Google DeepMind brengt AlphaGenome 2 uit voor DNA-effecten per celtype

AlphaGenome 2 voorspelt de effecten van DNA-varianten per celtype en celtoestand, meldt Google DeepMind op 11 november; de API is beschikbaar voor niet-commercieel onderzoek en commerciële toegang zit in private preview.

De inzet ligt vóór het labwerk: een team kan voorspellingen per celtype gebruiken om te kiezen welke DNA-variant of celtoestand eerst experimentele validatie verdient. Nederlandse biotech- en R&D-teams kunnen het model verkennend gebruiken voor niet-commercieel onderzoek; een commercieel producttraject heeft nog geen vrije toegang.

Een celtype hoort nu bij de invoer

AlphaGenome 1 voorspelde uit een DNA-fragment van één miljoen letters tegelijk duizenden meetwaarden voor brede weefsels en cellijnen. AlphaGenome 2 verwerkt ook een fragment van één miljoen letters, maar krijgt daarnaast de soort en doelconditie mee: een weefsel, celtype of celtoestand. Dezelfde DNA-sequentie kan zo een andere voorspelling opleveren als de biologische context verandert. Het model voorspelt genexpressie, RNA-splicing, de toegankelijkheid van DNA en histonaanpassingen; DNA-methylering is nieuw.

DeepMind trainde het model met meer dan 107 miljoen menselijke single-cellprofielen uit 68 weefsels, naast gegevens van muizen. Een celencoder kan een eigen single-cell-RNA-profiel omzetten in een toestand die het model ook voor nog niet eerder geziene celtoestanden gebruikt zonder opnieuw te trainen. Volgens DeepMind kan een momentopname van enkele tientallen cellen volstaan. Als een team genactiviteit meet, kan het model ook ontbrekende meetwaarden voorspellen, zoals de toegankelijkheid van chromatine. Die voorspellingen helpen bepalen welke biologische meting een volgende labproef kan toetsen.

De AlphaGenome Atlas zette voorspellingen voor circa negen miljard mogelijke DNA-letterwissels klaar en voegde de AVI-score toe om varianten te rangschikken. De Atlas is een vooraf berekende kaart; AlphaGenome 2 stelt een andere vraag: wat doet een variant in een gekozen celcontext?

De benchmark richt zich op celtypen

Op TenK10K, een kaart met 28 primaire immuunceltypen, rapporteert DeepMind dat AlphaGenome 2 30 procent van de causale varianten terugvond tegenover 16 procent en 43 tegenover 23 procent voor de richting van genexpressie-effecten, vergeleken met AlphaGenome 1 dat was gefinetuned op single-celldata. Het gaat om terugvindpercentages in een modelbenchmark, niet om een kans dat een patiënt ziek wordt of een behandeling werkt.

Een voorbeeld uit het rapport is een variant bij het gen ETS2, dat betrokken is bij ontstekingsziekte. Onderzoekers hadden eerder vastgesteld dat een variant in een ver weg gelegen regelgebied het gen sterker activeert in darmmacrofagen. AlphaGenome 2 reproduceerde dat bekende effect in zijn voorspelling en onderscheidde de betrokken celsoort van andere cellen. Dat is een computertoets van een bestaand resultaat, geen nieuwe klinische ontdekking.

Het technische rapport beschrijft daarnaast vooraf berekende scores voor bijna zeven miljoen veelvoorkomende varianten in 510 menselijke celcondities en voorspelde koppelingen tussen DNA-versterkers en genen in 640 condities. Zulke gegevens kunnen een onderzoeksgroep helpen een brede genetische associatie terug te brengen tot een variant, doelgen en celtype voor vervolgonderzoek. De cijfers en voorbeelden komen uit DeepMinds eigen evaluaties; ze valideren geen diagnose of medicijn.

Andere onderzoekers werken ook per cel

AlphaGenome 2 komt in een bestaand onderzoeksveld. Een studie uit 2025 beschrijft Scooby als een model dat voortbouwt op Borzoi en met een celgerichte decoder RNA- en chromatintoegankelijkheidsprofielen op single-cellniveau uit DNA voorspelt in Nature Methods. De studie laat zien hoe genetische varianten per celtype onderzocht kunnen worden, maar gebruikt andere gegevens en meetmethoden dan DeepMinds TenK10K-test. De gepubliceerde percentages zijn daarom niet rechtstreeks naast elkaar te zetten.

Ook binnen DeepMind verbreedt AI-onderzoek naar biologie. Het bedrijf presenteerde SynthID Bio om AI-ontworpen eiwitsequenties en voorspelde structuren te markeren. Dat werk traceert de herkomst van ontworpen biomoleculen; AlphaGenome 2 onderzoekt hoe varianten in bestaand DNA genactiviteit in specifieke cellen kunnen beïnvloeden.

Toegang en rekenlast bepalen de proef

AlphaGenome is gratis voor niet-commercieel gebruik en kent een aanvraaglimiet die varieert met de vraag, vermeldt de API-documentatie. Vooraf berekende Atlas-opvragingen hebben ruimere limieten dan live modelvoorspellingen, die geschikt zijn voor analyses van duizenden voorspellingen en niet van miljoenen. Commercieel onderzoek staat voorlopig in private preview. DeepMind zegt ook dat AlphaGenome 2 voor onderzoeksgebruik is en niet is gevalideerd of goedgekeurd voor klinische of diagnostische inzet.

DeepMind-genomicus Žiga Avsec zegt in een interview met The Verge dat de fijnmazigere voorspellingen meer rekenkracht vergen dan AlphaGenome 1, waardoor het onpraktisch was om de Atlas met voorspellingen over negen miljard DNA-letterwissels ermee te maken. De brede kaart en het celtypegerichte model vullen daardoor verschillende stappen in een onderzoek aan.

De Atlas helpt varianten op grote schaal te rangschikken; AlphaGenome 2 voegt de celcontext toe aan vervolgvragen. Voor Nederlandse biotech- en R&D-teams hangt een praktische proef af van de celdata, het aantal voorspellingen en de toegangsvoorwaarden. De publieke aankondiging noemt nog geen datum voor bredere commerciële toegang.