet, während der kommerzielle Zugang weiterhin in einer privaten Vorschau verfügbar ist.
4 Das Versprechen ist eine genauere Karte von Mutation zu Krankheit; die Einschränkung besteht darin, ob Forschende es sich leisten können, diese Karte in großem Maßstab zu nutzen.