Zusammenfassung:
Google DeepMind hat eine neue Generation des genomischen künstlichen Intelligenzmodells AlphaGenome 2 auf den Markt gebracht, das darauf abzielt, genauer vorherzusagen, wie sich genetische Variationen der DNA auf verschiedene Zelltypen im menschlichen Körper und die Aktivitäten von Zellen in verschiedenen biologischen Zuständen auswirken. Diese Technologie soll Forschern dabei helfen, wichtige krankheitsbedingte Veränderungen anhand umfangreicher genetischer Informationen zu identifizieren, den Krankheitsmechanismus weiter aufzudecken und neue Angriffspunkte für die zukünftige Arzneimittelentwicklung zu finden.
AlphaGenome 2 ist der Nachfolger des im letzten Jahr eingeführten AlphaGenome-Modells. Die Hauptaufgabe beider Modelle besteht darin, den Einfluss genetischer Variation auf die Genaktivität zu untersuchen. Das neue Modell verfeinert jedoch die Granularität der Analyse auf bestimmte Zelltypen und Zellzustände.
Fast alle Zellen im menschlichen Körper tragen die gleiche DNA, aber verschiedene Zellen erfüllen unterschiedliche Aufgaben. Beispielsweise verfügen Herzmuskelzellen, Hautzellen und Immunzellen, die für die Abwehr von Infektionen verantwortlich sind, alle im Wesentlichen über die gleichen genetischen Informationen, schalten jedoch je nach Funktion unterschiedliche Gene ein oder aus. Sogar innerhalb derselben Zelle kann sich die Genaktivität während des Wachstums, der Differenzierung, einer Infektion oder anderen physiologischen Bedingungen ändern.
Das bedeutet, dass dieselbe genetische Variante in verschiedenen Zellen völlig unterschiedliche Auswirkungen haben kann. Wenn genetische Daten nur auf der Ebene des gesamten Gewebes oder Körpers analysiert werden, können bestimmte Anomalien, die nur in bestimmten Zellen auftreten, übersehen werden. AlphaGenome 2 soll dieses Problem lösen und herausfinden, welche Zellen eine bestimmte DNA-Veränderung betrifft und welche Konsequenzen sie in einem bestimmten biologischen Zustand haben kann.
Um diese verfeinerte Vorhersage zu erreichen, verwendete Google DeepMind mehr als 100 Millionen Einzelzelldaten für das Modelltraining, die 68 Arten menschlicher Gewebe abdecken. Die Forscher hoffen, dass das Modell mit Hilfe dieser riesigen Zellkarten nicht mehr nur die allgemeine Korrelation zwischen DNA-Sequenzen und Genaktivitäten identifizieren kann, sondern auch die möglichen Auswirkungen genetischer Variationen anhand der biologischen Eigenschaften bestimmter Zellen vorhersagen kann.
DeepMind gab an, dass AlphaGenome 2 fast doppelt so viele genetische Variationen identifizieren kann, die die Genexpression von Zellen verändern können, als frühere fortgeschrittene Modelle. Dies bedeutet, dass Forscher die Möglichkeit haben, genetische Signale zu entdecken, die in größeren Analysen in der Vergangenheit übersehen wurden.
Eine weitere wichtige Fähigkeit besteht darin, dass AlphaGenome 2 Zelltypen und biologische Zustände vorhersagen kann, die nicht direkt in den Trainingsdaten aufgetaucht sind, ohne das Modell für jeden neuen Zelltyp neu trainieren zu müssen. Diese Verallgemeinerungsfähigkeit hilft Forschern, Zelltypen zu untersuchen, für die relativ wenige Daten vorliegen. Es hilft ihnen auch, Lücken in vorhandenen experimentellen Daten zu entdecken und zu entscheiden, wo als nächstes Experimente durchgeführt werden sollen.
Adam Gayoso, ein Google DeepMind-Forscher, der an dem Projekt beteiligt war, glaubt, dass der wichtigste Fortschritt dieser Arbeit darin besteht, menschliche Genetik und Zellbiologie enger zu verbinden. Forscher können zunächst verdächtige Varianten aus groß angelegten populationsgenetischen Studien entdecken und dann mit AlphaGenome 2 die möglichen Auswirkungen dieser Varianten auf zellulärer Ebene weiter analysieren und dann Zusammenhänge zwischen ihnen und bestimmten Krankheiten finden.
Žiga Avsec, Leiterin der Genomik bei Google DeepMind, wies darauf hin, dass diese Art der Feinanalyse auf zellulärer Ebene besonders wichtig für die Medikamentenentwicklung sei. Medikamente zielen oft auf bestimmte Proteine und Zelltypen ab. Daher kann es Forschern helfen, genau zu wissen, welche Zellen eine bestimmte genetische Variante betrifft und was mit diesen Zellen passiert, therapeutische Ziele genauer zu identifizieren.
Fortschritte auf diesem Gebiet haben in den letzten Jahren auch von der Entwicklung der Einzelzellsequenzierung und anderen Biotechnologien profitiert. Forscher sind nun in der Lage, einzelne Zellen und ihre biologischen Zustände mit höherer Auflösung zu erfassen und Datensätze anzuhäufen, die groß genug sind, um die Grundlage für das Training solcher Modelle der künstlichen Intelligenz zu bilden.
DeepMind plant außerdem, den Umfang der Trainingsdaten weiter zu erweitern, insbesondere um Zellzustände zu ergänzen, die derzeit unterrepräsentiert sind. Avsec sagte, dass zukünftige Versionen möglicherweise sogar Daten von mehreren Arten einbeziehen könnten, was es dem Modell ermöglichen würde, Muster aus einem breiteren Spektrum biologischer Systeme zu lernen. Längerfristig könnten solche Modelle eine wichtige Grundlage für den Aufbau virtueller Zellen werden, also die Reproduktion biologischer Aktivitäten in realen Zellen durch digitale Simulation.
AlphaGenome 2 wird jedoch nicht sofort das Modell der vorherigen Generation ersetzen. Präzisere Vorhersagen auf Zellebene erfordern mehr Rechenressourcen und höhere Betriebskosten. DeepMinds bereits im September 2026 veröffentlichter AlphaGenome Atlas hat das ursprüngliche AlphaGenome verwendet, um etwa 9 Milliarden mögliche Einzelbasenveränderungen und ihre molekularen Auswirkungen auf das menschliche Genom vorab zu berechnen. Wenn das rechenintensivere AlphaGenome 2 für die Erledigung einer so großen Aufgabe verwendet wird, sind Effizienz und Ressourcenverbrauch nicht optimal.
Daher werden die beiden Modellgenerationen zu diesem Zeitpunkt noch unterschiedliche Aufgaben übernehmen: AlphaGenome eignet sich für groß angelegte, genomweite Vorhersagen, während AlphaGenome 2 eher für die tiefgreifende Analyse spezifischer genetischer Variationen und Zelltypen geeignet ist.
Google gab bekannt, dass AlphaGenome 2 ab dem 11. November für nichtkommerzielle Forscher über die AlphaGenome API verfügbar sein wird, während kommerziellen Forschungseinrichtungen begrenzter privater Vorschauzugang gewährt wird. Dies bedeutet, dass Forscher damit beginnen können, es für die genetische und zellbiologische Forschung zu nutzen, kommerzielle Anwendungen sind jedoch noch begrenzt.
Es muss betont werden, dass es sich bei AlphaGenome 2 immer noch um ein Prognoseinstrument für die wissenschaftliche Forschung und nicht um ein klinisch erprobtes Diagnose- oder Behandlungssystem handelt. Die durch das Modell identifizierten genetischen Varianten und ihre potenziellen Auswirkungen müssen noch durch experimentelle Forschung und klinische Beweise weiter bestätigt werden und können nicht direkt zur Bestimmung verwendet werden, ob eine Person an einer bestimmten Krankheit leidet.
Von AlphaGenome über AlphaGenome 2 bis hin zum AlphaGenome Atlas, der etwa 9 Milliarden genetische Variationen abdeckt, versucht Google DeepMind, ein Forschungssystem für künstliche Intelligenz zu etablieren, das von DNA-Sequenzen über genetische Variationen bis hin zu zellulären Aktivitäten reicht. Wenn Daten aus verschiedenen Geweben, Zellzuständen und sogar mehreren Arten in Zukunft weiter integriert werden können, wird erwartet, dass diese Art von Modell Wissenschaftlern dabei hilft, systematischer zu verstehen, wie genetische Informationen in echte biologische Funktionen umgewandelt werden, und neue Forschungsinstrumente für die Untersuchung von Krankheitsmechanismen und die Entwicklung neuer Medikamente bereitzustellen.
Kommentare