Der Alphagenome-Atlas ist ein von Deepmind entwickeltes KI-Werkzeug zur Vorhersage der Auswirkungen von Einzelmutationen im menschlichen Genom. Er soll Forschenden helfen, das Genom besser zu verstehen und zu navigieren.
Umfang und Inhalt:
Der Atlas umfasst neun Milliarden mögliche Veränderungen einzelner DNA-Buchstaben im menschlichen Genom.
Für jede Genomposition berechnet das System die Folgen des Austauschs eines Nukleotids gegen die drei anderen Varianten.
Analysiert werden Auswirkungen auf Proteine, Genregulation, Genaktivität in verschiedenen Geweben und die dreidimensionale DNA-Struktur.
Für die Erstellung wurden die Folgen aller denkbaren Einzelmutationen im Referenzgenom berechnet (rund ein Petabyte Daten) und über 100 Millionen kurze Einfügungen und Löschungen berücksichtigt.
Zweck und Nutzen:
Dient als Landkarte zur schnellen Erkennung der biologischen Folgen genetischer Veränderungen.
Hilft bei der Unterscheidung zwischen harmlosen und potenziell krankheitsverursachenden Mutationen.
Besonders wertvoll für die Erforschung nicht-kodierender DNA, die die Genaktivität steuert.
Kann Forschenden helfen, Tausende kurzer DNA-Sequenzen mit regulatorischen Funktionen zu identifizieren.
Unterstützt große Biobanken beim Aufdecken von Zusammenhängen zwischen genetischen Veränderungen und Merkmalen.
Identifizierte in einer Fallstudie eine bisher übersehene Mutation außerhalb eines Gens als Ursache für schwere Epilepsie.
Alphagenome Variant Impact Score (AVI):
Der AVI-Score fasst die biologische Bedeutung einer genetischen Variante in einer einzigen Kennzahl zusammen, um die Bewertung zu vereinfachen.
Der Score konnte krankheitsverursachende Mutationen zuverlässig von harmlosen Varianten in klinischen Datenbanken unterscheiden.
Verfügbarkeit und Vergleich:
Die Datenbank ist weltweit kostenlos für nicht-kommerzielle Zwecke verfügbar.
Das Projekt erinnert an Alphafold, das 2024 mit dem Nobelpreis für Chemie ausgezeichnet wurde.
Fachexperten mahnen zur Vorsicht, da der Atlas Experimente nicht ersetzen kann und individuelle genetische Besonderheiten entscheidend sind.
Das Werkzeug wird als nützlich und großzügig angesehen, um den Zugang zu einem leistungsfähigen Modell zu erweitern.
Es wird jedoch nicht als „Alphafold-Moment“ für die Genomforschung betrachtet, da die Vorhersagekraft heutiger Genommodelle hinter der von AlphaFold bei Proteinen zurückbleibt.
Für klinische Entscheidungen sollten solche Systeme keinesfalls allein herangezogen werden.
Zukünftige Herausforderungen:
Die nächste große Herausforderung ist die Erzeugung deutlich mehr experimenteller Daten zur Schulung und Überprüfung von KI-Modellen.
Erst dann könnten Genom-Vorhersagesysteme eine ähnliche Zuverlässigkeit wie Alphafold bei Proteinen erreichen.
Der AlphaGenome Atlas stellt einen wichtigen Schritt dar, indem er Forschenden eine frei zugängliche Karte der genetischen Möglichkeiten bietet, anstatt Milliarden möglicher Mutationen einzeln berechnen zu müssen.
Sources:
KI-gestützt gefunden, übersetzt und zusammengefasst – anschließend von einem Menschen geprüft und bewertet. Zur Verfügung gestellt von news@genealogy.net - den Machern des Blog