AlphaGenome Atlas gjør 9 milliarder mulige DNA-endringer søkbare

Google DeepMind lanserte AlphaGenome Atlas 8. september 2026. Atlas er en søkbar database med prediksjoner av molekylære effekter for alle mulige enkelt-nukleotidvarianter i menneskets genom – rundt 9 milliarder mulige endringer av én DNA-bokstav. Ressursen er på om lag 1 petabyte og er tilgjengelig for akademisk forskning. 67

Fra KI-modell til oppslagsverk

En enkelt-nukleotidvariant er en endring i én av DNA-ets bokstaver. Slike endringer kan ligge i kodende DNA, som bidrar til å bestemme proteiners oppbygning, eller i ikke-kodende DNA, som blant annet kan påvirke når og hvor gener er aktive.

Her er det viktig å skille mellom to navn:

• AlphaGenome er KI-modellen som predikerer hvordan DNA-varianter kan påvirke biologiske prosesser knyttet til genregulering.
• AlphaGenome Atlas er det forhåndsberegnede, søkbare oppslagsverket som er bygget på modellens prediksjoner. 6721

I stedet for at en forsker må be om eller kjøre en ny modellprediksjon for hver aktuell variant, har DeepMind kjørt modellen på alle mulige enkeltbokstavendringer og lagret resultatene. 67

Hva inneholder databasen?

Atlas inneholder predikerte effekter for omtrent 9 milliarder mulige enkelt-nukleotidvarianter, samt en AlphaGenome Variant Impact-skår (AVI) for hver variant. 16

Målet er å hjelpe forskere med å sortere i lange lister over observerte genetiske forskjeller og finne kandidater som bør undersøkes nærmere. Databasen gir ikke en klinisk konklusjon, men modellbaserte signaler om hvilke endringer som kan være biologisk viktige – og hvilke molekylære mekanismer som kan være involvert. 17

DeepMind opplyser at Atlas kan brukes gjennom en gratis og brukervennlig nettportal for akademisk forskning. Den er laget slik at forskere kan slå opp data uten å måtte programmere eller kjøre modellen selv. 7

AVI-skåren samler kodende og ikke-kodende DNA

AVI-skåren er ett samlet tall som skal hjelpe forskere med å rangere DNA-varianter etter deres predikerte biologiske effekt.

Den er ment å fungere på tvers av to sentrale typer variasjon:

• Kodende varianter, som kan endre et proteins sekvens eller prosessering
• Ikke-kodende varianter, som kan påvirke genregulering og annen molekylær aktivitet

Tanken er at forskere lettere skal kunne sammenligne kandidater fra hele genomet i én prioriteringsramme, i stedet for å behandle kodende og ikke-kodende områder som helt separate problemer. 16

Kildematerialet beskriver AVI som en praktisk rangeringsskår, men fastslår ikke den fullstendige matematiske formuleringen. Skåren bør derfor forstås som et hjelpemiddel for prioritering – ikke som et direkte mål på om en variant forårsaker sykdom.

Tidlige funn: DNM1 og UK Biobank

DeepMind og omtalen av lanseringen trekker frem to tidlige anvendelser hos samarbeidspartnere.

I forskning på sjeldne sykdommer skal et team ved Broad Institute ha brukt AVI til å løfte frem en variant i DNM1 som skaper en feilaktig spleisehendelse. DNM1 er knyttet til epileptisk encefalopati. 10 Eksempelet viser hvordan modellen kan bidra til å finne en kandidat som ellers kunne blitt oversett. Samtidig gir det tilgjengelige materialet ikke nok informasjon til å vurdere replikasjon, klinisk tolkning eller den bredere betydningen av funnet uavhengig.

I populasjonsgenetikk analyserte forskere hele genomer fra mer enn 54 000 deltakere i UK Biobank, en stor britisk helse- og biobankressurs. De rapporterte 22 prosent flere ikke-kodende assosiasjoner ved bruk av Atlas. 310 Flere påviste assosiasjoner betyr imidlertid ikke i seg selv at variantene er årsak til en egenskap eller kan brukes klinisk. Kildene oppgir ikke hvilke egenskaper som ble undersøkt, statistiske terskler eller hvordan funnene senere ble validert.

Samme tilgjengelighetsstrategi som AlphaFold – men et annet spørsmål

AlphaGenome Atlas følger en kjent DeepMind-modell: Kombiner en prediktiv KI med en bredt tilgjengelig vitenskapelig database. AlphaFold Protein Structure Database, utviklet sammen med EMBL-EBI, gjorde predikerte proteinstrukturer tilgjengelige for forskere. AlphaGenome Atlas bruker en tilsvarende idé for predikerte konsekvenser av DNA-varianter. 3134

Men de vitenskapelige spørsmålene er forskjellige:

• AlphaFold predikerer proteiners tredimensjonale struktur.
• AlphaGenome Atlas predikerer molekylære og regulatoriske effekter knyttet til enkeltbokstavendringer i DNA. 731

Målt i datamengde skal Atlas være mer enn 30 ganger større enn AlphaFold-databasen. 215

Den avgjørende begrensningen: Prediksjoner er hypoteser

Prediksjonene i Atlas er ikke eksperimentelle målinger. En høy AVI-skår beviser heller ikke at en DNA-variant forårsaker sykdom. Ressursen bør først og fremst brukes som et forskningsgrunnlag for å prioritere varianter, formulere hypoteser om mekanismer og planlegge videre funksjonelle eller genetiske studier. 16

Dette er særlig viktig for ikke-kodende DNA, der tolkningen fortsatt er krevende. En fornuftig arbeidsflyt er å bruke Atlas til å snevre inn et stort kandidatsett, og deretter undersøke de mest aktuelle variantene med uavhengig genetisk dokumentasjon, funksjonelle forsøk og – når det er relevant – klinisk vurdering.

Atlas’ viktigste bidrag er dermed skala og tilgjengelighet: Forskere får et oppslagsverk over KI-genererte hypoteser for hele rommet av mulige enkeltbokstavendringer i menneskets DNA. Den reelle verdien vil avhenge av hvor godt hypotesene blir testet i laboratoriet og validert i studier av mennesker.