Der Nobelpreisträger Hassabis liefert erneut ein bahnbrechendes Meisterwerk, AlphaGenome 2 entschlüsselt 98 % der menschlichen genetischen „Dunklen Materie“.

DeepMind hat spät in der Nacht wieder ein bahnbrechendes Update vorgelegt!

Gerade eben hat Nobelpreisträger Demis Hassabis persönlich die Leitung übernommen, und Google DeepMind hat offiziell das neue grundlegende DNA-Modell der nächsten Generation AlphaGenome 2 vorgestellt.

Man muss wissen, dass AlphaFold, das ihn damals zum weltweiten Ruhm gebracht hat, tatsächlich nur die 2 % des menschlichen DNA ausmachenden Protein-kodierenden Regionen entschlüsselt hat.

Die restlichen ganzen 98 % der nicht-kodierenden Regionen werden seit jeher als die „Dunkle Materie“ im Genom bezeichnet. Hier befinden sich nicht nur die „Regulationsschalter“ für das Ein- und Ausschalten von Genen, sondern es sind auch mehr als 90 % der krankheitsverursachenden Mutationen des Menschen verborgen.

Diesmal hat DeepMind auf einen Schlag einen bedeutenden 78-seitigen technischen Bericht veröffentlicht und mit AlphaGenome 2 den Generalangriff auf diese „Dunkle Materie“ gestartet, was vier zentrale Durchbrüche mit sich bringt.

• Von der „Betrachtung ganzer Organe“ präzisiert auf die „Betrachtung einzelner Zellen“

Das Modell hat die Daten von 68 Geweben des menschlichen Körpers und über 107 Millionen einzelnen Zellen vollständig verarbeitet, es kann die jeweilige Reaktion derselben DNA-Mutation in verschiedenen Zellen klar erkennen, und die Erfolgsrate beim Erfassen krankheitsverursachender Mutationen hat sich im Vergleich zur Vorgängergeneration direkt verdoppelt.

• Ohne biologische Experimente durchzuführen, werden die Ergebnisse mehrjähriger Arbeiten von „Nature“ rein durch Berechnung reproduziert

Ohne auch nur einen Tropfen Reagenz zu berühren, hat das Modell die hinter der schweren Darmerkrankung stehende Mutation präzise identifiziert, selbst in welcher Immunzelle die Mutation ausbricht wurde es klar und exakt berechnet.

• Bei unbekannten neuen Läsionen kann es mit Dutzenden von Zellen bereits verstanden werden

Selbst bei Läsionsproben, die das Modell noch nie gesehen hat, müssen die Forscher das Modell nicht neu trainieren, sie müssen nur die Sequenzdaten von Dutzenden von Zellen hochladen, um die Folgen der Mutation schnell vorherzusagen.

• Kostenlos zugängliche Variantenbibliothek im Millionenbereich, die bald an Gemini 4 angeschlossen wird

Die offizielle Seite hat eine Bibliothek mit Wirkungswerten für Millionen von Genmutationen veröffentlicht, und das Modell wird bald als Skills verpackt, an Google Antigravity angeschlossen und von Gemini 4 jederzeit aufgerufen werden können.

Präzisiert auf einzelne Zellen, die Erkennungsrate krankheitsverursachender Mutationen hat sich direkt verdoppelt

Um diese „Dunkle Materie“ des Genoms zu entschlüsseln, hat DeepMind bereits das erste AlphaGenome vorgestellt, aber es hatte ein offensichtliches Manko: Es kann nur allgemeine Vorhersagen auf der Grundlage „ganzer Organ- und Gewebebereiche“ treffen.

In einem menschlichen Gewebe sind oft Dutzende verschiedener Zellen gemischt, bei der Vermischung kann nur ein „Durchschnittssignal“ berechnet werden, was dazu führt, dass die Merkmale weniger krankheitsverursachender Zellen leicht verdeckt werden.

Das erklärt auch ein seit Langem in der Genetik verwirrendes Phänomen —

Offensichtlich handelt es sich um dieselbe immunbezogene DNA-Mutation, die im Lungengewebe die Expression des Gens IL20RA erhöht, im Ösophagusgewebe sie aber umgekehrt verringert, und bei der Sequenzierung ganzer Organe kann man den Grund nie finden.

Erst als AlphaGenome 2 den Blick auf einzelne Zellen heranzieht, wird der dahinter stehende Grund vollständig aufgedeckt.

Ursprünglich zerstört diese Mutation in Epithelzellen die Regulationsstelle, die für die Aktivierung des Gens zuständig ist, was zu einer deutlichen Verringerung der Genexpression führt.

Umgekehrt zerstört sie in vaskulären Endothelzellen die Stelle, die für die Hemmung des Gens zuständig ist, nach dem Verlust der Einschränkung steigt die Genexpression stattdessen stark an.

Da im Ösophagus Epithelzellen die Mehrheit bilden und in der Lunge vaskuläre Endothelzellen reichlicher vorhanden sind, heben sich die beiden entgegengesetzten Wirkungen gegenseitig auf, wenn der Mittelwert für das gesamte gemischte Organ berechnet wird.

Es ist leicht zu erkennen, dass wenn die Vorhersagegenauigkeit auf einzelne Zellen verfeinert wird, die Erkennungsgenauigkeit des Modells stark angestiegen ist.

Bei dem TenK10K-Benchmark-Test, der 28 Arten menschlicher Immunzellen abdeckt, konnte selbst bei einer spezifischen Einzelzellen-Feinabstimmung des ersten Modells nur 16 % der krankheitsverursachenden Mutationen gefunden werden.

Im Vergleich dazu hat AlphaGenome 2 diesen Anteil nicht nur auf 30 % angehoben, sondern bei der Beurteilung, „ob die Mutation die Genaktivität stärkt oder schwächt“, stieg die Genauigkeit von 23 % auf 43 %, die beiden zentralen Indikatoren haben sich fast beide verdoppelt!

Sogar bei dem dynamischen Prozess der schrittweisen Differenzierung menschlicher hämatopoetischer Stammzellen zu roten Blutkörperchen und B-Zellen stimmt die von ihm erstellte Heatmap der Genveränderungen vollständig mit den tatsächlich im Labor gemessenen Ergebnissen überein.

Rein durch KI-Simulationsberechnung, null Experimente reproduzieren die mehrjährigen Ergebnisse von Nature

Wenn die verdoppelte Laufleistung nur die Grundfertigkeit ist, dann ist seine Leistung bei echten schwierigen Krankheiten das, was Biologen wirklich schockiert.

Im Jahr 2024 veröffentlichte „Nature“ eine in der medizinischen Fachwelt aufsehenerregende Studie zu entzündlichen Darmerkrankungen.

Um einen in der nicht-kodierenden Region verborgenen krankheitsverursachenden Hinweis aufzudecken, hat das Forschungsteam im Labor mehrere Jahre lang hart gearbeitet und wiederholt aufwändige Experimente wie CRISPR-Gen-Knockout durchgeführt.

Schließlich haben sie nur mit Mühe bestätigt, dass eine winzige Genmutation über eine ultraweite Distanz von 290.000 Basenpaaren das Gen ETS2 überaktiviert und so schwere Darmentzündungen verursacht.

Diesmal hat das DeepMind-Team denselben DNA-Abschnitt in AlphaGenome 2 eingegeben. Dann hat das Modell während des gesamten Prozesses kein einziges biologisches Experiment durchgeführt und nur durch Berechnung eine völlig übereinstimmende Schlussfolgerung gezogen!

In diesem Prozess hat das Modell nicht nur aus 7 hochgradig ähnlichen Kandidatenstellen sofort die krankheitsverursachende Mutation erkannt, sondern auch die näher gelegenen Gene daneben übersprungen und das weit entfernte ETS2 präzise lokalisiert.

Außerdem hat es weiter das entscheidende Detail berechnet, dass „diese Mutation nur in Darm-Makrophagen und Monozyten wirkt, andere Immunzellen werden fast nicht beeinflusst“.

Neben der Suche nach den Krankheitsursachen ist seine Leistung auch bei den bereits zugelassenen CRISPR-Gentherapie-Zielpunkten für Sichelzellenanämie sehr beeindruckend.

Das Modell hat nicht nur in den Schlüsselzellen in der frühen Entwicklungsphase der roten Blutkörperchen die Regulationsstelle in einem Abstand von 58.000 Basenpaaren präzise gefunden, sondern auch die für die Genbearbeitung bestimmte Kernsequenz GATAA wortgetreu erkannt.

Kein erneutes Training des Modells erforderlich, Dutzende von Zellen reichen aus, um unbekannte Läsionen zu verstehen

In der klinischen Praxis stoßen die Forscher häufig auf ein praktisches Problem.

Viele seltene Krankheiten oder neu auftretende Infektionen erlauben es oft nur, Dutzende von Läsionszellen von Patienten zu entnehmen, diese Datenmenge reicht bei Weitem nicht aus, um ein großes Modell neu zu trainieren.

Um dieses Problem zu lösen, hat AlphaGenome 2 speziell außerhalb des Hauptnetzwerks einen Zellkodierer hinzugefügt.

Mit diesem Design können die Forscher, egal auf welche unbekannte neue Läsion sie stoßen, nur die Sequenzdaten von Dutzenden neuer Zellen hochladen, und der Zellkodierer kann sofort die entsprechenden Merkmale des Zellzustands extrahieren.

Anschließend werden diese Merkmale direkt an das Hauptnetzwerk übergeben. Auf diese Weise kann das gesamte große Modell ohne erneutes Training direkt die Auswirkungen von Genmutationen in diesen neuen Zellen vorhersagen.

Um diese Fähigkeit zu überprüfen, hat das Team eine Gruppe von Gehirngewebeproben von 190 Parkinson-Patienten, die das Modell noch nie gesehen hat, für den Test ausgewählt.

Ohne jegliches gezieltes Training hat AlphaGenome 2 erfolgreich 41 % der krankheitsverursachenden Mutationen erkannt, weit mehr als das ähnliche Modell Scooby, das speziell mit den Daten dieser Patienten trainiert wurde (nur 17 %).

Und in einer anderen Gruppe von Proben von Impfempfängern des COVID-19-mRNA-Impfstoffs hat es nicht nur die seltenen T-Zellen scharf erkannt, die erst nach der Auffrischimpfung aktiviert wurden, sondern auch eine sehr versteckte Mutation für schwere COVID-