AlphaGenome Atlas: Wie KI hilft, unsere DNA besser zu verstehen

Ein Buchstabe, viele offene Fragen

Stell dir eine riesige Partitur vor. Manche Stellen beschreiben, was gespielt wird; andere beeinflussen, wann und wie laut ein Instrument einsetzt. So ähnlich lässt sich der Unterschied zwischen Bauanleitungen für Proteine und der Steuerung von Genen verstehen. Das Bild vereinfacht: DNA ist keine fertige Bedienungsanleitung, in der wir bereits jede Zeile verstehen. [1]

Nur ein kleiner Teil unserer DNA enthält unmittelbar Bauanleitungen für Proteine. In anderen Bereichen liegen unter anderem Abschnitte, die Genaktivität beeinflussen. Nicht jeder dieser Bereiche ist ein Schalter, und viele Funktionen sind noch unklar. Eine einzelne Veränderung kann deshalb schwer einzuordnen sein: Hat sie Folgen, welche und in welchem Zelltyp? [1]

Was Google jetzt veröffentlicht hat

Am 8. September 2026 stellte Google DeepMind AlphaGenome Atlas vor. Der Atlas macht vorberechnete Vorhersagen für rund neun Milliarden mögliche einzelne Buchstabenwechsel im menschlichen Genom zugänglich. Das ist keine Sammlung von neun Milliarden Erkrankungen und auch keine Auswertung von neun Milliarden Menschen. Es geht um mögliche Veränderungen an einzelnen Positionen einer Referenzsequenz. [2, 3]

Neu ist vor allem der leichter zugängliche Überblick. Statt jede Variante neu berechnen zu lassen, können Forschende nach vorhandenen Vorhersagen suchen. Das Portal lässt sich ohne Programmieren bedienen. Zum Start nennt Google einen kostenlosen Zugang für nichtkommerzielle Forschung; die kommerzielle Atlas-Nutzung über Google Cloud ist angekündigt. Die Zugangsbedingungen des Basismodells sind davon zu unterscheiden. [2]

Eine Suchhilfe, kein Schicksalswert

Der AlphaGenome Variant Impact Score, kurz AVI, hilft beim Sortieren: Welche Varianten sollten Forschende genauer untersuchen? Er verbindet verschiedene Vorhersagen und weitere biologische Merkmale. Gelernt hat das Modell dafür an einem Ersatzmerkmal: ob eine Variante in der Bevölkerung selten oder häufig vorkommt, nicht an ärztlich gestellten Diagnosen. Zusätzlich zeigen Zuordnungen, welche Merkmale den Wert beeinflussen. Das macht eine Spur nachvollziehbarer, beweist aber noch nicht ihre Ursache. [3]

Ein Beispiel aus dem Methodenbericht, der bisher als nicht begutachteter Preprint vorliegt: Der AVI-Wert ist eine Rangstufe im Vergleich mit allen möglichen einzelnen Buchstabenwechseln im Genom. Ein Wert von 10 heißt: unter den obersten zehn Prozent, ein Wert von 20: unter dem obersten einen Prozent. Selbst dieses oberste Prozent umfasst rechnerisch rund 90 Millionen mögliche Buchstabenwechsel. Ein Wert von 20 bedeutet also weder 20 Prozent noch 99 Prozent Erkrankungswahrscheinlichkeit. Der Wert ist eine Ranginformation, keine persönliche Prognose. Auch das Wort „alle“ hat Grenzen: Die Abdeckung einzelner Buchstabenwechsel ist nicht gleichbedeutend mit allen denkbaren Kombinationen oder allen größeren Umbauten im Erbgut. [3]

Warum das trotzdem Hoffnung macht

Methodenbericht und Google-Ankündigung beschreiben einen Fall aus der Forschung zu seltenen Erkrankungen: eine Person mit einer seltenen, schweren Epilepsieform (epileptische Enzephalopathie), deren Ursache bis dahin ungeklärt war. Unter ihren neu aufgetretenen Veränderungen setzte AVI eine Variante im Gen DNM1 an die erste Stelle. Die Vorhersage deutete darauf hin, dass dort in Nervenzellen eine falsche Schnittstelle entsteht: Beim Zurechtschneiden der RNA-Abschrift des Gens (Fachwort: Spleißen) bleibt ein kleines Stück zu viel stehen, und das Eiweiß Dynamin wird um 13 Bausteine (Aminosäuren) länger. Frühere Fallberichte und Laborversuche des Forschungsteams stützten diese Deutung; zusammen reichte das, um die Einstufung als „wahrscheinlich krankheitsverursachend“ zu empfehlen. Das ist ein konkreteres Beispiel als das pauschale Versprechen, KI werde Krankheiten lösen. Es ist aber ein einzelner, von den Beteiligten selbst berichteter Forschungsfall, kein Beleg für die Zuverlässigkeit bei jedem Menschen. [3, 4]

Unsere Einordnung: Der Wert liegt darin, die nächste sinnvolle Untersuchung leichter zu finden. Wenn Fachleute weniger aussichtslose Spuren verfolgen müssen, bleibt mehr Raum für gezielte Experimente. Daraus können bessere biologische Erklärungen und später neue Anwendungen entstehen. Wie viel Zeit das im Alltag verschiedener Labore tatsächlich spart, muss sich zeigen. Eine schnellere Suche ist noch keine neue Therapie.

Was bedeutet das für dich?

Google erklärt ausdrücklich, dass AlphaGenome nicht für klinische Anwendungen validiert oder zugelassen ist. Der Atlas ersetzt weder ärztlichen Rat noch Diagnostik oder Behandlung. Aus dieser Meldung folgt daher kein Anlass, Medikamente zu ändern oder einen Gentest zu kaufen. [2]

Du kannst die Nachricht trotzdem für dich nutzen. Prüfe bei der nächsten KI-Gesundheitsmeldung drei Fragen: Was wurde nur berechnet? Was wurde tatsächlich untersucht? Für wen ist das Werkzeug gedacht? Schon diese Trennung macht aus einer großen Überschrift verständliches Wissen.

Mit Cris kannst du Begriffe wie Genregulation oder Vorhersage besprechen, ohne persönliche Befunde oder DNA-Dateien hochzuladen. Bitte ihn beispielsweise: „Erkläre mir an einem erfundenen Beispiel, warum ein hoher Forschungswert keine Diagnose ist.“ Bei Fragen zu eigenen genetischen Befunden gehört die Einordnung in eine humangenetische Beratung. In Deutschland übernehmen das Fachärztinnen und Fachärzte für Humangenetik oder Ärztinnen und Ärzte mit entsprechender Qualifikation; den Weg dorthin kann dir deine Arztpraxis zeigen. [5]

Im verknüpften Quiz kannst du üben, KI-Aussagen und sensible Eingaben richtig einzuordnen. Es geht nicht darum, Genetik zu beherrschen, sondern neugierig zu bleiben und gute Fragen zu stellen.