AlphaGenome Atlas: DeepMinds AI-kort over 9 mia. mulige DNA-ændringer

Google DeepMind lancerede AlphaGenome Atlas den 8. september 2026. Det er en søgbar database med AI-baserede forudsigelser af de molekylære konsekvenser af alle mulige enkelt-nukleotid-varianter i menneskets genom – omtrent 9 milliarder mulige ændringer af ét DNA-bogstav. Databasen fylder cirka 1 petabyte og er tilgængelig gratis for akademiske forskere. 67

Fra AI-model til opslagsværk

En enkelt-nukleotid-variant er en ændring i blot ét bogstav i DNA'et. Den kan ligge i en proteinkodende del af genomet, som bidrager direkte til proteiners opbygning, eller i ikke-kodende DNA, der blandt andet er med til at styre, hvornår og hvor gener er aktive.

Her er den afgørende forskel:

• AlphaGenome er AI-modellen, som forudsiger, hvordan DNA-varianter kan påvirke biologiske processer omkring genregulering.
• AlphaGenome Atlas er det store, søgbare opslagsværk, hvor modellens forudsigelser allerede er beregnet på forhånd. 6721

I stedet for at en forsker skal køre en ny modelberegning for hver enkelt kandidatvariant, kan vedkommende slå den op i Atlas. DeepMind har på forhånd brugt AlphaGenome til at beregne den forventede regulatoriske effekt af alle omkring 9 milliarder mulige enkeltbogstavsændringer. 67

Hvad rummer databasen på 1 petabyte?

Atlas indeholder forudsagte effekter for cirka 9 milliarder mulige enkelt-nukleotid-varianter samt en AlphaGenome Variant Impact-score, forkortet AVI, for hver variant. 16

Formålet er ikke at levere en klinisk afgørelse om, hvorvidt en DNA-ændring er sygdomsfremkaldende. I stedet giver ressourcen forskere modelbaserede signaler om, hvilke varianter der kan være biologisk interessante, og hvilke molekylære mekanismer der muligvis er påvirket. Det kan hjælpe med at prioritere blandt mange observerede genetiske forskelle og udpege de kandidater, der bør undersøges nærmere. 17

Gratis adgang for akademiske forskere

Ifølge DeepMind kan Atlas bruges til akademisk forskning via en intuitiv og gratis webportal. Portalen er lavet, så forskere kan forespørge i materialet uden selv at skulle køre modellen eller skrive kode. 7

Det gør Atlas relevant som et første analytisk lag: En forsker kan undersøge en kandidatvariant, se modellens forudsagte effekter og derfra vælge, hvilke genetiske analyser eller laboratorieforsøg der bør følge.

AVI-scoren samler kodende og ikke-kodende DNA

AlphaGenome Variant Impact (AVI) er én samlet score, der skal hjælpe med at rangordne varianter efter deres forudsagte biologiske betydning.

Scoren kombinerer information på tværs af to centrale typer DNA-varianter:

• Proteinkodende varianter, som kan ændre et proteins sekvens eller bearbejdning.
• Ikke-kodende varianter, som kan påvirke genregulering og beslægtet molekylær aktivitet.

Dermed får forskere en fælles ramme for at sammenligne kandidater fra hele genomet i stedet for at behandle kodende og ikke-kodende DNA som helt adskilte analyseproblemer. 16

De tilgængelige kilder beskriver AVI som en praktisk prioriteringsscore, men angiver ikke dens fulde matematiske udformning. Den bør derfor læses som et sammenfattende signal til prioritering – ikke som et direkte mål for, om en variant er årsag til en sygdom.

To tidlige eksempler fra forskningen

Ved lanceringen fremhævede DeepMind og omtalen af Atlas to tidlige anvendelser.

I forskning i sjældne sygdomme brugte et team på Broad Institute ifølge de tilgængelige oplysninger AVI til at finde en variant i DNM1, som skaber en forkert splejsningshændelse. DNM1 er forbundet med epileptisk encefalopati. 10 Eksemplet viser, hvordan modellen kan hjælpe med at fremhæve en kandidat, der ellers kunne blive overset. Kilderne giver dog ikke tilstrækkelige detaljer til selvstændigt at vurdere replikation, klinisk fortolkning eller den bredere betydning af fundet.

I populationsgenetik analyserede forskere hele genomer fra mere end 54.000 deltagere i UK Biobank, en stor britisk sundheds- og genetikdatabase. De rapporterede 22 % flere ikke-kodende genetiske associationer ved brug af Atlas. 310 Flere fundne associationer dokumenterer ikke i sig selv årsagssammenhæng eller klinisk anvendelighed. De fremlagte kilder oplyser ikke, hvilke træk der blev analyseret, hvilke statistiske tærskler der blev brugt, eller hvordan resultaterne blev efterprøvet.

Samme strategi som AlphaFold – men et andet biologisk spørgsmål

AlphaGenome Atlas følger en strategi, der minder om AlphaFold: DeepMind kobler en prædiktiv AI-model med en bredt tilgængelig videnskabelig database. AlphaFold Protein Structure Database, der er udviklet sammen med EMBL-EBI, har gjort forudsagte proteinstrukturer tilgængelige for forskere. AlphaGenome Atlas anvender en tilsvarende adgangsmodel på forudsagte konsekvenser af DNA-varianter. 3134

Men de to projekter besvarer forskellige spørgsmål:

• AlphaFold forudsiger proteiners tredimensionelle struktur.
• AlphaGenome Atlas forudsiger molekylære og regulatoriske effekter knyttet til ændringer af ét DNA-bogstav. 731

Målt på datamængde oplyses Atlas at være mere end 30 gange større end AlphaFold-databasen. 215

Den centrale begrænsning: Forudsigelser er ikke beviser

Atlas' resultater er modelberegnede forudsigelser, ikke eksperimentelle målinger. En høj AVI-score beviser derfor ikke, at en DNA-variant forårsager sygdom. Ressourcens styrke er som forskningsgrundlag: til at indsnævre kandidatlisten, formulere hypoteser om mekanismer og planlægge opfølgende funktionelle eller genetiske studier. 16

Det er særligt vigtigt for ikke-kodende DNA, hvor biologisk fortolkning fortsat er vanskelig. En forsvarlig arbejdsgang er at bruge Atlas til at udpege de mest relevante kandidater og derefter afprøve dem med uafhængig genetisk evidens, funktionelle forsøg og, hvor det er relevant, faglig klinisk vurdering.

AlphaGenome Atlas' vigtigste bidrag er dermed skalaen og tilgængeligheden: Forskere får et klar-til-søgning-kort over AI-genererede hypoteser for samtlige mulige enkeltbogstavsændringer i menneskets DNA. Den reelle videnskabelige værdi vil afhænge af, hvor godt hypoteserne holder i laboratoriet og i studier af mennesker.