Google DeepMind hat mit dem AlphaGenome Atlas eine durchsuchbare KI-Ressource veröffentlicht, die Vorhersagen zu den molekularen Folgen aller neun Milliarden möglichen Ein-Buchstaben-Veränderungen im menschlichen Genom enthält. Die am 8. September angekündigte Datenbank umfasst ein Petabyte und steht weltweit über ein Webportal für nicht kommerzielle Forschung bereit. Sie soll Wissenschaftlern helfen, genetische Varianten für genauere Untersuchungen auszuwählen.
Das menschliche Genom besteht aus rund drei Milliarden DNA-Buchstaben, wobei an jeder Position drei alternative Buchstaben möglich sind. Nur etwa zwei Prozent des Genoms kodieren direkt Proteine; große Teile der übrigen 98 Prozent steuern, wann und wo Gene aktiv sind. DeepMind erstellte den Atlas, indem das Team sein AlphaGenome-Modell auf ein Referenzgenom anwandte und Effekte im Voraus berechnete, die Forschende zuvor für jede Variante einzeln abfragen mussten.
Jede Variante ist mit Tausenden Vorhersagen zu Genexpression, RNA-Spleißen, Chromatin-Zugänglichkeit und weiteren regulatorischen Abläufen in Hunderten menschlichen und tierischen Zell- und Gewebetypen verknüpft. Die Ressource enthält außerdem mehr als 100 Millionen beobachtete Einfügungen und Löschungen sowie über 2.500 wiederkehrende DNA-Motive. Ein neuer Varianten-Wirkungswert verbindet regulatorische Prognosen mit AlphaMissense-Schätzungen zu Proteinfolgen und zeigt zugleich, welche biologischen Merkmale das Ergebnis bestimmen.
Frühe Partner berichteten über konkrete Anwendungen. Forschende des Broad Institute und des GREGoR-Konsortiums priorisierten bei einem schweren Epilepsiefall eine Variante im Gen DNM1. Das Modell sagte eine fehlerhafte Spleißstelle voraus, und Labortests stützten diesen Mechanismus. In einer rückblickenden Prüfung bereits gelöster Fälle seltener Erkrankungen platzierte der Wert die bekannte ursächliche Variante in 29,5 Prozent der Fälle unter den 50 wichtigsten Kandidaten; die etablierte CADD-Methode erreichte 12,5 Prozent.
Gareth Hawkes von der Universität Exeter nutzte den Atlas zudem für vollständige Genomdaten von mehr als 54.000 Teilnehmern der UK Biobank. Die Gruppierung seltener nicht kodierender Varianten nach vorhergesagten molekularen Folgen ergab 22 Prozent mehr Zusammenhänge mit zirkulierenden Proteinwerten als eine Analyse ohne den Atlas. Nature berichtete, unabhängige Fachleute sähen im Abbau rechnerischer Hürden einen wichtigen Nutzen, besonders für Teams ohne Kapazität für genomweite Modellläufe.
Die Veröffentlichung bleibt eine Karte von Prognosen und kein Beweis für die Wirkung jeder Mutation. DeepMind erklärt, AlphaGenome erfasse manche Variantenklassen besser als andere, könne Effekte in regulatorischen Verstärkern übersehen und besitze weder eine klinische Validierung noch Zulassung. Forschende müssen wichtige Hinweise experimentell bestätigen und Patientendaten berücksichtigen, bevor sie diagnostische Schlüsse ziehen. Das Unternehmen bezeichnet den Atlas als Ausgangsbasis, die mit besseren Modellen und biologischen Daten weiter wachsen soll.
Kommentare