Google DeepMind hat am 11. November AlphaGenome 2 vorgestellt. Das DNA-Vorhersagemodell soll abschätzen, wie genetische Veränderungen in bestimmten Zelltypen und Zellzuständen wirken. In DeepMinds TenK10K-Benchmark erkannte es 30 Prozent der ursächlichen Varianten. Beim ursprünglichen AlphaGenome waren es nach einer Anpassung mit Einzelzelldaten 16 Prozent. Die Ergebnisse stammen aus einem Forschungsbenchmark und belegen weder diagnostische Genauigkeit noch eine Einschätzung des persönlichen Erkrankungsrisikos.
Für die Forschung könnte das Modell helfen, genetische Signale den Zelltypen zuzuordnen, in denen sie wirken, und so die Auswahl weiterer Experimente einzugrenzen. Messungen an einem ganzen Gewebe zeigen zwar Veränderungen insgesamt, können aber Unterschiede zwischen einzelnen Zellen verdecken. Wirkt eine Variante nur in einem bestimmten Zelltyp, lässt sich ihr Effekt im Gewebedurchschnitt möglicherweise nicht erkennen.
AlphaGenome 2 berücksichtigt Zelltyp und Zellzustand
Das ursprüngliche AlphaGenome erstellte aus einer DNA-Sequenz von bis zu rund einer Million Basen eine feste Reihe von Vorhersagen für verschiedene Gewebe und Experimente. Bei AlphaGenome 2 können Forschende einen Zielkontext wie Gewebe, Zelltyp oder Zellzustand vorgeben. Diese Information fließt in die Verarbeitung der Sequenz ein. DeepMind zufolge soll das Modell dadurch zellspezifische Effekte erfassen, die bei umfassenderen Gewebemessungen verborgen bleiben können.
Trainiert wurde das Modell nach Angaben des Unternehmens mit Bulk- und Einzelzelldaten von Menschen und Mäusen. Die Datengrundlage umfasst mehr als 107 Millionen Einzelzellprofile. Forschende können zudem Daten zur Genaktivität einzelner Zellen einspeisen, um Vorhersagen für neu beobachtete Zellzustände zu erstellen, ohne das Modell neu zu trainieren. AlphaGenome 2 kann auch Eigenschaften vorhersagen, die nicht direkt gemessen wurden. Diese Ergebnisse können als Ansatzpunkte für Experimente dienen.
Der TenK10K-Test umfasste 28 primäre Immunzelltypen. In diesem Benchmark erkannte AlphaGenome 2 laut DeepMind 30 Prozent der ursächlichen Varianten; das ursprüngliche Modell kam nach einer Anpassung mit Einzelzelldaten auf 16 Prozent. Der Vergleich bezieht sich ausschließlich auf diesen Test. Eine klinische Validierung ist damit nicht verbunden, und die Ergebnisse zeigen nicht, ob eine bestimmte Person eine Erkrankung entwickeln wird.
ETS2-Beispiel bildet bekannten Mechanismus nach
Als weiteres Beispiel stellte DeepMind einen Zusammenhang mit einer Darmerkrankung vor. AlphaGenome 2 reproduzierte rechnergestützt einen bereits in früheren Forschungsarbeiten beschriebenen Mechanismus: Eine regulatorische Variante erhöht die Aktivität des Gens ETS2 in intestinalen Makrophagen, einer Art von Immunzelle. Das Modell identifizierte die Variante und sagte voraus, dass ihr Effekt auf ETS2 vor allem in Makrophagen auftritt und andere Zelltypen sowie Gene nur begrenzt betrifft.
Der Mechanismus wurde nicht erstmals durch AlphaGenome 2 entdeckt. Forschende des Imperial College London, des Francis Crick Institute und des University College London hatten 2024 eine in Makrophagen aktive regulatorische Region mit erhöhter ETS2-Aktivität und einer Entzündungsfunktion in Verbindung gebracht. Das Beispiel zeigt, dass das Modell einen bestehenden biologischen Befund rechnerisch nachbilden kann; eine neue Krankheitsursache weist es damit nicht nach.
Seit dem 11. November stellt DeepMind AlphaGenome 2 über eine API für nicht-kommerzielle Forschung bereit. Der Zugang für kommerzielle Forschungszwecke befand sich weiterhin in einer privaten Vorschau. Nach Angaben des Unternehmens sind die AlphaGenome-Modelle für Forschungszwecke vorgesehen und nicht für den klinischen oder diagnostischen Einsatz validiert oder zugelassen. Zellspezifische Vorhersagen können Forschenden bei der Auswahl möglicher Experimente helfen, müssen aber noch überprüft werden.