Live NexSight: Bestes getestetes Modell löst auf SightLine nur 54,52 Prozent der Aufgaben
↘

DeepMind veröffentlicht AlphaGenome 2: 30 Prozent kausaler Varianten im Immunzell-Benchmark

Das bedingte DNA-Modell sagt Variantenwirkungen für einzelne Zelltypen voraus. Die Zahlen stammen aus Sekundärberichten. Ein Primärdokument liegt nicht vor, deshalb lassen sie sich nicht prüfen.

· Veröffentlicht: 12.11.2026 ·2 Min Lesezeit
DeepMind veröffentlicht AlphaGenome 2: 30 Prozent kausaler Varianten im Immunzell-BenchmarkMit KI erstellt
Inhalt
◆ Fakten auf einen Blick
  • Google DeepMind hat AlphaGenome 2 am 11. November 2026 veröffentlicht.
  • Das Modell verarbeitet bis zu 1 Million DNA-Basen und sagt Genexpression, Splicing, Chromatinzugänglichkeit, Histonmarken und DNA-Methylierung voraus.
  • Anders als die Vorversion erhält es die Zielbedingung als Eingabe und nutzt sie in allen Schichten.
  • Trainiert wurde mit mehr als 107 Millionen Einzelzellprofilen aus 68 Geweben von Mensch und Maus.
  • AlphaGenome 2 identifiziert im TenK10K-Test 30 % kausaler Varianten, AlphaGenome 1 16 %.

AlphaGenome 2 erkennt im Immunzell-Benchmark 30 Prozent der kausalen Varianten

Google DeepMind hat am 11. November 2026 AlphaGenome 2 veröffentlicht. Das bedingte DNA-Sequenzmodell sagt voraus, wie sich DNA-Varianten auf molekulare Messgrößen auswirken, sobald eine Bedingung vorgegeben ist: ein Gewebe, ein Zelltyp oder ein Zellzustand. Im TenK10K-Datensatz mit 28 primären Immunzelltypen erkennt es laut Berichten 30 Prozent der kausalen Varianten. Die Vorversion, nach Single-Cell-Feintuning angepasst, kommt auf 16 Prozent. Bei der Richtung des Effekts trifft AlphaGenome 2 in 43 Prozent der Fälle, die Vorversion in 23 Prozent.

Im Benchmark heißt kausale Variantenidentifikation, jene genetische Änderung auszuwählen, die einen gemessenen regulatorischen Effekt verursacht. Die Richtungsvorhersage legt fest, ob die Änderung die Genaktivität erhöht oder senkt. Alle Angaben stammen aus Sekundärberichten, die sich auf DeepMind stützen.

Das Modell bekommt die Zielbedingung als Eingabe

AlphaGenome 1 erschien im Juni 2025 und sagte viele Gewebe parallel voraus. AlphaGenome 2 arbeitet anders. Es erhält die Zielbedingung als Eingabe und nutzt sie in allen Modellschichten. Die Bedingungen stammen aus einem Referenzkatalog oder aus eigenen Single-Cell-Daten, die ein Zell-Encoder verarbeitet.

Das Modell verarbeitet bis zu 1 Million Basen. Es sagt Genexpression, Splicing, Chromatinzugänglichkeit und Histonmarken voraus. Neu sind DNA-Methylierung, die Auflösung auf Zelltypebene und die Imputation fehlender Messgrößen aus einer gemessenen Größe. Ohne Neutraining lässt es sich an eigene Single-Cell-Experimente anpassen. Eine Quelle nennt als Minimum wenige Dutzend Zellen. Laut Berichten wurde es auf mehr als 107 Millionen Einzelzellprofilen aus 68 Geweben von Mensch und Maus trainiert.

Die 30 Prozent sind je nach Bericht unterschiedlich definiert

Die Berichte beziehen sich auf dieselbe Zahl, definieren sie aber nicht einheitlich. Die meisten stellen 30 Prozent den 16 Prozent des feingetunten AlphaGenome 1 gegenüber. Andere sprechen vom besten bisherigen Modell, was einen anderen Vergleich darstellt. Nur eine Quelle nennt zusätzlich 90 Prozent Präzision.

Blogpost, Preprint und Modellkarte lagen nicht vor. Offen bleibt daher, ob Präzisionsschwelle und Vergleichsbasis zur Originaldefinition gehören oder auf Vereinfachungen oder Fehlern der Berichte beruhen.

Die Aussage, das Modell finde nahezu doppelt so viele Varianten, sowie der Hinweis auf schärfere Krankheitstreiber sind Herstellerangaben. Teils handelt es sich um einen Selbstvergleich. Prüfbar wären sie über Preprint, Benchmark-Tabellen, unabhängige Replikation und experimentelle Validierung.

Kostenlose API für nicht-kommerzielle Forschung, Industrie nur in privater Vorschau

Die AlphaGenome-API steht für nicht-kommerzielle Forschung kostenlos bereit. Dazu gibt es Colab-Tutorials. Kommerzielle Nutzung läuft ausschließlich über eine private Vorschau. Für die Vorversion stellt DeepMind ein Forschungs-Repository bereit. Dessen Modellgewichte erhält man erst nach Akzeptieren der nicht-kommerziellen Bedingungen.

Berichten zufolge hilft das Modell Forschenden, die GWAS-Treffer im nicht-kodierenden Genom zu interpretieren. Auch Pharma-Target-Teams sollen profitieren. Es ist ein Forschungswerkzeug und keine Diagnostik. Kommerzielle Anwender sollten die Zugangsbedingungen prüfen, bevor sie eine Pipeline darauf planen.

A
Andreas Rüdiger
Herausgeber & Redaktionsleitung · KI-Modelle, Technik & Business

Andreas Rüdiger ist Gründer der Agentur INREMA und verantwortet KI Spotlight redaktionell. Sein Schwerpunkt liegt auf KI-Modellen, Recheninfrastruktur, technischen Entwicklungen und der wirtschaftlichen Einordnung. Er sorgt dafür, dass komplexe KI-Themen verständlich und nachvollziehbar aufbereitet werden. Mehr zu ihm auf inrema.de und andiger.de.

Quellen

  1. ai-tldr.dev ↗

Ähnliche Artikel