LONDON (IT BOLTWISE) – DeepMind veröffentlicht mit AlphaGenome Atlas eine kostenlos zugängliche Datenbasis, die die biologischen Folgen jeder einzelnen DNA-Basen-Substitution vorab berechnet. Das System deckt alle 9 Milliarden möglichen Ein-Buchstaben-Änderungen ab und verknüpft sie mit Vorhersagen zur Genregulation über viele Zell- und Gewebetypen hinweg. Für Nutzende wird damit die bisher langsame Variante-für-Variante-Analyse durch eine browserbasierte Suche ersetzt. Für kommerzielle Zugriffe ist laut Ankündigung später eine Lizenzierung über Google Cloud geplant.
Wer heute versteht, welche Folgen eine einzelne Mutation im Erbgut hat, muss häufig bei Null anfangen: Varianten lassen sich zwar inzwischen günstig sequenzieren, aber ihre Wirkung auf Genregulation und Zellfunktion bleibt oft unklar. Genau an dieser Lücke setzt AlphaGenome Atlas an, das DeepMind als KI-gestützte Vorab-Karte für die Konsequenzen aller 9 Milliarden möglichen Single-Letter-Änderungen in der menschlichen DNA bereitstellt. Statt jede Variante einzeln mit einem Modell durchzurechnen oder im Labor zu testen, liegt eine vorkompilierte Wissensbasis vor, die Forschende weltweit für nicht-kommerzielle Zwecke ab dem Start nutzen können. Damit verschiebt sich der Schwerpunkt in vielen Projekten vom Rechen- und Durchlaufaufwand auf die Bewertung plausibler Kandidaten und die nachgelagerte experimentelle Absicherung.
Technisch betrachtet beschreibt Atlas eine systematische, modellgestützte Variationseinordnung auf Sequenzebene: DeepMind nutzt das KI-Modell AlphaGenome, um für jede Referenzposition im Genom eine mögliche Basen-Substitution gegen die drei Alternativen zu vergleichen. Die DNA selbst besteht aus Basen aus C, G, A und T, die in Paaren organisiert sind; ändert sich ein einzelnes „Buchstaben“-Element, kann das beim Kopieren der DNA die gesamte Basenpaarung verschieben. Entscheidend ist aber nicht nur die Änderung im unmittelbaren Umfeld, sondern die Wirkung auf die maschinellen Prozesse, die Gene an- und ausschalten. Laut DeepMind verknüpft jede Variante durchschnittlich etwa 27.000 Einzelvorhersagen, etwa dazu, wie sich Genexpression verändert oder wie die Transkription in Anweisungen für die Proteinsynthese ausfällt.
Atlas adressiert dabei besonders den bislang schwer interpretierbaren Bereich außerhalb der Protein-Codierung: Nur rund 2% des Genoms codieren Proteine, der Rest von etwa 98% steuert, wann und wo Gene aktiv werden. Genau diese „non-coding“-Regulationslandschaft gilt in der Forschung als Engpass, weil Mutationen in Enhancern oder regulatorischen Elementen nicht unmittelbar die Aminosäurefolge verändern, sondern indirekt über Schaltmechanismen wirken. DeepMind koppelt AlphaGenome daher an ein zusammenfassendes Ergebnis, den AlphaGenome Variant Impact (AVI)-Score: Dieser integriert Vorhersagen zur genregulatorischen Wirkung mit Einschätzungen aus dem früheren Modell AlphaMissense, das auf protein-alterierende Mutationen fokussiert. Ein AVI-Wert von 10 ordnet eine Variante in die jeweils 10% stärkste Gruppe ein, ein Wert von 30 in die stärksten 1 von 1.000 Varianten; zusätzlich zerlegt das Scoring in Beiträge, die etwa auf Splicing, Genexpression oder Proteinänderungen zurückgehen. Ergänzt wird das Ganze durch ein Katalog-Element: Atlas stellt mehr als 2.500 wiederkehrende kurze DNA-Sequenzen (Motive) bereit, also die Stellen, an denen Transkriptionsfaktoren binden, und mappt diese über verschiedene Genome-Kontexte.
In der Praxis hängt der Nutzen von Atlas stark davon ab, wie gut das Modell die relevanten molekularen Ereignisse trifft und wie schnell damit Labor- und Analysebudgets in Richtung der wahrscheinlichsten Ursachen gelenkt werden können. DeepMind berichtet über frühe Tests mit dem AVI-Score in seltenen genetischen Fällen; so wurde in einer Situation mit epileptischer Enzephalopathie ein DNM1-assoziierter Varianten-Hinweis herausgearbeitet. Der entscheidende Anteil der Punktzahl stammte dabei aus dem Bereich Splicing: Das Modell prognostizierte, dass eine Variante eine „falsche“ Splice-Site erzeugt, die in einer Gehirn-spezifischen Genvariante vorkommt und zu einer um 13 Aminosäuren verlängerten Proteinfassung führt. Weil dieser Segmenttyp laut Beschreibung in Blut nur schwach exprimiert wird, waren frühere RNA-Sequenzierungen aus Blutproben weniger aussagekräftig; die Laborexperimente bestätigten anschließend die Modellvorhersage und die Variante wurde als wahrscheinlich pathogen neu klassifiziert. In einem retrospektiven GREGoR-Versuch positionierte AVI zudem die bekannte ursächliche Variante in 29,5% der Fälle unter den Top-50 Kandidaten, während ein bestehendes Ranking-Verfahren in derselben Gegenüberstellung 12,5% erreichte.
Auch breitere Populationsanalysen profitieren laut den geschilderten Ergebnissen, weil die Suchräume im Genom schnell Millionen potenzieller Kandidaten umfassen. Bei einem retrospectiven Einsatz auf Whole-Genome-Daten von über 54.000 Teilnehmenden aus dem UK Biobank-Umfeld wurde Atlas genutzt, um seltene regulatorische Varianten zu finden, die mit Proteinspiegeln im Blut zusammenhängen. DeepMind nennt dabei 22% mehr Assoziationen gegenüber einer Analyse ohne den Atlas-basierten Filter; in einem Fall reduzierte sich zudem eine Region von 526 Kandidaten auf vier. Neben der Kandidatensuche spielt auch die Interpretation regulatorischer Mechanismen eine Rolle: Julia Zeitlingers Ansatz nutzt Motif-Maps, um Transkriptionsfaktoren nach ihren Wirkprofilen in unterschiedlichen Zelltypen zu sortieren. Solche Karten „von Hand“ aufzubauen, würde experimentell erheblichen Aufwand bedeuten; DeepMind stellt diesen Mehrwert als Weg dar, um Hypothesen schneller zu priorisieren. Gareth Hawkes beschreibt in diesem Kontext ebenfalls das Problem eines „massiven Suchraums“ und führt das Ziel aus, daraus den „Heuhaufen“ zu verkleinern.
Wichtig bleibt allerdings die Einordnung: Atlas soll Experimente nicht ersetzen, sondern die Evidenzkette ergänzen. DeepMind selbst betont, dass AlphaGenome bei bestimmten Klassen von Varianten besonders gut funktioniert, etwa bei Mechanismen wie Splicing oder Promoter-Effekten, während andere Bereiche – insbesondere Enhancer – fehleranfälliger sein können. Zudem stellt DeepMind einen Vergleich zur Modellklasse her, die Proteinstrukturen sehr präzise vorhersagen kann: Nach Angaben aus der Veröffentlichung seien Atlas-Vorhersagen insgesamt nicht so genau wie das AlphaFold-Ergebnis auf dem Gebiet der Strukturvorhersage. Dennoch sei die Qualität laut DeepMind „ausreichend“, um Forschende Richtung der relevanten nachgelagerten Studien zu lenken, ohne dass sich daraus ein „universelles Wahrheits“-Urteil ableiten lasse. Genau deshalb will DeepMind den Status als Forschungswerkzeug sauber halten und weist auf Lücken in den Trainingsdaten sowie darauf hin, dass indirekte Effekte über veränderte Konzentrationen regulatorischer Proteine nur begrenzt abgebildet werden. Für die nächsten Monate wird entscheidend, wie schnell die Community den AVI-Score in bestehende Annotation- und Priorisierungs-Workflows übernimmt – etwa durch Integrationen in weit verbreitete Tools der Variantenannotation.
Parallel dazu ist die Frage der Zugänglichkeit für unterschiedliche Nutzungsmodelle ein praktischer Faktor. Atlas ist laut Ankündigung ab sofort für nicht-kommerzielle Zwecke verfügbar; für kommerzielle Anwendungen soll es später über eine Lizenzierung durch Google Cloud bereitgestellt werden. Auch Isomorphic Labs, die Schwesterorganisation, die KI für die Wirkstoffsuche einsetzt, soll Zugriff erhalten – gleichwohl mit einem kommerziellen Lizenzrahmen. Gleichzeitig erscheint ein inhaltlicher Schub wahrscheinlich, weil Atlas nicht nur Scores liefert, sondern mit den Motif-Maps auch eine Schnittstelle zwischen Sequenzvariation und regulatorischer Mechanistik bereitstellt. Für Unternehmen und Forschungsgruppen bedeutet das vor allem: weniger Zeit in der Variante-für-Variante-Auswertung, mehr Zeit für die Auswahl von Testdesigns, Zielpfaden und den Abgleich mit klinischen Phänotypen.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "DeepMind veröffentlicht AlphaGenome Atlas: KI-Wirkungskarte für alle 9 Milliarden DNA-Varianten" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "DeepMind veröffentlicht AlphaGenome Atlas: KI-Wirkungskarte für alle 9 Milliarden DNA-Varianten" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »DeepMind veröffentlicht AlphaGenome Atlas: KI-Wirkungskarte für alle 9 Milliarden DNA-Varianten« bei Google Deutschland suchen, bei Bing oder Google News!