Google DeepMind hat am 11. November AlphaGenome 2 veröffentlicht – ein DNA-Sequenzmodell, das vorhersagt, wie genetische Varianten die Genregulation in bestimmten menschlichen Zelltypen und Zellzuständen beeinflussen. Das ist der Unterschied zwischen dem Wissen, dass eine Variante zählt, und dem Wissen, wo im Körper sie zählt.

Das erste AlphaGenome bewertete Varianten am Genom als Ganzem. Die zweite Version schlägt eine Brücke zwischen Einzelzellbiologie und Humangenetik: Sie sagt Effekte über Hunderte menschlicher Zelltypen voraus und kann laut DeepMind auf Zell- und Krankheitszustände verallgemeinern, die im Training nie vorkamen. DeepMind zufolge erfasst das Modell rund 30 Prozent der kausalen Einzelzell-eQTLs – der statistischen Zusammenhänge zwischen Varianten und zellweise gemessener Genexpression – gegenüber etwa 16 Prozent beim früheren Ansatz.

Die Bedeutung ist ebenso praktisch wie technisch. Die meisten in genomweiten Studien gefundenen krankheitsassoziierten Varianten liegen in nicht kodierenden Regionen, wo ihre Wirkung davon abhängt, welche Zelle die DNA gerade liest. Ein Modell, das eine Variante dem richtigen Zelltyp und einem Zustand wie Aktivierung oder Stress zuordnet, liefert Forschern eine schärfere Hypothese für das Labor – und eine Möglichkeit, Wirkstoffziele zu ordnen, die nur in einem Gewebe relevant sind.

Nature berichtete über die Veröffentlichung und hob hervor, dass das Modell vorhersagen kann, in welchen Zelltypen eine Variante wahrscheinlich wirkt. Der DeepMind-Forscher Pushmeet Kohli betonte das Design, das Vorhersagen über Hunderte Zelltypen und die Verallgemeinerung auf unbekannte Zustände erlaubt.

Wie stets bei Genomikmodellen ist die Validierung der schwierige Teil: Vorhersage ist billig, experimentelle Bestätigung nicht, und das Feld hat gelernt, bei Benchmarks vorsichtig zu sein, die aus denselben Daten stammen wie das Training. Den Wert von AlphaGenome 2 entscheidet, wie viele seiner zelltypspezifischen Vorhersagen im Nasslabor Bestand haben.