DeepMind kartiert neun Milliarden DNA-Varianten

Google DeepMind hat neun Milliarden mögliche DNA-Varianten kartiert – ein gewaltiger Schritt nach vorn bei der Frage, wie Forscher das menschliche Genom interpretieren können. Die Arbeit beschränkt sich nicht auf die protein-kodierenden Regionen, die nur einen kleinen Teil der DNA ausmachen, sondern deckt auch die riesigen nicht-kodierenden Abschnitte ab, die Wissenschaftler seit Langem vor Rätsel stellen. Der Großteil des menschlichen Genoms ist nicht-kodierend. Einige dieser Regionen regulieren, wann und wo Gene an- und abgeschaltet werden, doch die Funktion vieler nicht-kodierender Bereiche ist unbekannt. Zu verstehen, welche Varianten relevant sind und welche harmlos, ist zentral, um genetische Unterschiede im Zusammenhang mit Krankheiten zu deuten. Die schiere Größe der Kartierung ist entscheidend. Mit Milliarden katalogisierter Varianten erhalten Forscher eine Referenz, um einzuschätzen, ob eine bestimmte genetische Veränderung wahrscheinlich harmlos oder potenziell schädlich ist. Das könnte Entdeckungen in der Genomik und der personalisierten Medizin beschleunigen, bei der Behandlungen auf das genetische Profil eines Menschen zugeschnitten werden. Das Projekt spiegelt einen breiteren Trend wider: KI wird in der Biologie zunehmend auf Populationsebene eingesetzt. Modelle, die auf riesigen Datensätzen genetischer Sequenzen trainiert wurden, können die Auswirkungen von Mutationen schneller und kostengünstiger vorhersagen als Laborexperimente allein. Diese Vorhersagen ersetzen zwar keine experimentelle Validierung, helfen aber dabei, zu priorisieren, welche Varianten genauer untersucht werden sollten. Herausforderungen bleiben. Vorhersagen können falsch sein, und die Lücke zwischen computergestützten Scores und tatsächlichen biologischen Ergebnissen ist ein aktives Forschungsfeld. Auch ethische Fragen zu genetischen Daten, Privatsphäre und der Verwendung solcher Informationen in der Medizin sind weiterhin ungeklärt. Dennoch zeigt das Vorhaben, wie die computergestützte Biologie reift. Indem rohe Sequenzdaten in interpretierbares Wissen verwandelt werden, bauen DeepMind und andere eine Infrastruktur auf, die Jahrzehnte genetischer Forschung stützen könnte – von der Diagnose seltener Krankheiten bis zum Verständnis komplexer Leiden, die von vielen Genen gleichzeitig geprägt werden.