AlphaGenome 2: Bessere DNA-Prognosen, noch keine Diagnostik
AlphaGenome 2 soll Forschenden helfen, die Folgen von DNA-Veränderungen genauer einzugrenzen. DeepMind hat das Modell am 11. November 2026 veröffentlicht. Es sagt voraus, wie sich genetische Varianten auf die Genaktivität in bestimmten menschlichen Zelltypen auswirken. Der praktische Nutzen liegt zunächst im Labor: besser auswählen, welche Varianten genauer untersucht werden sollten. Eine verlässliche Diagnose lässt sich daraus nicht ableiten.
Diese Grenze ist wichtig. DeepMind meldet deutliche Fortschritte gegenüber dem Vorgänger. Doch selbst im genannten Test bleibt ein großer Teil der gesuchten Effekte unerkannt. Das macht das Modell nicht nutzlos. Es bestimmt aber, welche Aufgaben man ihm sinnvoll überlassen kann.
Warum der einzelne Zelltyp zählt
Eine DNA-Veränderung zu finden, beantwortet noch nicht die Frage nach ihrer Wirkung. Dafür müssen Forschende verstehen, ob und wie sie die Aktivität von Genen beeinflusst. Auch der biologische Zusammenhang zählt: Ein über ein ganzes Gewebe gemitteltes Signal kann Unterschiede zwischen einzelnen Zelltypen verdecken.
Hier setzt AlphaGenome 2 an. Das Modell kann Vorhersagen jeweils für ein Gewebe, einen Zelltyp oder einen Zellzustand treffen. Statt sich auf einen Durchschnitt zu beschränken, lässt sich die Untersuchung dadurch enger auf den gesuchten biologischen Zusammenhang ausrichten.
Für die Forschung ist das ein konkreter Ansatzpunkt. Wenn ein Effekt im Gewebedurchschnitt untergeht, kann eine zelltypspezifische Vorhersage einen Hinweis liefern, wo sich ein genauerer Blick lohnt. Ob dieser Hinweis stimmt, muss anschließend geprüft werden. Die KI liefert eine Hypothese, keinen experimentellen Nachweis.
Die Testwerte steigen – mit klaren Grenzen
In einem Test an Immunzellen identifizierte AlphaGenome 2 nach Angaben von DeepMind 30 Prozent der kausalen Varianten. Das Vorgängermodell kam auf 16 Prozent. Bei der korrekten Bestimmung der Richtung eines Effekts auf die Genaktivität stieg der Wert von 23 auf 43 Prozent.
Das sind deutliche Verbesserungen innerhalb dieses Tests. Bei beiden Kennzahlen liegen die neuen Werte nahe am Doppelten der alten. Für die Auswahl von Kandidaten für weitere Untersuchungen kann das hilfreich sein: Mehr zutreffende Hinweise können Forschenden dabei helfen, ihre nächsten Experimente gezielter zu planen.
Die Zahlen sind allerdings keine allgemeine Genauigkeitsangabe für das gesamte Modell. Aus 30 Prozent identifizierten kausalen Varianten folgt nicht, dass AlphaGenome 2 sämtliche DNA-Veränderungen mit einer bestimmten Trefferquote bewertet. Ebenso wenig belegen Ergebnisse an Immunzellen dieselbe Leistung in jedem anderen Zelltyp oder bei jeder Krankheit.
Auch die Herkunft der Leistungsangaben gehört zur Einordnung: Es sind Ergebnisse, die DeepMind selbst berichtet. Für eine belastbare Einschätzung über diesen Test hinaus braucht es unabhängige Prüfungen. Die gemeldete Verbesserung ist ein guter Anlass, das Werkzeug zu untersuchen. Sie ist noch kein Freibrief, seine Vorhersagen ungeprüft zu übernehmen.
Eigene Zelldaten machen das Werkzeug gezielter nutzbar
AlphaGenome 2 kann sich an eigene Einzelzell-Daten von Wissenschaftlern anpassen. Das ist für den Forschungsalltag wichtig, weil eine konkrete Untersuchung einen bestimmten Zelltyp oder Zellzustand betreffen kann. Der Nutzen eines Modells hängt dann auch davon ab, wie gut es zu genau dieser Fragestellung passt.
Trainiert wurde AlphaGenome 2 laut DeepMind mit mehr als 107 Millionen individuellen Zellprofilen aus 68 Geweben. Die Daten stammen aus menschlichen Proben und Mausproben. Diese breite Datenbasis erklärt den Umfang des Ansatzes. Sie ersetzt aber keine Prüfung, ob die Vorhersagen für einen bestimmten Versuchsaufbau brauchbar sind.
Der sinnvolle Einsatz bleibt deshalb überschaubar: Varianten eingrenzen, mögliche Auswirkungen auf die Genaktivität abschätzen und daraus überprüfbare Forschungsfragen entwickeln. Eine tatsächliche Beschleunigung ergibt sich dann, wenn die Vorhersagen bei dieser Auswahl helfen. Wie groß der Zeitgewinn ausfällt, lässt sich aus den genannten Testwerten allein nicht ablesen.
Forschungszugang ist keine medizinische Freigabe
Für nicht-kommerzielle Forschung ist AlphaGenome 2 ab sofort über eine Programmierschnittstelle verfügbar. Der kommerzielle Zugang befindet sich in einer privaten Vorschau. Das ist ein Zugang zu einem Forschungswerkzeug, keine allgemeine Bereitstellung für medizinische Anwendungen.
DeepMind stellt ausdrücklich klar, dass das Modell ausschließlich Forschungszwecken dient und nicht für klinische oder diagnostische Zwecke zugelassen ist. Wer aus der Veröffentlichung bereits neue Gentests oder individuell zugeschnittene Behandlungen ableitet, überspringt die nötigen Nachweise.
Für Forschende ist die Neuerung trotzdem greifbar: AlphaGenome 2 erlaubt gezieltere Vorhersagen auf Ebene einzelner Zelltypen und liefert im genannten Immunzelltest bessere Ergebnisse als sein Vorgänger. Sein Wert bemisst sich jetzt daran, ob solche Hinweise auch außerhalb dieses Tests die richtigen Experimente anstoßen. Für Patienten ergibt sich aus der Veröffentlichung noch kein neues diagnostisches Angebot.
