Eine mit einer Krankheit verbundene Genvariante wirkt selten überall im Körper zugleich; meist zählt sie in einer bestimmten Zellart. Google DeepMinds AlphaGenome 2 ist um diese Tatsache herum gebaut. Während das erste AlphaGenome vorhersagte, wie DNA-Veränderungen die Genaktivität auf der Ebene grober Gewebe beeinflussen, trifft die neue Version Vorhersagen für eine bestimmte Zellart oder einen Zellzustand. Das ist näher an der Frage, die Genetiker tatsächlich beantworten müssen.
Die Designänderung ist der Kern. Das ursprüngliche Modell las rund eine Million DNA-Buchstaben und lieferte Ausgaben für Tausende Experimente gleichzeitig, was laut DeepMind seine Kapazität zu dünn verteilte. AlphaGenome 2 ist konditional: Es sagt jeweils für eine Bedingung voraus, und diese Bedingung, ein Gewebe, eine Zellart oder ein Zustand, fließt in jede Stufe des Netzes ein. Eine Bedingung kann aus einem Referenzkatalog stammen oder aus den eigenen Einzelzelldaten eines Forschers gebaut werden. Laut DeepMind genügt eine Momentaufnahme von nur einigen Dutzend Zellen, um einen neuen Zellzustand ohne Neutraining zu beschreiben. Trainiert wurde mit mehr als 100 Millionen einzelnen Zellprofilen aus 68 Geweben, und das Modell sagt zusätzlich die DNA-Methylierung voraus.
Die gemeldeten Fortschritte sind groß. Auf dem Benchmark TenK10K, der 28 primäre Immunzelltypen abdeckt, erkannte AlphaGenome 2 30% der ursächlichen Varianten gegenüber 16% beim besten Vergleich und lag bei der Richtung des Geneffekts in 43% der Fälle richtig gegenüber 23%. Zu DeepMinds Beispielen gehört, einen veröffentlichten Befund nachzubilden, wonach eine mit chronisch-entzündlichen Darmerkrankungen verbundene Variante die Aktivität von ETS2 in Darm-Makrophagen erhöht und andere Zellen weitgehend unberührt lässt, sowie zu zeigen, dass eine mit schwerem COVID-19 verbundene Variante in durch Impfung aktivierten T-Zellen stärker wirkt als in ruhenden.
Für Forscher zählt der Zugang. Nichtkommerzielle Nutzer können es jetzt über die AlphaGenome API mit Colab-Anleitungen verwenden, kommerzielle Forschung läuft in einer privaten Vorschau, und DeepMind plant AlphaGenome-2-Skills in Google Antigravity neben Gemini 4. Genomics Limited will es in seine Plattform Mystra einbauen, und das Wellcome Sanger Institute arbeitet daran mit, weitere Zellarten zu erfassen.
Die Grenzen werden klar benannt. Das Modell ist nur für die Forschung gedacht und nicht für klinische oder diagnostische Zwecke validiert. Vorhersagen zur Wirkungsrichtung gelten nur als verlässlich, wenn das Modell sich sicher ist, und die Verbesserung bei der Zelltyp-Spezifität wird ohne Zahl angegeben. Gewichte, Lizenz und Preise werden nicht erwähnt, und die Benchmark-Ergebnisse stammen aus DeepMinds eigener Ankündigung, nicht aus einer unabhängigen Prüfung.