Google DeepMind hat eine massive neue Datenbank vorgestellt, die darauf abzielt, vorherzusagen, wie sich jede noch so kleine Änderung des menschlichen genetischen Codes im gesamten Körper auswirken könnte. Das Tool, genannt AlphaGenome Atlas, ist eine frei verfügbare Sammlung von Daten zu 9 Milliarden möglichen Veränderungen des menschlichen Genoms. Es schätzt, wie sich diese Veränderungen auf verschiedene Gewebe und Zellprozesse auswirken werden, und bewertet jede Vorhersage, um die Ergebnisse leicht vergleichbar zu machen.
Die Ankündigung erfolgt ein Jahr nachdem DeepMind AlphaGenome vorgestellt hat, ein früheres Tool, das vorhersagte, wie DNA-Änderungen Proteine, Zellen und die menschliche Erfahrung verändern. Nun hat das Unternehmen diese Arbeit erweitert, um alle möglichen Base-Änderungen im menschlichen Genom abzudecken und die Ergebnisse in einer einzigen durchsuchbaren Datenbank zu speichern. Das Ziel ist es, leistungsstarke KI-Tools für Forscher zugänglich zu machen, die zuvor nicht über die erforderlichen Rechenressourcen verfügten, um sie auszuführen.
Der Umfang des AlphaGenome Atlas
DeepMind-Forscher berechneten jede mögliche Base-Änderung im menschlichen Genom und verpackten die Ergebnisse dann in eine einzelne Datenbank. Der gesamte Datensatz umfasst 1 Petabyte, oder 1 Million Gigabyte, an Informationen. Das ist eine riesige Datenmenge, und DeepMind hat sie jedem zur Verfügung gestellt, der sie nutzen möchte.
Die Datenbank ist in ein benutzerfreundliches Webportal eingebettet. Laut Tuuli Lappalainen, einer Professorin für Genomik am KTH Royal Institute of Technology in Stockholm und einer Senior Associate Faculty Member am New York Genome Center, ist die Benutzeroberfläche so konzipiert, dass sie auch für Forscher zugänglich ist, die keine Experten für tiefe Bioinformatik sind.
„Man muss wirklich kein Experte für diese Methoden sein, um dorthin zu gehen und etwas im Browser nachzuschauen“, sagte Lappalainen.
Was AlphaGenome Atlas tatsächlich vorhersagt
AlphaGenome Atlas ist kein Ersatz für traditionelle Laborforschung. Es ist ein rechnerisches Werkzeug, das Vorhersagen darüber trifft, wie DNA-Änderungen den Körper beeinflussen könnten. Die Datenbank soll Genetikern helfen, die potenziellen Folgen einer bestimmten genetischen Anpassung schnell zu beurteilen.
Das Werkzeug weist jeder Vorhersage eine Punktzahl zu, die darauf abzielen soll, das Ausmass biologischer Auswirkungen einer Veränderung einzufangen. In einer begleitenden Vorabdruckarbeit zeigte DeepMind, dass die Punktzahl krankheitsverursachende Mutationen von harmlosen in einem klinischen Datensatz unterscheiden konnte. Das deutet darauf hin, dass die Punktzahl für Forscher, die Listen von Genvarianten durcharbeiten, einen gewissen praktischen Wert hat.
Die Grenzen der Vorhersagen
Das Werkzeug ist kein perfekter Vorhersager. Eine Vorabdruckstudie vom 11. September von einem Forschungsteam unter der Leitung von Katie Pollard, Direktorin des Gladstone Institute of Data Science and Biotechnology und Professorin an der University of California, San Francisco, ergab, dass AlphaGenome zwar gut darin war, kausale Mutationen zu finden, aber ihren Einfluss ständig unterschätzte.
Pollards Team stellte fest, dass das Modell Veränderungen in regulatorischen Elementen nicht immer mit den Genen verknüpfen konnte, die sie steuern, insbesondere wenn diese Elemente nicht nahe beieinander auf dem Genom lagen. Lappalainen sagte, die Ergebnisse sollten Forscher dazu veranlassen, vor dem Behandeln der Vorhersagen als endgültige Antworten vorsichtig zu sein.
„Meine vielleicht naive Hoffnung wäre, dass die Leute diese Vorhersagen mit einer angemessenen Portion Skepsis betrachten“, sagte Lappalainen.
Das „Junk“-DNA-Problem
Der Grossteil des menschlichen Genoms besteht aus nicht-codierender DNA, was bedeutet, dass die zelluläre Maschinerie sie nicht direkt liest, um die Proteine herzustellen, die die Zellen funktionsfähig halten. Jahrelang behandelten Wissenschaftler einen Grossteil dieses Materials als „Junk“-DNA und gingen davon aus, dass es keine Funktion habe.
Diese Sichtweise hat sich geändert. Genetiker verstehen nun, dass dieser Code steuert, wie und wann die codierenden Gene des Genoms gelesen werden. Einige regulatorische Anweisungen sind weitgehend über den Code verteilt, anstatt in der Nähe der Gene zu liegen, die sie steuern.
AlphaGenome ermöglicht es Forschern, zu untersuchen, wie Veränderungen in einem einzelnen Buchstabenpaar der DNA bis zu 1 Million benachbarter Code-Paare beeinflussen können. Das erfasst einen Grossteil des regulatorischen Netzwerks jedes Gens, eine weitaus grössere Ausdehnung als frühere Modelle leisten konnten.
Warum die Datenbank existiert
Vor dem AlphaGenome Atlas sahen Forscher, die DeepMinds Modelle nutzen wollten, mit einem erheblichen Hindernis konfrontiert. Das ursprüngliche AlphaGenome erforderte von Nutzern, dass sie genügend Bioinformatics-Kenntnisse besaßen, um auf die automatische Programmierschnittstelle der Modelle zuzugreifen und diese zu nutzen. Die Berechnung der Auswirkungen jeder Änderung belastete zudem die Rechenressourcen von Wissenschaftlern.
Die neue Datenbank löst beide Probleme. Durch die Vorberechnung aller möglichen Veränderungen hat DeepMind die Notwendigkeit für einzelne Forscher, ihre eigenen Simulationen durchzuführen, überflüssig gemacht. Das Webportal erledigt die technische Arbeit, sodass Wissenschaftler die Datenbank abfragen können, ohne Experten in maschinellem Lernen oder Bioinformatics werden zu müssen.
Was die Experten sagen
Greg Findlay, ein Gruppenleiter am Francis Crick Institute in London, der nicht an AlphaGenome Atlas beteiligt ist, bezeichnete die Ressource als eine nützliche Ergänzung für das Feld. Seine Einschätzung war maßgeblich statt enthusiastisch.
„Es sieht aus wie eine großartige Ressource“, sagte er Live Science.
Tuuli Lappalainen war derweil vorsichtiger. Sie lobte die Nützlichkeit des Tools, warnte aber davor, dass es keine Lösung für jede Frage in der Genetik sei.
„Es ist nicht der Heilige Gral“, sagte sie Live Science.
Lappalains Labor nutzte AlphaGenome im vergangenen Jahr, um die Auswirkungen von Variationen in Genomen zu untersuchen. Sie wies darauf hin, dass die Technologie nicht völlig neu sei, sagte aber, DeepMinds Modelle übertreffen frühere Ansätze in der Auflösung, mit der sie die Auswirkungen von Veränderungen im Genom vorhersagen können.
Der Weg nach vorn
Trotz der Einschränkungen sieht Lappalainen das Tool als Teil eines größeren Trends hin zu einer kollaborativeren, datengetriebenen Genomik. Sie betonte jedoch, dass das Feld weiterhin in die Art von experimenteller Arbeit investieren müsse, die die Daten generiert, auf die KI-Modelle angewiesen sind.
„Wir sind in der Biologie immer noch sehr stark durch Daten eingeschränkt, und diese Daten müssen erstellt werden“, sagte Lappalainen.
Sie warnte davor, dass das Feld eine gleichwertige Aufmerksamkeit auf „Wet-Lab“-Experimente richten müsse, die die Genauigkeit von Variantenvorhersagen überprüfen. Diese Tests sind mühsam und verbrauchen viel mehr Zeit als eine Suche in der AlphaGenome Atlas-Schnittstelle, aber sie sind unerlässlich, um die zugrunde liegenden Modelle zu verbessern.
Kernfakten auf einen Blick
| Tatsache | Detail |
|---|---|
| Werkzeug | AlphaGenome Atlas |
| Entwickler | Google DeepMind |
| Ankündigung | 8. September |
| Datenbankgröße | 1 Petabyte (1 Million Gigabyte) |
| Vorhersagen | 9 Milliarden mögliche Veränderungen |
| Vorab veröffentlichte Studie | Unter der Leitung von Katie Pollard, 11. September |
| Score-Metrik | AlphaGenome Varianten-Auswirkungs-Score |
Die Ankündigung markiert einen Meilenstein für die rechnergestützte Genetik, wirft aber auch Fragen auf, wie viel Vertrauen Forscher in prädiktive Modelle setzen sollten. Die Datenbank ist eine wertvolle Ressource, aber kein Ersatz für sorgfältige, praktische Experimente. Wie Lappalainen es formulierte, müssen die Daten erst noch erzeugt werden.
Derzeit ist das Tool kostenlos verfügbar, und Forscher können damit ab heute Recherchen beginnen. Ob es seine Versprechen einlöst, hängt davon ab, wie gut die Vorhersagen der Realität standhalten.
Quellenmaterial: „Googles DeepMind’s neuestes KI-Tool verspricht eine neue Ära für die Genetik-Forschung, aber Experten warnen davor, seine Vorhersagen mit Vorsicht zu genießen“, Live Science.
Das Notizbuch abonnieren.
Die besten Geschichten des Tages und jedes neue Urteil, in klarem Deutsch, um sieben im Postfach. Eine Mail am Tag, nicht mehr.