Google DeepMind hat AlphaGenome 2 am 11. Nov. 2026 vorgestellt. Das Modell sagt voraus, wie DNA-Veränderungen die Genaktivität in bestimmten Zelltypen und -zuständen beeinflussen – etwas, das frühere Tools nur auf Gewebeebene leisten konnten. Forschende können nun für eine bestimmte Variante fragen, was in einer Herzmuskelzelle im Vergleich zu einer Immunzelle im Darm geschieht. Das Unternehmen stellt das Modell ab sofort über die AlphaGenome API für nichtkommerzielle Forschung bereit; für kommerzielle Projekte gibt es eine private Vorschau.
Warum genauere Vorhersagen wichtig sind
Jede Zelle des Körpers trägt dieselbe DNA, doch in jeder Zelle sind andere Gene an- oder ausgeschaltet. Eine Variante, die in Hautzellen harmlos ist, könnte in Gehirnzellen ein Gen beeinträchtigen und so eine Krankheit verursachen. Indem AlphaGenome 2 die Identität einer Zelle berücksichtigt, kann das Modell solche Auswirkungen erkennen, die Modelle für Gesamtgewebe übersehen. Žiga Avsec, bei DeepMind für Genomik zuständig, sagt, diese Genauigkeit sei für die Medikamentenentwicklung entscheidend, da Therapien auf Proteine in bestimmten Zelltypen abzielen.
Was AlphaGenome 2 besser macht als sein Vorgänger
AlphaGenome 1 nutzte eine parallele Architektur, die seine Kapazität auf viele Gewebe gleichzeitig verteilte. Dadurch war das Modell weniger empfindlich für feine Unterschiede zwischen Zelltypen. AlphaGenome 2 wurde als bedingtes System neu konzipiert: Auf jeder Ebene erhält es eine DNA-Sequenz und eine bestimmte Zellbedingung als Eingaben. Das neue Modell wurde mit mehr als 100 Millionen Einzelzellprofilen aus 68 Geweben trainiert und erkennt fast doppelt so viele Varianten, die die Genexpression verändern, wie AlphaGenome 1. Es kann außerdem Auswirkungen für Zellzustände vorhersagen, die es noch nie gesehen hat – etwa durch Impfstoffe aktivierte Immunzellen –, ohne erneut trainiert zu werden.
Warum es wichtig ist
Für biomedizinische Forschende bietet AlphaGenome 2 eine Möglichkeit, krankheitsassoziierte DNA-Varianten direkt mit den Zelltypen zu verknüpfen, die Symptome verursachen, und so möglicherweise die Suche nach Angriffspunkten zu beschleunigen. Arzneimittelentwickler können mithilfe des Modells besser priorisieren, welche Varianten sie in einem bestimmten Gewebe angehen sollten, und präklinische Arbeiten gezielter ausrichten. Dank der kommerziellen Vorschau können Biotech-Unternehmen das Tool bereits testen. Wegen des höheren Rechenaufwands wird es AlphaGenome 1 für breit angelegte Untersuchungen jedoch nicht ersetzen.
