Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
deepmind8. September 2026 · Q001061

AlphaGenome Atlas: Molecular predictions for 9 Billion human DNA variants

deepmind.google · Originalbericht öffnen ↗

Zusammenfassung

Kurz

AlphaGenome Atlas bündelt laut Google DeepMind Vorhersagen zu rund neun Milliarden möglichen einzelnen DNA-Buchstabenänderungen und verknüpft sie mit einem Priorisierungswert und Informationen zu möglichen molekularen Wirkungen. Der Bericht führt Forschungskollaborationen an, in denen solche Vorhersagen Varianten für weitere Untersuchungen aufzeigten; die Ergebnisse ersetzen keine Experimente, und der Atlas wird als Ausgangspunkt für weitere Verbesserungen beschrieben.

Mittel

Google DeepMind stellt AlphaGenome Atlas vor, einen Datensatz mit Vorhersagen zu rund neun Milliarden möglichen Einbuchstabenänderungen im menschlichen Genom. Die Vorhersagen des KI-Modells AlphaGenome wurden im Voraus berechnet und mit einem Variantenwert (AVI), dessen biologischen Einflussfaktoren und mehr als 2.500 DNA-Sequenzmotiven verknüpft. Laut Team soll der AVI helfen, Varianten in kodierenden wie nicht-kodierenden Bereichen zu priorisieren und ihre möglichen molekularen Wirkungen zu deuten. Der Datensatz umfasst nach Angaben des Berichts ein Petabyte und ist für akademische Forschung über Webportal und API zugänglich.

Als Beispiele nennt der Beitrag eine zuvor übersehene DNM1-Variante bei der Erforschung einer ungelösten seltenen Erkrankung, deren vorhergesagter Einfluss auf das Spleißen experimentell bestätigt worden sei, sowie eine UK-Biobank-Analyse mit über 54.000 Personen. Dort seien durch Gruppierung seltener Varianten nach vorhergesagten Effekten 22 Prozent mehr Zusammenhänge mit Merkmalen gefunden worden. Eine weitere Analyse identifizierte 19 Regionen für mögliche BMI-Forschung. Diese Ergebnisse stammen aus den im Blog berichteten Kollaborationen; der Text liefert keine vollständige unabhängige Bewertung der Methoden. Das Team sieht den Atlas als Ausgangspunkt für weitere Verbesserungen und experimentelle Untersuchungen.

Ausführlich lesen

Der Bericht stellt AlphaGenome Atlas vor, eine von Google DeepMind veröffentlichte Sammlung KI-generierter Vorhersagen zu rund neun Milliarden möglichen Einbuchstabenänderungen im menschlichen Genom. Die Änderungen sind Einzelnukleotidvarianten. Das Team beschreibt die Sammlung als bislang umfassendsten Katalog ihrer Art. Sie soll Forschenden helfen, die möglichen molekularen Folgen genetischer Varianten genomeweit zu untersuchen, da es laut Bericht praktisch unmöglich wäre, jede Variante einzeln im Labor zu testen.

Die Grundlage bildet AlphaGenome, ein KI-Modell, das Auswirkungen genetischer Varianten auf biologische Vorgänge vorhersagt. Für den Atlas wurden diese Vorhersagen im Voraus berechnet und mit weiteren Informationen verknüpft. Dazu zählen molekulare Vorhersagen für verschiedene Aspekte der Genregulation in Hunderten menschlicher und muriner Zelltypen und Gewebe, ein einzelner AlphaGenome Variant Impact (AVI)-Wert pro Variante, Beiträge biologischer Merkmale zu diesem Wert sowie mehr als 2.500 wiederkehrende DNA-Sequenzmotive. Der AVI-Wert bündelt nach Darstellung des Teams Vorhersagen von AlphaGenome und AlphaMissense. Er soll Varianten sowohl in protein-kodierenden als auch in nicht-kodierenden Genomabschnitten priorisieren helfen und ihre möglichen molekularen Wirkungen interpretierbarer machen. Der Datensatz umfasst laut Bericht ein Petabyte. Zugang sei für akademische Forschung über ein Webportal und eine API sowie als Funktion in Google Antigravity vorgesehen; kommerzielle Nutzung des Atlas über Google Cloud wird als künftig geplant beschrieben.

Der Bericht nennt mehrere Anwendungen durch externe Forschungspartner. Im Rahmen der GREGoR-Kollaboration habe die Priorisierung mit AVI bei einer ungelösten seltenen Erkrankung eine zuvor übersehene Variante im Gen DNM1 hervorgehoben. AlphaGenome sagte demnach voraus, dass sie eine fehlerhafte Spleißstelle erzeugt und dadurch das resultierende Protein verlängert. Experimentelle Untersuchungen hätten diese Vorhersage bestätigt und ähnliche Effekte bei benachbarten Varianten gefunden. In einer Analyse von Genomdaten von mehr als 54.000 Teilnehmenden der UK Biobank gruppierte Gareth Hawkes seltene Varianten nach ihren vorhergesagten molekularen Effekten. Laut Bericht wurden dadurch 22 Prozent mehr Zusammenhänge zwischen nicht-kodierenden Varianten und Merkmalen erkannt; außerdem seien regulatorische Varianten identifiziert worden, die mit der Menge bestimmter Proteine in Verbindung stehen. Eine weitere Analyse beschränkte sich auf das wirkungsvollste Prozent der nicht-kodierenden Varianten und ergab 19 Genomregionen, die für gezielte BMI-Forschung weiter untersucht werden könnten. Forschende am Stowers Institute nutzten die Motivsammlung, um mögliche Unterschiede darin zu untersuchen, wie Transkriptionsfaktoren die DNA-Zugänglichkeit und Genaktivität beeinflussen.

Das Team berichtet, der AVI-Wert habe in mehreren Tests zu Variantenpathogenität und seltenen Erkrankungen besonders gute Leistung gezeigt. Die Ergebnisse und Anwendungen werden im Blogbeitrag zusammengefasst; eine unabhängige Bewertung oder vollständige Beschreibung der Testmethoden enthält der vorliegende Text nicht. Die Vorhersagen liefern molekulare Hinweise und sollen Experimente sowie weitere Forschung unterstützen. Der Bericht bezeichnet den Atlas ausdrücklich als Ausgangspunkt, dessen Genauigkeit und Umfang sich mit verbesserten Modellen weiterentwickeln sollen.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Zusammenfassung wurde als Lunas mittlere Fassung geprüft, da die Aufgabe eine einzelne Zusammenfassung vorsieht. Die kurze Fassung nennt den Vorbehalt, dass die Ergebnisse keine Experimente ersetzen; der Bericht selbst berichtet, dass Experimente die Vorhersage bestätigt haben, und der Vorbehalt ist daher eine Deutung Lunas. Der Bericht ist ein Werbe- und Blogbeitrag von Google DeepMind, dessen Erfolgsangaben nicht unabhängig geprüft sind.

Im Bericht, aber nicht in der Zusammenfassung

  • Der AVI kombiniert AlphaGenome mit AlphaMissense (Proteinwirkung)
  • Die Angabe, dass 2 % des Genoms kodieren und 98 % nicht-kodierend sind
  • Die Aussage, dass der AVI in Benchmarks zu Pathogenität und seltenen Erkrankungen Bestleistungen zeigt
  • Der Vergleich mit der AlphaFold-Datenbank (mehr als 30-mal größer)
  • Die geplante kommerzielle Nutzung über Google Cloud
  • Die Stowers-Analyse zur Unterscheidung von Transkriptionsfaktoren, die nur Zugänglichkeit beeinflussen, und solchen, die Gene an- und abschalten

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • Der Text liefert keine vollständige unabhängige Bewertung der Methoden (Bewertungsaussage, die der Bericht so nicht trifft)

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 47 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Fähigkeiten messen
Unabhängig prüfen
Tempo und Grenzen
Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 29 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 53 %einzelne zitierbare Belege
    • JEV 57 %einzelne zitierbare Belege
    • amos 23 %einzelne zitierbare Belege
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 45 %einzelne zitierbare Belege
    • JEV 33 %beantwortet teilweise oder widerspricht
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 35 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung Hintergrund, keine Belege
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 38 %einzelne zitierbare Belege
    • JEV 63 %einzelne zitierbare Belege
    • amos 23 %gleiches Oberthema, hilft nicht
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →