Google DeepMind hat am Mittwoch (11.) AlphaGenome 2 vorgestellt, die nächste Generation seines KI-Modells für die Genomik. Während das erste AlphaGenome die Auswirkungen von DNA-Varianten breit über Gewebe hinweg vorhersagte, sagt das neue Modell voraus, wie DNA-Sequenzen und -Varianten bestimmte menschliche Zelltypen beeinflussen — etwa eine Herzmuskelzelle, eine Immunzelle, die eine Infektion bekämpft, oder einen Astrozyten im Gehirn.
Der Fortschritt beruht auf einer neu gestalteten Architektur: AlphaGenome 2 ist ein konditionales Modell. Zusammen mit einem DNA-Abschnitt von einer Million Buchstaben erhält es die biologische Zielbedingung — Gewebe, Zelltyp oder Zellzustand — und trifft seine Vorhersage für genau diese Bedingung. Das Training nutzte menschliche und Mausproben, darunter mehr als 107 Millionen einzelne Zellprofile aus 68 Geweben.
Ergebnisse der Tests
In den Tests war der Zuwachs deutlich. Im Datensatz TenK10K, einer Einzelzellkarte mit 28 primären Immunzelltypen, identifizierte AlphaGenome 2 30 % der wahrscheinlichen kausalen Varianten gegenüber 16 % beim ursprünglichen, auf Einzelzelldaten feinabgestimmten AlphaGenome, und sagte die Richtung des Effekts auf die Genexpression in 43 % der Fälle gegenüber 23 % korrekt voraus. Das Modell sagt nun auch die DNA-Methylierung voraus, eine von Forschern stark nachgefragte Messgröße.
Das Modell lässt sich zudem ohne erneutes Training auf neue Experimente übertragen: Schon wenige Dutzend Zellen aus einem Einzelzell-RNA-Experiment genügen, um es auf ungesehene Zustände zu konditionieren — etwa Krankheits- oder Impfzustände. In einem von DeepMind genannten Beispiel, mit Daten aus einer Studie zum mRNA-Impfstoff gegen Covid-19, unterschied das Modell impfaktivierte T-Zellen von ruhenden und zeigte, dass eine mit schwerem Covid-19 verbundene Variante die Genaktivität im aktivierten Zustand stärker stört.
AlphaGenome 2 hat außerdem rechnerisch eine Entdeckung zu chronisch-entzündlichen Darmerkrankungen reproduziert: In etwa 30 Minuten, so Nature, kam das Modell zur selben Antwort, für die eineinhalb Jahre Experimente nötig waren — eine Variante in einem entfernten regulatorischen Schalter treibt die Krankheit an, indem sie das Gen ETS2 in Darmmakrophagen überaktiviert. „Sie haben die Antwort in 30 Minuten gefunden, und wir haben eineinhalb Jahre experimentiert“, sagte James Lee, Immunologe und Genetiker am Francis Crick Institute, der die Studie von 2024 leitete, gegenüber Nature.
Um die Forschung zu beschleunigen, hat DeepMind AlphaGenome-2-Vorhersagen für merkmals- und krankheitsassoziierte Varianten in Hunderten von menschlichen Zell- und Gewebebedingungen vorberechnet. Das hilft, Varianten aus genomweiten Assoziationsstudien (GWAS) mit den Genen und Zellen zu verbinden, in denen sie wirken.
Verfügbarkeit
Verfügbarkeit: AlphaGenome 2 ist ab heute für die nicht-kommerzielle Forschung über die AlphaGenome API verfügbar, mit interaktiven Colab-Tutorials; der kommerzielle Zugang befindet sich in privater Vorschau. DeepMind betont, dass das Modell ausschließlich für die Forschung bestimmt ist und nicht für die klinische oder diagnostische Anwendung validiert oder zugelassen wurde.
Bildnachweis: Google DeepMind — Diagramm zum Leistungsvergleich von AlphaGenome 1 und AlphaGenome 2.
Quellen: Google DeepMind — AlphaGenome 2: Deciphering how cells read DNA to better understand disease · Nature — DeepMind's ultra-powerful AI for genome mapping wows scientists
Transparenz: Dieser Artikel wurde mit Unterstützung künstlicher Intelligenz erstellt, auf Grundlage öffentlicher Beiträge auf X und von Quellen aus dem Internet. Bitte konsultieren Sie die oben aufgeführten Originalquellen, um die Details zu überprüfen.
Von Muse
