AlphaGenome Atlas: Deepminds Petabyte-Datensatz zeigt, welche Erbgut-Änderungen Krankheiten verursachen könnten

Der jetzt veröffentlichte AlphaGenome Atlas will diese Lücke mit Vorhersagen füllen und enthält für jede dieser neun Milliarden Änderungen eine Einschätzung, wie sie molekulare Prozesse in Hunderten Zelltypen und Geweben beeinflussen dürfte. Der Datensatz umfasst ein Petabyte und ist damit mehr als 30-mal so groß wie die AlphaFold-Datenbank für Proteinstrukturen.

Grundlage ist das 2025 vorgestellte KI-Modell AlphaGenome. Es liest DNA-Abschnitte von einer Million Buchstaben Länge und sagt vorher, wie stark ein Gen abgelesen wird, ob Steuerproteine an die DNA binden können oder wie die Abschrift eines Gens zurechtgeschnitten wird. Bisher musste das Modell für jede Variante einzeln befragt werden. Nun sind die Antworten vorab berechnet: Pro Variante liegen laut Paper im Schnitt rund 27.000 einzelne Vorhersagewerte vor.

Besonders wichtig ist das für die rund 98 Prozent des Erbguts, die keine Bauanleitungen für Proteine enthalten. Diese nichtcodierenden Bereiche wirken wie Schalter und Regler, die festlegen, wann und in welchem Gewebe ein Gen aktiv ist. Genau dort liegen die meisten mit Krankheiten verknüpften Varianten, und genau dort sind ihre Folgen bislang am schwersten zu deuten.

Eine Zahl für jede Mutation

Tausende Vorhersagewerte pro Variante sind laut dem Team allerdings für die Praxis zu viel. Deshalb hat Deepmind den AlphaGenome Variant Impact Score (AVI) entwickelt, der alles zu einer einzigen Zahl verdichtet. Ein kleines neuronales Netz kombiniert dafür die AlphaGenome-Vorhersagen mit dem Protein-Modell AlphaMissense und zwei Maßen dafür, wie unverändert eine DNA-Stelle über Millionen Jahre Evolution geblieben ist. AVI kommt mit 18 Eingangsmerkmalen aus, das etablierte Vergleichswerkzeug CADD nutzt mehr als 150.

Für kaum eine Variante ist allerdings sicher bekannt, ob sie schadet. Das Team behalf sich mit einem Umweg: Varianten, die in der Bevölkerung sehr selten sind, gelten als wahrscheinlich schädlich, häufige als wahrscheinlich harmlos, weil sich schädliche Mutationen über Generationen seltener durchsetzen. Trotz dieses indirekten Trainings schnitt AVI in Tests mit klinisch bereits eingestuften Varianten laut Paper vor allem in nichtcodierenden Bereichen deutlich besser ab als bisherige Werkzeuge. Bei einigen Aufgaben lag die Konkurrenz allerdings knapp vorn. Zusätzlich schlüsselt der Atlas für jede Variante auf, welcher Prozess ihren Score treibt, etwa ob das Zurechtschneiden der Gen-Abschrift oder ein Schalter betroffen ist.

Ein Epilepsie-Fall zeigt den Nutzen

Wie das in der Praxis hilft, soll ein Fall aus dem GREGoR-Konsortium zeigen, das ungelöste seltene Krankheiten untersucht. Ein Kind mit schwerer Epilepsie war trotz Gensequenzierung ohne Diagnose geblieben. AVI setzte eine bislang als unklar geltende Variante im Gen DNM1 an die Spitze der Kandidatenliste.

Die AlphaGenome-Vorhersagen lieferten auch den Mechanismus: Die Variante erzeugt eine falsche Schnittstelle beim Zurechtschneiden der Gen-Abschrift, das Protein wird dadurch um 13 Bausteine verlängert. Das passiert jedoch nur in einer Genversion, die ausschließlich im Gehirn abgelesen wird. Deshalb hatten frühere Untersuchungen an Blutproben nichts gefunden.

Ein Laborexperiment bestätigte die Vorhersage, die Forschenden empfehlen die Einstufung als "wahrscheinlich krankheitsverursachend". Im Rückblick auf bereits gelöste Fälle des Konsortiums landete die ursächliche Variante mit AVI in 29,5 Prozent der Fälle unter den 50 besten Kandidaten, mit CADD in 12,5 Prozent.

Mehr Signal im Rauschen

Der Atlas soll auch Bevölkerungsstudien voranbringen. Wer wissen will, ob seltene Varianten in einem Genombereich etwa einen Blutwert beeinflussen, muss viele davon gemeinsam auswerten, weil jede einzelne zu selten für eine Statistik ist. Werden dabei harmlose und wirksame Varianten vermischt, verschwindet das Signal im Rauschen.

Gareth Hawkes von der University of Exeter nutzte den Atlas daher, um in Genomdaten von über 54.000 UK-Biobank-Teilnehmenden nur jene Varianten zu gruppieren, die laut Vorhersage auf dieselbe Art wirken. So fand er 22 Prozent mehr Zusammenhänge zwischen nichtcodierenden Varianten und Proteinspiegeln im Blut als mit herkömmlichen Filtern.

Aus den Vorhersagen leitete das Team außerdem 2.601 wiederkehrende kurze DNA-Muster ab, gewissermaßen die "Wörter" des Genoms, an denen Steuerproteine andocken.

Forschungswerkzeug, keine Diagnose

AlphaGenome hat allerdings auch Grenzen, so kennt es nicht alle Zelltypen, und Effekte, die über die Menge anderer Steuerproteine wirken, erfasst es nicht. Atlas und AVI seien Forschungswerkzeuge, sagt Deepmind, und könnten nur ein Glied in der Beweiskette einer Diagnose sein.

Der Atlas ist für nichtkommerzielle Nutzung über ein Webportal, eine API und als Skill in Google Antigravity verfügbar; eine kommerzielle Version soll über Google Cloud folgen.