In Kürze

  • Google DeepMind hat am 8. September 2026 den «AlphaGenome Atlas» veröffentlicht, eine frei zugängliche Datenbank mit vorab berechneten molekularen Vorhersagen zu allen rund 9 Milliarden möglichen Einzelbuchstaben-Veränderungen (Punktmutationen) im menschlichen Genom.
  • Jede der 9 Milliarden möglichen Varianten ist mit durchschnittlich rund 27'000 Einzelvorhersagen verknüpft, etwa dazu, wie sich die Mutation auf die Genaktivität oder die Umsetzung eines DNA-Abschnitts in Proteinbaupläne auswirken könnte; der zugrunde liegende Datensatz umfasst rund 1 Petabyte und ist damit über 30-mal grösser als die frühere AlphaFold-Datenbank.
  • Der Atlas kombiniert die Modelle AlphaGenome und AlphaMissense zu einem neuen, kombinierten «AVI-Score» für kodierende und nicht-kodierende Varianten und steht über ein kostenloses Webportal für die akademische Forschung zur Verfügung; externe Forschungspartner haben damit laut DeepMind bereits Varianten bei bislang ungeklärten seltenen Krankheiten identifiziert und experimentell bestätigt.

Was ist passiert?

Google DeepMind hat am 8. September 2026 den «AlphaGenome Atlas» veröffentlicht, eine öffentlich zugängliche Datenbank mit vorab berechneten molekularen Vorhersagen zu praktisch allen rund 9 Milliarden theoretisch möglichen Einzelbuchstaben-Veränderungen (Punktmutationen) im menschlichen Genom. Begleitet wird die Veröffentlichung von einer neuen Publikation im Fachjournal Science, in der DeepMind Aufbau und Validierung des Atlas beschreibt.

Jede der 9 Milliarden möglichen Varianten ist im Atlas mit durchschnittlich rund 27'000 Einzelvorhersagen verknüpft – etwa dazu, wie sich eine Mutation auf die Genaktivität oder auf die Umsetzung eines DNA-Abschnitts in Proteinbaupläne auswirken könnte. Der zugrunde liegende Datensatz umfasst nach Angaben von DeepMind rund 1 Petabyte und ist damit mehr als 30-mal grösser als die frühere AlphaFold-Datenbank für Proteinstrukturen. Zusätzlich führt der Atlas die Modelle AlphaGenome und AlphaMissense zu einem neuen, kombinierten «AVI-Score» zusammen, der sowohl kodierende als auch nicht-kodierende Varianten auf einer einheitlichen Skala einordnet.

Warum ist das wichtig?

Bislang mussten Forschungsgruppen die molekularen Effekte einzelner Genvarianten oft selbst mit eigenen Modellen berechnen oder auf begrenzte, spezialisierte Datenbanken zurückgreifen – ein Aufwand, der insbesondere bei der Suche nach der Ursache seltener Erbkrankheiten die Diagnose erheblich verzögern kann. Mit dem frei zugänglichen Atlas steht diese Rechenarbeit für praktisch jede denkbare Punktmutation bereits vorab berechnet zur Verfügung; laut DeepMind haben externe Forschungspartner das Angebot bereits genutzt, um Varianten bei bislang ungeklärten seltenen Krankheiten zu identifizieren und experimentell zu bestätigen sowie seltene Varianten mit Verbindung zu häufigen Merkmalen aufzuspüren.

Der Umfang des Projekts – ein rund 1 Petabyte grosser, vollständig vorab berechneter Datensatz für praktisch das gesamte menschliche Genom – markiert zugleich eine neue Grössenordnung dafür, wie grosse KI-Labore biomedizinische Grundlagenforschung mit reiner Rechenleistung vorantreiben können. Für die akademische Genomforschung insgesamt verschiebt sich damit die Ausgangslage: Statt eigene rechenintensive Vorhersagen zu erstellen, können Forschungsgruppen künftig direkt auf einem von einem privaten Grosslabor bereitgestellten, kostenlosen Fundament aufbauen – mit den damit verbundenen Fragen zu Abhängigkeit und langfristiger Verfügbarkeit eines extern kontrollierten Forschungsinstruments.

Was bedeutet das für die Schweiz?

Redaktionelle Einordnung: Die folgenden Schlussfolgerungen beziehen sich auf die genannten Quellen. Sie sind keine zusätzlichen Meldungen der Originalquelle.

  • Schweizer Spitäler und Forschungsinstitute in der medizinischen Genetik, etwa am Inselspital Bern, dem Universitätsspital Zürich oder am Swiss Institute of Bioinformatics, erhalten mit dem frei zugänglichen Atlas ein Werkzeug, um Varianten bei seltenen Erbkrankheiten rascher einzuordnen, ohne selbst über die Rechenkapazität für vergleichbare Berechnungen zu verfügen.
  • Weil der Atlas als Forschungswerkzeug und nicht als zugelassenes Diagnoseprodukt veröffentlicht wird, bleibt die eigentliche klinische Bewertung von Genvarianten weiterhin Sache der behandelnden Fachpersonen und der in der Schweiz geltenden Regeln für In-vitro-Diagnostika – eine Vorhersage aus dem Atlas ersetzt keine validierte klinisch-genetische Abklärung.
  • Der schiere Rechenaufwand hinter dem 1 Petabyte grossen Datensatz verdeutlicht erneut den Grössenunterschied zwischen den Ressourcen privater KI-Grosslabore wie Google DeepMind und der öffentlich finanzierten Schweizer Genomforschung, etwa am Swiss Institute of Bioinformatics – was die Debatte um gezielte Kooperationen statt eigenständiger Grossprojekte befeuern dürfte.

Verwendete Quellen

Google DeepMind stellte den AlphaGenome Atlas am 8. September 2026 im eigenen Blog vor; Scientific American, Fortune und MarkTechPost ordneten Umfang und Forschungsnutzen zusätzlich ein.

Quellenstatus: 1 verlinkte Quelle · 0 von 1 Originaldaten verifiziert. Prüfregeln ansehen

Häufige Fragen

Was ist die Kernaussage zu Google DeepMind veröffentlicht Atlas mit Vorhersagen zu 9 Milliarden DNA-Varianten?

Google DeepMind hat am 8. September 2026 den «AlphaGenome Atlas» veröffentlicht, eine frei zugängliche Datenbank mit vorab berechneten molekularen Vorhersagen zu allen rund 9 Milliarden möglichen Einzelbuchstaben-Veränderungen (Punktmutationen) im menschlichen Genom.

Warum ist diese KI-Meldung für die Schweiz relevant?

Schweizer Spitäler und Forschungsinstitute in der medizinischen Genetik, etwa am Inselspital Bern, dem Universitätsspital Zürich oder am Swiss Institute of Bioinformatics, erhalten mit dem frei zugänglichen Atlas ein Werkzeug, um Varianten bei seltenen Erbkrankheiten rascher einzuordnen, ohne selbst über die Rechenkapazität für vergleichbare Berechnungen zu verfügen.

Welche Quelle nutzt KI News Schweiz für diese Einordnung?

Google DeepMind stellte den AlphaGenome Atlas am 8. September 2026 im eigenen Blog vor; Scientific American, Fortune und MarkTechPost ordneten Umfang und Forschungsnutzen zusätzlich ein.