A catalogue of genetic mutations to help pinpoint the cause of diseases
Zusammenfassung
Kurz
DeepMind berichtet, AlphaMissense habe 89 Prozent von rund 71 Millionen möglichen Missense-Varianten als wahrscheinlich gutartig oder krankheitsverursachend eingestuft; 11 Prozent blieben unklar. Das Modell soll Forschung und die Priorisierung von Untersuchungen unterstützen, ist laut Bericht aber nicht für den direkten klinischen Einsatz vorgesehen und muss zusammen mit weiteren Belegen interpretiert werden.
Mittel
DeepMind beschreibt AlphaMissense als KI-Modell, das die möglichen Auswirkungen von Missense-Varianten einschätzt. Das sind einzelne DNA-Austausche, die eine Aminosäure in einem Protein verändern können. Nach Angaben des Berichts bewertete das Modell alle rund 71 Millionen möglichen menschlichen Varianten und stufte 89 Prozent als wahrscheinlich gutartig oder wahrscheinlich krankheitsverursachend ein: 57 Prozent als gutartig, 32 Prozent als krankheitsverursachend; 11 Prozent blieben unklar. Fachleute hätten nur etwa 0,1 Prozent aller möglichen Varianten annotiert.
AlphaMissense baut auf AlphaFold auf und nutzt Proteinsequenzen, strukturellen Kontext sowie Variantenhäufigkeiten aus Menschen und eng verwandten Primaten. Der Bericht zufolge schnitt es bei Vergleichen mit ClinVar und experimentellen Messungen besser ab als andere computergestützte Methoden. Ein Teil der Vergleichsmethoden könnte im ClinVar-Test begünstigt gewesen sein, weil sie mit ClinVar-Daten trainiert wurden. Eine Auswertung mit Genomics England habe die Vorhersagen als genau und konsistent bestätigt.
DeepMind stellt Vorhersagen und Modellcode bereit. Das Modell ist laut Bericht nicht für direkte klinische Entscheidungen gedacht; seine Einschätzungen sollen mit weiteren Belegen kombiniert werden.
Ausführlich lesen
Der DeepMind-Bericht stellt AlphaMissense vor, ein KI-Modell zur Einschätzung möglicher Folgen sogenannter Missense-Varianten. Dabei wird ein einzelner DNA-Baustein ausgetauscht, sodass sich eine Aminosäure in einem Protein ändert. Solche Varianten können ohne erkennbare Folgen bleiben oder die Proteinwirkung beeinträchtigen und Krankheiten begünstigen. Der Bericht nennt unter anderem Mukoviszidose, Sichelzellenanämie und Krebs als Beispiele. Die Einordnung dieser Varianten ist schwierig, weil es sehr viele mögliche Veränderungen, aber nur für einen kleinen Teil klinische oder experimentelle Belege gibt.
Laut DeepMind bewertete AlphaMissense alle rund 71 Millionen möglichen menschlichen Missense-Varianten. Für 89 Prozent gab das Modell eine Einstufung als wahrscheinlich gutartig oder wahrscheinlich krankheitsverursachend ab: 57 Prozent wurden als wahrscheinlich gutartig und 32 Prozent als wahrscheinlich krankheitsverursachend vorhergesagt; 11 Prozent blieben unklar. Zum Vergleich seien nur etwa 0,1 Prozent aller möglichen Varianten von Fachleuten entsprechend annotiert. Der Bericht sagt, dass ein verwendeter Schwellenwert auf einer Datenbank bekannter krankheitsbezogener Varianten 90 Prozent Präzision erreichte.
Das Modell baut auf AlphaFold auf und verbindet laut Beschreibung den strukturellen Kontext eines Proteins mit Proteinsequenz-Modellierung. Trainiert wurde es mit Variantenhäufigkeiten aus menschlichen und eng verwandten Primatenpopulationen: häufig beobachtete Varianten galten als gutartig, nicht beobachtete als krankheitsverursachend. AlphaMissense berechnet einen Wert zwischen 0 und 1. Das Modell sagt dem Bericht zufolge nicht ausdrücklich voraus, wie eine Mutation die Proteinstruktur verändert oder die Stabilität beeinflusst; Anwender können den Grenzwert passend zu ihren Genauigkeitsanforderungen wählen.
DeepMind berichtet, das Verfahren habe andere computergestützte Methoden bei Vergleichen mit ClinVar-Daten und bei der Vorhersage von Ergebnissen biologischer Experimente übertroffen. Zugleich weist der Bericht darauf hin, dass manche Vergleichsverfahren direkt mit ClinVar trainiert wurden und ihre Leistung dadurch im entsprechenden Test überschätzt sein könnte. Als weiteren Praxisvergleich nennt er eine Zusammenarbeit mit Genomics England, deren Auswertung die Vorhersagen als genau und konsistent bestätigt habe.
Die Vorhersagen und der Modellcode wurden laut Bericht öffentlich bereitgestellt; zusätzlich gibt es Vorhersagen zu 216 Millionen einzelnen Aminosäureaustauschen in mehr als 19.000 menschlichen Proteinen sowie Durchschnittswerte für Gene. Der Text betont jedoch ausdrücklich, dass AlphaMissense nicht für eine unmittelbare klinische Anwendung vorgesehen ist. Vorhersagen sollen zusammen mit weiteren Belegen interpretiert werden. Der Bericht beschreibt damit ein Forschungs- und Priorisierungswerkzeug, das Experimente unterstützen und die Erforschung genetischer Erkrankungen beschleunigen könnte, aber keine eigenständige klinische Diagnose liefert.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Lunas Zusammenfassungen sind weitgehend treu; es fehlen vor allem die Lizenzänderung und der Umfang der Veröffentlichung. Die Einordnung ist im Ganzen zu hoch angesetzt, da der Bericht ein Biologie-Modell beschreibt und die Governance-Fragen nur am Rande berührt.
Im Bericht, aber nicht in der Zusammenfassung
- Die Vorhersagen wurden 2024 unter CC BY 4.0 freigegeben, wodurch die bisherige Beschränkung auf nichtkommerzielle Nutzung entfiel
- Integration in den Ensembl Variant Effect Predictor zusammen mit EMBL-EBI
- Veröffentlicht wurden zusätzlich Vorhersagen für rund 216 Millionen Substitutionen in über 19.000 menschlichen Proteinen sowie Genmittelwerte
- AlphaMissense sagt keine Strukturänderungen oder Stabilitätseffekte vorher, sondern arbeitet mit Proteinsequenzen und Variantenhäufigkeiten
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Vorfälle melden
- 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 43 %einzelne zitierbare Belege
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Fähigkeiten messen
- SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 32 %umfangreiche Belege
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-F3 Welche Regeln gelten für gefährliche Fähigkeiten jenseits von Cyber, etwa in Biologie, Chemie, bei radioaktiven Stoffen oder in der Nukleartechnik?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 38 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 48 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Unabhängig prüfen
- SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 38 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 100 %kein Bezug
- Luna 44 %einzelne zitierbare Belege
- JEV 100 %kein Bezug
- amos 32 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 43 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung einzelne zitierbare Belege
- SF-P3-T02 Welche unabhängig überprüfbaren Zusagen könnten Regierungen von ihren KI-Laboren zur Veröffentlichung verlangen, und wie sieht unabhängige Prüfung aus, wenn der Beleg, dass ein Modell seinen vorgesehenen Zielen und Werten folgt, nur vom trainierenden Labor kommt und Prüfer weder die Modellgewichte (die gelernten Parameter) noch die Trainingsdaten sehen?
Tempo und Grenzen
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 47 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 71 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Vertrauen in Modelle
- SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 30 %einzelne zitierbare Belege
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 28 %einzelne zitierbare Belege
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- 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 46 %einzelne zitierbare Belege
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 52 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Modelle teilen und schützen
- SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 30 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- clef 100 %kein Bezug
- Luna 36 %einzelne zitierbare Belege
- JEV 48 %einzelne zitierbare Belege
- amos 32 %einzelne zitierbare Belege
- SubQ 100 %kein Bezug
- drex 27 %einzelne zitierbare Belege
- d3-ultra 100 %kein Bezug
- SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- clef 100 %kein Bezug
- Luna 45 %umfangreiche Belege
- JEV 49 %beantwortet direkt und ausführlich
- amos 24 %Hintergrund, keine Belege
- SubQ 100 %kein Bezug
- drex 32 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung einzelne zitierbare Belege
Offenlegung und Rechenschaft
- SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 44 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-O3 Welcher Text gilt, und wie beweist man, dass ein Dokument nicht verändert wurde?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
- SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 59 %einzelne zitierbare Belege
- JEV 54 %einzelne zitierbare Belege
- amos 28 %einzelne zitierbare Belege
- SubQ 100 %kein Bezug
- drex 40 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung umfangreiche Belege
- SF-E4-T01 Was hieße die Formel von KI als „gemeinsamem Gut der ganzen Menschheit“ praktisch (Zugang, Teilen des Nutzens, gestaffelte Preise, Technologietransfer), so dass jeder Staat sie tatsächlich unterschreiben und prüfen könnte?
- SF-E4-T02 Welche konkreten Mechanismen (bezahlbarer Zugang zu Modellen, Rechenleistung im öffentlichen Interesse, Technologietransfer) sollen Sicherheitsregeln begleiten, damit sie Monopole nicht vertiefen und Länder mit wenig Mitteln nicht abhängig zurücklassen?
- SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 51 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 43 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Weitere Berichte zu diesen Fragen
- Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
- Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
- Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
- Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- Alle Berichte im Archiv