Google DeepMind hat die Einführung des AlphaGenome Atlas angekündigt, einer Datenbank, die Forschenden helfen soll, zu verstehen, wie genetische Veränderungen molekulare Prozesse beeinflussen können. Die Datenbank deckt jede mögliche Einzelbasenveränderung im menschlichen Genom ab, also etwa 9 Milliarden Veränderungen eines einzelnen Buchstabens der DNA-Sequenz.
Der Atlas basiert auf dem KI-Modell AlphaGenome, mit dem Google DeepMind die erwarteten regulatorischen Auswirkungen dieser Veränderungen im Voraus berechnet hat. Daraus entstand ein Datenspeicher mit einer Größe von einem Petabyte. Statt diese Ergebnisse einzeln analysieren zu müssen, können Forschende über ein Webportal, das keine Programmierkenntnisse voraussetzt, schnell in diesen Informationen suchen.
Ein einheitlicher Index zur Priorisierung von Varianten
Die Plattform bietet den Wert AlphaGenome Variant Impact (AVI), eine einzelne Kennzahl, die Vorhersagen zu Auswirkungen in protein-codierenden und nicht codierenden Regionen zusammenführt. Google DeepMind zufolge hilft dieser Index Forschenden, die vielversprechendsten Varianten und Forschungswege zu bestimmen, anstatt Tausende Datenpunkte einzeln zu untersuchen.
Die Bedeutung des Tools ergibt sich daraus, dass Wissenschaftler im Vergleich ein besseres Verständnis von etwa 2 % des Genoms besitzen, das für Proteine codiert, während das Wissen über die übrigen 98 % weiterhin begrenzt ist. Das AlphaGenome-Modell hatte zuvor gezeigt, dass eine einzige Veränderung in nicht codierenden Regionen Prozesse wie die Proteinproduktion beeinträchtigen kann. Der Atlas versucht nun, diese Analyse auf ein umfassenderes Bild der möglichen Veränderungen auszuweiten.
Beispiele für die Nutzung in der Forschung
Google DeepMind berichtet, dass ein Team am Broad Institute den AVI-Wert genutzt hat, um Varianten zu priorisieren, die mit der Erforschung seltener genetischer Erkrankungen in Verbindung stehen, deren Ursachen noch nicht geklärt waren. Das Tool hob eine kritische Variante im Gen DNM1 hervor, von der vorhergesagt wurde, dass sie eine fehlerhafte Spleißstelle erzeugt. Dies lieferte unterstützende Hinweise, die zur Aufklärung des Falls beitrugen.
In einem weiteren Beispiel wandte Gareth Hawkes das Tool auf Daten von mehr als 54.000 Teilnehmern der UK Biobank an, um komplexe Merkmale zu untersuchen. Durch die Gruppierung der Varianten nach ihren erwarteten molekularen Auswirkungen wurden 22 % mehr nicht codierende genetische Assoziationen gemeldet. Die Konzentration auf das oberste 1 % der Varianten nach Auswirkungsstärke führte außerdem zur Identifizierung von 19 Genregionen, die mit dem Body-Mass-Index verbunden sind, und sollte eine spätere Phase gezielter Forschung ausrichten.
Was ändert sich in der Praxis?
Der AlphaGenome Atlas verlagert einen Teil der Arbeit von der Berechnung der möglichen Auswirkungen jeder Variante hin zur Abfrage, Priorisierung und zum Vergleich. Dies könnte die für die Auswahl von Kandidaten in der Erforschung seltener Erkrankungen und komplexer Merkmale benötigte Zeit verkürzen. Die Vorhersagen werden dadurch jedoch weder zu einem Kausalitätsnachweis noch zu einer klinischen Diagnose. Außerdem enthält die Ankündigung keine Angaben zur Modellleistung, zur Methodik der unabhängigen Validierung oder zu den Bedingungen für den Download der Daten und den programmatischen Zugriff darauf. Diese Punkte müssen geprüft werden, bevor die Nutzbarkeit der Plattform in verschiedenen Forschungsprojekten bewertet werden kann.