Computer

AlphaGenome von Google DeepMind verbessert Genomkartierung für die Krankheitsforschung

Tendela Briefing ·
4 Aufrufe · 0 Kommentare
AlphaGenome von Google DeepMind verbessert Genomkartierung für die Krankheitsforschung

Image: Google · Source

Das AlphaGenome-Modell von Google DeepMind sagt die Auswirkungen genetischer Varianten voraus und ermöglicht schnellere Krankheitsforschung durch Priorisierung wirkungsvoller DNA-Veränderungen. Der jüngste AlphaGenome Atlas-Datensatz unterstützt Wissenschaftler beim Verständnis molekularer Krankheitsmechanismen und fördert die personalisierte Medizin.

Google DeepMind hat AlphaGenome entwickelt, ein KI-Modell, das darauf ausgelegt ist, das menschliche Genom zu entschlüsseln und die Krankheitsforschung zu beschleunigen, indem es die Auswirkungen genetischer Variationen vorhersagt. Das Genom besteht aus etwa 3 Milliarden Basenpaaren DNA, die ein Anleitungsmanual mit vier DNA-Basen bilden—Adenin (A), Thymin (T), Cytosin (C) und Guanin (G). Einzelne Buchstabenänderungen zwischen diesen Basen können genetische Krankheiten verursachen, doch die kausalen Varianten unter Milliarden von Möglichkeiten zu identifizieren, stellt eine enorme Herausforderung dar.

AlphaGenome begegnet dieser Herausforderung, indem es Segmente von einer Million Basenpaaren analysiert, um tausende genetische Ergebnisse gleichzeitig vorherzusagen. So können Wissenschaftler schnell eingrenzen, welche DNA-Veränderungen wahrscheinlich die Krankheit beeinflussen. Ergänzend zum Modell veröffentlichte DeepMind den AlphaGenome Atlas, einen umfassenden Datensatz, der alle neun Milliarden möglichen Einzelbuchstaben-DNA-Mutationen mit einem AlphaGenome Variant Impact (AVI)-Score bewertet. Dieser Score unterstützt Forscher dabei, Varianten für weitere Untersuchungen zu priorisieren, indem er das potenzielle Wirkungspotenzial jeder Veränderung angibt.

Žiga Avsec, Forschungswissenschaftler bei Google DeepMind, der die Genomik-Initiative leitet, erklärt, dass das Verständnis der "dunklen Materie" des Genoms—nicht codierender Regionen, die die Genexpression regulieren—wichtig, aber experimentell herausfordernd ist. Traditionelle Laborexperimente sind zeitaufwändig und teuer, insbesondere bei seltenen Krankheiten, bei denen die DNA von Patienten Millionen Varianten aufweisen kann. Der rechnerische Ansatz von AlphaGenome bietet ein skalierbares Werkzeug zur Priorisierung der wirkungsvollsten Veränderungen.

Frühe Anwender des AlphaGenome Atlas haben dessen Nutzen demonstriert. Beispielsweise nutzte ein Forscher der University of Exeter den Datensatz, um sich auf die obersten 1 % der einflussreichsten Varianten mit Zusammenhang zum Body-Mass-Index zu konzentrieren. Ein anderer Wissenschaftler am Broad Institute identifizierte eine entscheidende Variante, die mit neuroentwicklungsbedingten Störungen verbunden ist, und leitete damit Forschungsdurchbrüche bei seltenen Krankheiten ein.

Aufbauend auf diesen Fortschritten hat DeepMind AlphaGenome 2 vorgestellt, das die Zelltypspezifität verbessert. Im Gegensatz zum ursprünglichen Modell, das hauptsächlich mit Daten aus ganzen Geweben trainiert wurde, sagt die neue Version voraus, wie Varianten einzelne Zelltypen beeinflussen, und bietet tiefere Einblicke in die zellulären Krankheitsmechanismen.

Die letztendliche Vision von DeepMinds Genomik-Arbeit ist es, eine menschliche Zelle digital zu simulieren, um rechnerische Studien von Krankheitsprozessen und therapeutischen Interventionen zu ermöglichen. Indem AlphaGenome vom Genomlesen zu einem detaillierten molekularen Verständnis übergeht, will es Diagnose, personalisierte Behandlung, Wirkstoffentdeckung und sogar breitere Bereiche wie die Entwicklung klimafester Nutzpflanzen transformieren. Ursprünglich im Juni 2025 gestartet, mit dem Atlas im September 2026 folgend, ermöglicht AlphaGenome weiterhin weltweite Spitzenforschung in der Genetik.

Quellen und Originalberichte

Kommentare (0)

Noch keine Kommentare.

Kommentar schreiben

Kommentare erscheinen nach Moderation. Name und Kommentar werden öffentlich angezeigt. Konto