Google DeepMind hat am 8. September 2026 den AlphaGenome Atlas vorgestellt: eine vorberechnete Sammlung von KI-Vorhersagen zu den möglichen molekularen Auswirkungen von mehr als 9 Milliarden Einzelbasenänderungen im menschlichen Genom. Forschende können Varianten damit schneller priorisieren und Hypothesen für weitere Experimente bilden. Die Ergebnisse bleiben jedoch Vorhersagen; Google DeepMind hat AlphaGenome nicht für die klinische Nutzung validiert oder zugelassen.
Was der AlphaGenome Atlas tatsächlich ist
Der Atlas berechnet nicht für jede neue Anfrage erst ein Modell. Stattdessen enthält er bereits erzeugte Vorhersagen für drei alternative Basen an ungefähr 3 Milliarden Positionen eines menschlichen Referenzgenoms. Der daraus entstandene Datensatz umfasst etwa 1 Petabyte.
Der praktische Fortschritt liegt deshalb vor allem im Zugriff: Forschende können mögliche Varianten nachschlagen, statt für jede einzelne Veränderung einen aufwendigen Modelllauf mit eigener Software und erheblichem Rechenaufwand anzustoßen. Das macht die Vorauswahl großer Kandidatenmengen einfacher.
Der Atlas behandelt sowohl kodierende als auch nicht kodierende DNA. Kodierende Abschnitte machen ungefähr 2 Prozent des Genoms aus. Der weitaus größere nicht kodierende Anteil erzeugt zwar keine Proteine direkt, kann aber die Genaktivität, die RNA-Verarbeitung und die Organisation des Erbguts beeinflussen.
Warum nicht kodierende DNA so schwer zu deuten ist
Bei einer Veränderung in einem kodierenden Abschnitt lässt sich oft zumindest eine Verbindung zu einem Protein herstellen. Nicht kodierende DNA wirkt dagegen häufig über regulatorische Prozesse: Sie kann beeinflussen, wann ein Gen aktiv ist, welche Transkriptionsfaktoren binden oder wie zugänglich ein Abschnitt des Chromatins ist.
Diese Effekte hängen stark vom Zelltyp, vom Gewebe und vom genetischen Umfeld ab. AlphaGenome liefert Vorhersagen für Hunderte menschliche und Maus-Zelltypen und Gewebe. Die biologische Abdeckung bleibt trotzdem davon abhängig, welche Zelltypen und Messdaten in den Trainingsdaten ausreichend vertreten sind. Auch weit entfernte regulatorische Zusammenhänge sind eine Herausforderung.
Was der Atlas vorhersagt und was AVI ergänzt
Zu den vorhergesagten Eigenschaften gehören Genexpression, der Beginn der Transkription, Chromatinzugänglichkeit, Histonmodifikationen, die Bindung von Transkriptionsfaktoren, Chromatinkontakte sowie Spleißstellen und Spleißvorgänge.
Der AlphaGenome Variant Impact (AVI)-Wert fasst mehrere dieser Signale zu einem Priorisierungssignal zusammen. Er kombiniert regulatorische Vorhersagen von AlphaGenome mit Vorhersagen von AlphaMissense für proteinverändernde Varianten. Zusätzliche Merkmalsbeiträge ordnen den Wert unter anderem den Bereichen Chromatinzugänglichkeit, Spleißen und Konservierung zu.
Ein hoher AVI-Wert beantwortet damit eine Forschungsfrage: Welche Variante verdient wahrscheinlich eine genauere Untersuchung? Er beantwortet nicht die klinische Frage, ob eine Person erkrankt ist oder welche Behandlung sie benötigt.
Von Milliarden Möglichkeiten zu prüfbaren Hypothesen
Der Atlas hilft vor allem an der Stelle, an der aus einer riesigen Menge möglicher Veränderungen eine kleinere Auswahl für die nächste Untersuchung entstehen soll. Dabei kann er molekulare Effekte nach Priorität ordnen und mögliche Mechanismen sichtbar machen.
| Forschungsaufgabe | Beitrag des AlphaGenome Atlas | Nächster notwendiger Schritt |
| Mögliche Varianten auswählen | Vorberechnete Vorhersagen und AVI-Werte ordnen Kandidaten nach möglichen molekularen Effekten. | Die biologische Wirkung muss experimentell geprüft werden. |
| Nicht kodierende Veränderungen untersuchen | Vorhersagen zu Genexpression, Chromatin, Transkriptionsfaktoren und Spleißen liefern Ansatzpunkte. | Die Wirkung muss im passenden Zelltyp und genetischen Umfeld untersucht werden. |
| Proteinverändernde Varianten einordnen | AVI verbindet AlphaGenome mit AlphaMissense-Vorhersagen. | Die Bedeutung für eine konkrete Erkrankung darf nicht allein aus dem Score abgeleitet werden. |
| Forschungsabläufe beschleunigen | Der Zugriff auf vorberechnete Ergebnisse reduziert wiederholte Modellläufe und lokalen Rechenaufwand. | Die priorisierten Kandidaten brauchen weitere biologische Auswertung. |
Der praktische Ablauf: Nachschlagen, ordnen, weiter untersuchen
Eine Demonstration zeigt den Atlas in einem Forschungsablauf rund um das HBB-Gen. Dabei werden AVI-Werte für Varianten abgerufen, Kandidaten geordnet, Einträge aus ClinVar herangezogen und Referenz- mit Alternativvorhersagen in Diagrammen verglichen. Die Darstellung soll Forschenden helfen, biologische Hypothesen zu entwickeln, ohne jeden Schritt selbst programmieren zu müssen.
Besonders nützlich ist dabei die Kombination aus Übersicht und Detail: Der AVI-Wert kann eine Variante in einer langen Liste hervorheben, während die einzelnen Vorhersagesignale zeigen, ob der Ausschlag etwa mit Spleißen oder Chromatinzugänglichkeit zusammenhängt. Der nächste Schritt bleibt die biologische Untersuchung dieser Hypothese.
Die Grenzen, die für die Einordnung zählen
AlphaGenome Atlas liefert keine direkten Messungen für die Wirkung jeder Variante. Eine vorhergesagte Veränderung der Genregulation beweist daher weder eine bestimmte Krankheit noch einen bestimmten Einfluss auf ein Merkmal.
Google DeepMind erklärt ausdrücklich, dass AlphaGenome nicht für die klinische Nutzung validiert oder zugelassen ist und weder medizinische Beratung noch Diagnose oder Behandlung ersetzt. Für medizinische Entscheidungen reicht ein AVI-Wert deshalb nicht aus.
Auch der Umfang des Datensatzes ändert diese Grenze nicht. Ein Katalog mit mehr als 9 Milliarden Vorhersagen macht die Auswahl interessanter Kandidaten effizienter; er verwandelt eine Modellrechnung aber nicht in einen experimentellen Befund. Genau dort liegt der Wert des Atlas: Er verkürzt den Weg zu einer prüfbaren Forschungsfrage, nicht den Weg zu einer fertigen Diagnose.
