Google stellt KI-Modell vor, das 98 % des Erbguts liest und Krankheiten vorhersagt

Google DeepMind hat AlphaGenome vorgestellt, ein neues Modell künstlicher Intelligenz, das unser Verständnis der DNA – der vollständigen Bau- und Betriebsanleitung des menschlichen Körpers – grundlegend verändern könnte. Forschern zufolge hat dieses Werkzeug das Potenzial, die Erforschung von Krankheiten und die Entdeckung neuer Medikamente zu revolutionieren.

Das Modell wurde in der renommierten Fachzeitschrift Nature beschrieben und seit seiner Bereitstellung für die nichtkommerzielle Nutzung bereits von 3.000 Wissenschaftlern weltweit eingesetzt. Natasha Latysheva, Forschungsingenieurin bei DeepMind, bezeichnet AlphaGenome als ein Werkzeug zum Verständnis funktioneller Elemente im Genom, das die grundlegende Entschlüsselung des Codes des Lebens beschleunigen soll.

Was AlphaGenome leisten kann

Das menschliche Genom besteht aus drei Milliarden Buchstaben des DNA-Codes, dargestellt durch die Buchstaben A, C, G und T. Nur 2 % davon sind Gene, die alle für das Wachstum und die Funktion des Körpers benötigten Proteine codieren. Die verbleibenden 98 % werden als „dunkles Genom“ bezeichnet – ein weniger erforschter Bereich, der eine Schlüsselrolle bei der Organisation der Gennutzung spielt und in dem sich viele krankheitsbedingte Mutationen befinden.

AlphaGenome kann bis zu eine Million Buchstaben des Codes gleichzeitig analysieren, was dazu beiträgt, die Geheimnisse des dunklen Genoms schneller zu entschlüsseln. Das Modell sagt voraus, wo sich Gene befinden, aber auch, wie das dunkle Genom ihre Expression beeinflusst (ob ein Gen hochaktiv oder unterdrückt ist), sowie das Gen-Spleißen – den Prozess, durch den der Körper aus einem einzigen Gen verschiedene Proteine erzeugt.

Entscheidend ist die Fähigkeit des Modells, die Auswirkungen der Änderung eines einzigen Buchstabens im genetischen Code vorherzusagen. Diese Eigenschaft eröffnet neue Möglichkeiten zu verstehen, warum geringfügige Unterschiede in unserer DNA das Risiko für Erkrankungen wie Bluthochdruck, Demenz oder Fettleibigkeit erhöhen.

Technische Möglichkeiten

AlphaGenome verarbeitet als Eingabe eine lange DNA-Sequenz – bis zu einer Million Basenpaare – und sagt Tausende molekulare Eigenschaften voraus, die deren regulatorische Aktivität charakterisieren. Die Trainingsdaten stammten aus großen öffentlichen Konsortien wie 4D Nucleome und FANTOM5, die diese Eigenschaften, welche wichtige Modalitäten der Genregulation abdecken, in Hunderten von menschlichen und murinen Zell- und Gewebetypen experimentell gemessen haben.

Das Modell erzielt Spitzenleistungen bei einer breiten Palette genomischer Benchmarks. Bei der Erstellung von Vorhersagen für einzelne DNA-Sequenzen übertraf AlphaGenome die besten externen Modelle in 22 von 24 Bewertungen. Bei der Vorhersage des regulatorischen Effekts einer Variante erreichte oder übertraf es die besten externen Modelle in 24 von 26 Bewertungen.

Einsatz in der Forschung

Dr. Gareth Hawkes von der University of Exeter verwendet AlphaGenome, um zu untersuchen, wie Mutationen unser Risiko für Fettleibigkeit und Diabetes verändern können. Studien, in denen der gesamte genetische Code von Zehntausenden Menschen sequenziert wurde, haben Varianten identifiziert, die mit diesen Erkrankungen in Verbindung stehen, sich jedoch häufig im dunklen Genom befinden. „Diese Varianten beeinflussen direkt einen wichtigen biologischen Mechanismus, den wir wirklich nicht verstehen“, sagte Hawkes gegenüber der BBC. Mithilfe von AlphaGenome können Forscher schnell vorhersagen, welche Wirkung diese Varianten haben, sodass sie im Labor getestet werden können. „Ich würde nicht sagen, dass die dunkle Seite des Genoms durch AlphaGenome entschlüsselt wurde, aber es ist ein großer Sprung. Ich bin wirklich begeistert.“

Ein weiteres Gebiet, in dem das Modell die Forschung beschleunigen könnte, ist Krebs. AlphaGenome wurde eingesetzt, um vorherzusagen, welche Mutationen Krebs vorantreiben und zugleich potenzielle Behandlungsziele darstellen und welche Mutationen zufällig auftreten. Beispielsweise nutzte das Team AlphaGenome, um den möglichen Mechanismus einer krebsbedingten Mutation bei Patienten mit akuter lymphoblastischer T-Zell-Leukämie (T-ALL) zu untersuchen.

Bewertung durch Experten

Dr. Robert Goldstone, Leiter der Genomik am Francis Crick Institute, bezeichnete das Modell als „bedeutenden Meilenstein im Bereich der genomischen KI“ und den Durchbruch aufgrund seiner „Fähigkeit, die Genexpression allein anhand der DNA-Sequenz vorherzusagen“ als „unglaubliche technische Leistung“.

Prof. Ben Lehner, Leiter der generativen und synthetischen Genomik am Wellcome Sanger Institute, erklärte, dass AlphaGenome in mehr als einer halben Million Experimenten getestet worden sei und sehr gut funktioniere. Er wies jedoch darauf hin, dass es „weit von der Perfektion entfernt“ sei und noch viel Arbeit erforderlich sei.

Dr. Caleb Lareau vom Memorial Sloan Kettering Cancer Center bezeichnete AlphaGenome als einen Meilenstein für das Fachgebiet: „Zum ersten Mal verfügen wir über ein einziges Modell, das einen langen Kontext, Genauigkeit auf Basenebene und Spitzenleistung über das gesamte Spektrum genomischer Aufgaben hinweg vereint.“

Einsatzmöglichkeiten und Einschränkungen

Latysheva zeigte sich begeistert vom Potenzial des Modells, zu verstehen, welche Mutationen Krankheiten verursachen, und dabei zu helfen, die Ursache seltener genetischer Erkrankungen zu bestimmen. Das Modell könnte genutzt werden, um „ein weiteres Puzzleteil zur Entdeckung von Angriffspunkten für Medikamente und letztlich zur Entwicklung neuer Arzneimittel hinzuzufügen“. Langfristig könnte es auch in der synthetischen Biologie und beim Design neuer DNA-Sequenzen eingesetzt werden, die in Gentherapien Verwendung finden könnten.

Das DeepMind-Team erkennt jedoch die derzeitigen Einschränkungen an. Das Modell ist in einigen Bereichen weniger genau, beispielsweise bei der Vorhersage, wie Gene über große Entfernungen hinweg reguliert werden (mehr als 100.000 Buchstaben des Codes). Das Team möchte außerdem die Genauigkeit des Modells in verschiedenen Geweben verbessern – beispielsweise besitzt ein Neuron im Gehirn denselben genetischen Code wie eine schlagende Herzzelle, doch beide haben unterschiedliche Eigenschaften, die darauf beruhen, wie die genetischen Anweisungen im jeweiligen Zelltyp genutzt werden.

Pushmeet Kohli, Vizepräsident für Wissenschaft und strategische Initiativen bei Google DeepMind, glaubt, dass wir am Beginn einer neuen Ära des wissenschaftlichen Fortschritts stehen: „Ich denke, dass KI eine Reihe unterschiedlicher Durchbrüche ermöglichen wird.“ Das DeepMind-Team erhielt 2024 den Nobelpreis für Chemie für seine Arbeit an AlphaFold – einem KI-System, das die 3D-Struktur von Proteinen im Körper vorhersagt.

AlphaGenome ist nun über eine API für die nichtkommerzielle Nutzung verfügbar, und Forscher weltweit sind eingeladen, über das Community-Forum potenzielle Anwendungsfälle und Feedback zu teilen.