Google DeepMind har lanceret AlphaGenome, en revolutionerende AI-model, der forudsiger, hvordan DNA-sekvenser regulerer gener, og hvordan mutationer påvirker biologiske processer. Systemet, der blev offentliggjort den 25. juni 2025, kan analysere DNA-sekvenser på op til en million bogstaver og forudsige tusindvis af molekylære egenskaber med hidtil uset præcision.
AlphaGenome repræsenterer et markant fremskridt i forhold til tidligere værktøjer til genomisk analyse ved at forene analyse af langtrækkende kontekst med præcision på base-niveau. Modellen kan forudsige, hvor gener starter og slutter i forskellige celletyper, hvordan de splejses, og hvor meget RNA der produceres. Den kan også vurdere, hvordan enkeltbogstavs-mutationer kan påvirke disse processer, hvilket gør den værdifuld til at forstå sygdomsmekanismer.
"Det er en milepæl for feltet. For første gang har vi en enkelt model, der forener langtrækkende kontekst, base-niveau præcision og toppræstationer på tværs af et helt spektrum af genomiske opgaver," udtaler en DeepMind-forsker. Systemet overgik specialiserede modeller i 22 ud af 24 benchmarks for genomisk forudsigelse.
AlphaGenome føjer sig til andre bemærkelsesværdige AI-nyheder annonceret denne måned. Kinesiske forskere har udviklet droner på størrelse med myg, kun 2 centimeter lange, til rekognosceringsmissioner. Samtidig kan fabriksrobotter udstyret med indlejrede store sprogmodeller nu udføre komplekse opgaver i uforudsigelige miljøer gennem selvstændig læring.
Inden for sundhedssektoren fortsætter AI med at redde liv ud over genomforskning. Et kinesisk forskningsteam har skabt en dyb læringsmodel, der kan forudsige fødselsblødning med 90% nøjagtighed ved at analysere MR-scanninger af moderkagen. Denne udvikling kan markant reducere mødredødeligheden, da blødning står for hver fjerde dødsfald blandt mødre globalt.
Google DeepMind gør AlphaGenome tilgængelig via API til ikke-kommerciel forskning og planlægger at frigive hele modellen på et senere tidspunkt. Teknologien kan accelerere sygdomsforskning, vejlede design af syntetisk DNA og uddybe vores forståelse af genomets funktionelle elementer.