Het genoom als opzoekboek: DeepMind kaart 9 miljard DNA-mutaties

AI-modellen · DeepMind · Genomics Het genoom als opzoekboek: DeepMind kaart 9 miljard DNA-mutaties Google DeepMind heeft de voorspelde effecten van elke denkbare letterwijziging in ons DNA vooraf uitgerekend. Het resultaat is geen nieuw model, maar een doorzoekbare kaart die het speurwerk van jaren tot een zoekopdracht terugbrengt. Afbeelding: Flocci Nivis via Wikimedia Commons, CC BY 4.0 De grootste sprong in AI voor de biologie deze week zit niet in een slimmer model, maar in een simpel idee: doe het rekenwerk vooraf. Google DeepMind lanceerde begin september de AlphaGenome Atlas, een database die voor elke mogelijke enkele-letterwijziging in het menselijk genoom voorspelt wat die verandering moleculair aanricht. In totaal gaat het om zo'n 9 miljard varianten, en ze staan er allemaal al in, klaar om op te zoeken. Dat aantal klinkt willekeurig, maar het volgt logisch uit de biologie. Het menselijk genoom telt ongeveer 3 miljard basenparen, en op elke positie zijn drie andere letters mogelijk. Drie keer drie miljard is negen miljard. DeepMind heeft, in plaats van onderzoekers die reeks een voor een te laten narekenen, de complete uitkomst in één keer op tafel gelegd. 9 mldmogelijke enkele-letter-varianten in het genoom 1 PBomvang van de dataset, ruim 30× de AlphaFold-database ~9.000onderzoekers gebruikten AlphaGenome sinds de start Van rekenmodel naar opzoektabel De Atlas is gebouwd op AlphaGenome, het gespecialiseerde model dat DeepMind in juni 2025 uitbracht en in januari 2026 in Nature beschreef. Dat model krijgt tot een miljoen DNA-letters tegelijk aangeboden en voorspelt daaruit duizenden moleculaire metingen: genexpressie, RNA-splicing, toegankelijkheid van chromatine, binding van transcriptiefactoren en zelfs de driedimensionale vouwing van het genoom, over honderden menselijke en muizenceltypen heen. In de gepubliceerde vergelijking presteerde AlphaGenome op 25 van de 26 benchmarks voor variant-effectvoorspelling minstens zo goed als sterke externe modellen. Het probleem was praktisch. Het model is krachtig, maar ook traag en rekenintensief, en je moest programmeren om er een vraag aan te stellen. Sinds de lancering benaderden ongeveer 9.000 onderzoekers de voorspellingen via een programmeerinterface, een drempel die veel biologen zonder codeerachtergrond buitensloot. De Atlas haalt die drempel weg. DeepMind draaide het model vooraf over elke positie in het referentiegenoom, een aanpak die in silico saturation mutagenesis heet, en bevroor de uitkomsten in een doorzoekbare tabel. Waarom dit telt: er zit geen nieuw model onder de Atlas. Het is puur de output van AlphaGenome, één keer volledig uitgerekend. Precies dat verandert een dure inferentietaak in een simpele zoekopdracht, waar ook onderzoekers zonder toegang tot zware hardware bij kunnen. De cijfers achter die keuze zijn fors. De dataset beslaat ongeveer 1 petabyte, ruim dertig keer zoveel als de bekende AlphaFold-database met eiwitstructuren. Per variant staan er gemiddeld tienduizenden voorspellingen opgeslagen, verspreid over honderden cel- en weefseltypen. Naast de 9 miljard enkele-letterwijzigingen bevat de kaart ook meer dan 100 miljoen korte inserties en deleties die in echte menselijke genomen zijn waargenomen, plus een verzameling van ruim 2.500 terugkerende DNA-motieven, zeg maar de vaste woorden waaruit het genoom is opgebouwd. Eén getal om varianten te rangschikken De echte truc voor de dagelijkse praktijk is de AlphaGenome Variant Impact-score, kortweg AVI. Die comprimeert de wolk aan voorspellingen tot één getal dat aangeeft hoe ingrijpend een variant waarschijnlijk is. De score combineert de regulatoire voorspellingen van AlphaGenome met AlphaMissense, DeepMinds eerdere model dat inschat of eiwit-veranderende mutaties goedaardig of ziekteverwekkend zijn. Dat maakt de AVI-score breed inzetbaar. Hij werkt zowel in de 2 procent van het genoom die voor eiwitten codeert als in de resterende 98 procent aan niet-coderend DNA, het deel dat de genactiviteit aanstuurt en waar het meeste eigenschap-gerelateerde erfelijke materiaal zit. Juist dat niet-coderende gebied was tot nu toe het slechtst begrepen. Onderzoekers noemen de kaart daarom een doorzoekbaar woordenboek voor niet-coderend DNA, iets wat voor eiwitten allang bestond maar voor de rest van het genoom ontbrak. Belangrijk: elke score wordt ook uitgesplitst. De zogeheten feature-attributies laten zien wélk proces een variant naar verwachting verstoort, bijvoorbeeld splicing, genexpressie of conservering. Zo krijgt een onderzoeker niet alleen een cijfer, maar ook een hypothese over het mechanisme erachter. Wat het in de praktijk oplevert DeepMind onderbouwt de lancering met concrete testresultaten van partnerlabs. In een terugblik op al opgeloste zeldzame-ziektegevallen uit de GREGoR-dataset zette de AVI-score de bekende oorzakelijke variant in 29,5 procent van de gevallen in de top 50 kandidaten, tegen 12,5 procent voor het veelgebruikte CADD. Meer dan een verdubbeling van de trefkans dus. Vindkans van de ziekteveroorzakende variant in de top 50 Terugblik op opgeloste GREGoR-gevallen. Hoger is beter. AVI (AlphaGenome) 29,5% CADD (bestaand) 12,5% Bij het Broad Institute gebruikte een team de score om varianten te prioriteren in onopgeloste zeldzame-ziektedossiers. De Atlas wees op een kritieke variant in het gen DNM1, met de voorspelling dat die een verkeerde splice-plek creëerde. Dat leverde het beslissende bewijs om de zaak op te lossen, na bevestiging in het lab. In een analyse van UK Biobank-data van ruim 54.000 deelnemers vond een onderzoeker uit Exeter 22 procent meer verbanden in niet-coderend DNA door varianten op voorspeld effect te groeperen, en kromp de kandidatenlijst voor één regio van 526 mogelijkheden tot slechts vier. Het begrijpen van onze DNA is een grote uitdaging. Deze taal van het leven doorgronden kan zoveel dingen ontsluiten. Pushmeet Kohli, VP of science bij Google DeepMind De grens: hypothese, geen diagnose Bij al dat enthousiasme hoort een duidelijke waarschuwing, en DeepMind zelf zet die er nadrukkelijk bij. De voorspellingen zijn hypotheses, geen diagnoses. De workflow die het lab voorstelt is expliciet tweeledig: de AVI-score smalt miljoenen kandidaten terug tot een handvol, waarna een echt laboratoriumexperiment de zaak moet bevestigen, precies zoals in het DNM1-geval gebeurde. De beperkingen zijn reëel. Veel ziekten worden niet door één variant veroorzaakt maar door een samenspel van vele, en de Atlas beoordeelt varianten los van elkaar. De voorspellingen houden bovendien geen rekening met de genetische verschillen tussen individuele mensen, iets wat voor een echte diagnose onmisbaar is. Onderzoekers benadrukken dan ook dat de kaart experimenten aanvult, niet vervangt. Het is een genereuze manier om een sterk model op te schalen, maar het blijft een voorspelling. Toegang: de Atlas is vanaf de lancering gratis voor niet-commercieel onderzoek via een browsergerichte webportal, bedoeld voor biologen zonder codeerkennis. Daarnaast blijft de AlphaGenome-API op GitHub beschikbaar, is er een skill binnen Google Antigravity, en volgt commercieel gebruik via Google Cloud. Waar dit echt naartoe wijst, is een bredere verschuiving in hoe AI de wetenschap binnenkomt. Na AlphaFold voor eiwitstructuren en AlphaMissense voor eiwit-veranderende mutaties is dit de volgende stap in een reeks waarin DeepMind een moeilijk, traag onderzoeksprobleem omzet in een kant-en-klaar naslagwerk. Niet AI die het antwoord geeft, maar AI die de zoekruimte zo klein maakt dat een mens er weer overzicht op krijgt. Voor een veld waarin het testen van elke mutatie in het lab letterlijk meerdere mensenlevens zou kosten, is dat misschien wel de nuttigste rol die een model kan spelen. Bronnen Google DeepMind, blog: AlphaGenome Atlas: a predictive map of every possible DNA letter change The Keyword (Google): Introducing AlphaGenome Atlas Nature: DeepMind's new genome 'atlas' charts effects of all nine billion human gene mutations Fortune: DeepMind publishes AI-powered predictions for all 9 billion possible mutations IEEE Spectrum: AlphaGenome Atlas predicts how single-letter changes affect genes SiliconANGLE: DeepMind's AlphaGenome Atlas maps all 9 billion possible human DNA changes TechTimes: AlphaGenome Atlas scores all 9 billion DNA mutations

Het genoom als opzoekboek: DeepMind kaart 9 miljard DNA-mutaties

Reacties 0

Meer tech artikelen

Switch 2 haalt de achterstand in: VRR komt eindelijk naar de tv

Apple vouwt open: de iPhone Duo en een lineup zonder instapmodel

De robot loopt de fabriek binnen: humanoïde machines aan het werk