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
deepmind25. Juni 2025 · Q001810

AlphaGenome: AI for better understanding the genome

deepmind.google · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht stellt AlphaGenome als KI-Modell vor, das lange DNA-Sequenzen analysiert, viele Merkmale der Genregulation vorhersagt und mögliche Varianteneffekte bewertet. Die berichteten Benchmarks fallen stark aus, doch sehr weit entfernte Regulation bleibt schwierig; das Modell ist nicht für persönliche oder klinische Vorhersagen validiert und laut Bericht nur für Forschungszwecke vorgesehen.

Mittel

Der Bericht beschreibt AlphaGenome als KI-Modell, das lange DNA-Sequenzen von bis zu einer Million Basenpaaren verarbeitet und zahlreiche Aspekte der Genregulation vorhersagt. Dazu gehören RNA-Produktion und -Spleißen, Genaktivität sowie DNA-Zugänglichkeit und Proteinbindungen. Varianten bewertet es durch den Vergleich veränderter und unveränderter Sequenzen. Das Modell verbindet lange Sequenzkontexte mit Vorhersagen auf Einzelbasen-Auflösung und kann laut Artikel viele Merkmale gemeinsam sowie Varianteneffekte in kurzer Zeit untersuchen.

In den berichteten Benchmarks übertraf AlphaGenome externe Modelle bei 22 von 24 Aufgaben zu einzelnen Sequenzen und erreichte oder übertraf sie bei 24 von 26 Aufgaben zu Varianteneffekten. Als mögliches Anwendungsfeld schildert der Artikel eine Analyse von Leukämie-assoziierten Mutationen, bei denen das Modell eine Aktivierung des Gens TAL1 vorhersagte.

Der Bericht betont Einschränkungen: Sehr weit entfernte Regulation und zell- oder gewebespezifische Muster bleiben schwierig. AlphaGenome ist nicht für persönliche Genomvorhersagen validiert und erfasst nicht alle Einflüsse auf komplexe Krankheiten. Seine Vorhersagen sind ausschließlich für Forschungszwecke bestimmt, nicht für klinische Entscheidungen. Die API war für nichtkommerzielle Forschung verfügbar.

Ausführlich lesen

Der Bericht stellt AlphaGenome vor, ein KI-Modell von Google DeepMind zur Untersuchung der Genregulation und möglicher Folgen einzelner genetischer Varianten. Es verarbeitet DNA-Sequenzen mit bis zu einer Million Basenpaaren und sagt für verschiedene Zelltypen und Gewebe zahlreiche molekulare Eigenschaften voraus. Dazu zählen unter anderem Genanfänge und -enden, RNA-Produktion und -Spleißen sowie zugängliche DNA-Bereiche und Proteinbindungen. Die Auswirkungen einer Variante schätzt das Modell, indem es die Vorhersagen für veränderte und unveränderte Sequenzen vergleicht.

Laut Bericht verbindet AlphaGenome Faltungsnetzwerke zur Erkennung kurzer Sequenzmuster mit Transformern, die Informationen über die Sequenz hinweg austauschen. Die Trainingsdaten stammen aus großen öffentlichen Datensammlungen mit Messungen an menschlichen und Maus-Zellen und -Geweben. Das Modell baut auf Enformer auf und ergänzt AlphaMissense, das Varianten in proteincodierenden Regionen untersucht. AlphaGenome soll besonders bei den umfangreichen nichtcodierenden DNA-Abschnitten helfen, die laut Bericht die Genaktivität mitsteuern.

Als besondere Eigenschaften nennt der Artikel die Kombination aus langen Sequenzen und Vorhersagen auf Einzelbasen-Auflösung, die gemeinsame Vorhersage vieler molekularer Merkmale und eine schnelle Bewertung von Varianten. Außerdem könne AlphaGenome Spleißstellen und deren Ausprägung direkt aus der Sequenz modellieren. Bei den im Bericht beschriebenen Vergleichen übertraf es externe Modelle bei Einzel-Sequenz-Vorhersagen in 22 von 24 Tests und erreichte oder übertraf sie bei Varianteneffekten in 24 von 26 Tests. Diese Vergleiche umfassten auch Modelle, die jeweils auf einzelne Aufgaben spezialisiert waren; AlphaGenome war laut Artikel das einzige, das alle geprüften Merkmale gemeinsam vorhersagen konnte. Die Zahlen beschreiben Benchmark-Ergebnisse und belegen für sich genommen keine klinische Wirksamkeit.

Der Bericht sieht mögliche Anwendungen in der Erforschung von Krankheiten, synthetischer Biologie und Grundlagenforschung. Als Beispiel beschreibt er eine Analyse von Mutationen im Zusammenhang mit T-Zell-akuter lymphoblastischer Leukämie: AlphaGenome sagte voraus, dass sie über ein MYB-Bindungsmotiv das nahegelegene Gen TAL1 aktivieren könnten. Der Artikel sagt, dies bilde einen bekannten Krankheitsmechanismus nach.

Zugleich benennt der Bericht Grenzen: Sehr weit entfernte regulatorische Elemente, insbesondere in mehr als 100.000 Basenpaaren Entfernung, seien weiterhin schwierig zu erfassen; auch zell- und gewebespezifische Muster sollten besser werden. Das Modell sei weder für persönliche Gesamtgenom-Vorhersagen entwickelt noch dafür validiert. Es bilde zudem nicht vollständig ab, wie Varianten zu komplexen Merkmalen oder Krankheiten führen, da etwa Entwicklungs- und Umwelteinflüsse außerhalb seines direkten Umfangs liegen. Die Vorhersagen seien ausschließlich für Forschungszwecke gedacht, nicht für unmittelbare klinische Anwendungen. Zum Zeitpunkt des beschriebenen Angebots war AlphaGenome über eine API für nichtkommerzielle Forschung verfügbar; der Bericht kündigt eine spätere Freigabe des Modells an und enthält einen Hinweis, dass die Forschung inzwischen in Nature veröffentlicht wurde.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Bewertet wurde die mittlere Zusammenfassung. Die kurze Fassung ist ebenfalls treu, lässt aber die Benchmark-Zahlen und die Spleißmodellierung weg und ist daher ähnlich lückenhaft. Die Einordnung stützt sich nur auf den Bericht, die Stufen aus Lunas Vorprüfung wurden nicht übernommen.

Im Bericht, aber nicht in der Zusammenfassung

  • Modellierung von RNA-Spleißstellen als neue Fähigkeit (z. B. bei spinaler Muskelatrophie und Mukoviszidose)
  • Trainingsdaten aus ENCODE, GTEx, 4D Nucleome und FANTOM5
  • Einordnung als Nachfolger von Enformer und Ergänzung zu AlphaMissense (Proteinkodierende Regionen rund 2 %, nichtkodierende 98 %)
  • Trainingsaufwand: vier Stunden und die Hälfte des Rechenbudgets von Enformer
  • Veröffentlichung in Nature (Januar 2026) und die geplante spätere Freigabe des Modells
  • Fallbeispiel TAL1 bei T-ALL als Beleg für die Verknüpfung nichtkodierender Varianten mit Krankheitsgenen

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 30 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Fähigkeiten messen
  1. 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 24 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. 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 27 %einzelne zitierbare Belege
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 24 %Hintergrund, keine Belege
    • JEV 47 %einzelne zitierbare Belege
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 100 %kein Bezug
    • Luna 35 %Hintergrund, keine Belege
    • JEV 31 %einzelne zitierbare Belege
    • amos 24 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Tempo und Grenzen
Vertrauen in Modelle
  1. 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 34 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. 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 51 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 46 %Hintergrund, keine Belege
    • JEV 36 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung einzelne zitierbare Belege

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 56 %einzelne zitierbare Belege
    • JEV 58 %einzelne zitierbare Belege
    • amos 22 %Hintergrund, keine Belege
    • SubQ 36 %gleiches Oberthema, hilft nicht
    • drex 30 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung einzelne zitierbare Belege
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 53 %umfangreiche Belege
    • JEV 49 %beantwortet teilweise oder widerspricht
    • amos 38 %einzelne zitierbare Belege
    • SubQ 100 %kein Bezug
    • drex 31 %einzelne zitierbare Belege
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung umfangreiche Belege
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 44 %Hintergrund, keine Belege
    • JEV 67 %einzelne zitierbare Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

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 →