In Kürze
- Google DeepMind hat am 11. November 2026 mit AlphaGenome 2 den Nachfolger seines Genomik-Modells AlphaGenome vorgestellt, das vorhersagen soll, wie sich DNA-Veränderungen je nach Zelltyp und Zellzustand unterschiedlich auf die Genregulation auswirken; trainiert wurde es auf über 107 Millionen einzelnen Zellprofilen aus 68 Gewebearten von Mensch und Maus.
- Bei einer Testaufgabe zur Genexpression (TenK10K) stieg laut DeepMind die Trefferquote für als ursächlich erkannte Effekte bei einer anspruchsvollen Konfidenzschwelle von 16 auf 30 Prozent gegenüber dem auf Einzelzelldaten feinabgestimmten Vorgängermodell – ein Hinweis auf eine deutlich verbesserte, aber nicht pauschal verdoppelte Genauigkeit.
- AlphaGenome 2 ersetzt das ursprüngliche AlphaGenome vorerst nicht vollständig, da die zelltypspezifischen Vorhersagen rechenintensiver sind als der im September 2026 veröffentlichte genomweite Katalog des Vorgängers; der Zugang erfolgt über die AlphaGenome-API frei für die nichtkommerzielle Forschung, während die kommerzielle Nutzung vorerst nur in einer privaten Vorschau möglich ist.
Was ist passiert?
Google DeepMind hat am 11. November 2026 AlphaGenome 2 vorgestellt, den Nachfolger seines im Jahr 2025 veröffentlichten Genomik-Modells AlphaGenome. Das neue Modell soll vorhersagen, wie sich einzelne Veränderungen in der DNA-Sequenz je nach Zelltyp und Zellzustand unterschiedlich auf die Genregulation auswirken – also nicht nur, ob eine Variante überhaupt eine Wirkung hat, sondern in welchem biologischen Kontext diese Wirkung eintritt. Trainiert wurde AlphaGenome 2 laut DeepMind auf mehr als 107 Millionen einzelnen Zellprofilen aus 68 verschiedenen Gewebearten, basierend auf Bulk- und Einzelzelldaten von Mensch und Maus.
Bei einer Testaufgabe zur Genexpression namens TenK10K stieg laut DeepMind die Trefferquote für als ursächlich eingestufte Effekte bei einer anspruchsvollen Konfidenzschwelle von 90 Prozent von 16 Prozent beim auf Einzelzelldaten feinabgestimmten Vorgängermodell auf 30 Prozent bei AlphaGenome 2. Mehrere Fachmedien wiesen darauf hin, dass sich diese «fast verdoppelte» Verbesserung konkret auf die Trefferquote bei dieser strengen Schwelle bezieht und nicht als allgemeine Verdoppelung der Genauigkeit über alle Aufgaben hinweg missverstanden werden sollte. Das Modell ist über die AlphaGenome-API frei für die nichtkommerzielle Forschung zugänglich; für die kommerzielle Nutzung besteht vorerst nur eine private Vorschau.
Warum ist das wichtig?
Die genaue Vorhersage, wie sich einzelne genetische Varianten je nach Zelltyp unterschiedlich auswirken, gilt als zentrale Voraussetzung dafür, um krankheitsrelevante Mutationen von harmlosen Variationen zu unterscheiden – ein Schritt, der insbesondere in der Wirkstoffforschung und bei der Interpretation genetischer Tests relevant ist. Dass sich die Trefferquote bei einer anspruchsvollen Testaufgabe nahezu verdoppelt hat, deutet auf einen spürbaren Fortschritt hin, auch wenn DeepMind selbst einschränkt, dass das Modell die rechenintensiveren, zelltypspezifischen Vorhersagen bislang nicht für den gesamten genomweiten Katalog liefern kann, den das Vorgängermodell im September 2026 veröffentlicht hatte.
Die Entscheidung, das Modell für die nichtkommerzielle Forschung offen, für die kommerzielle Nutzung aber vorerst nur eingeschränkt zugänglich zu machen, folgt einem Muster, das grosse KI-Labore zunehmend auf wissenschaftliche Modelle mit Dual-Use-Potenzial anwenden: Akademische Forschung soll von der Technologie profitieren können, während eine breitere kommerzielle Nutzung – etwa in der Wirkstoffentwicklung durch Pharmaunternehmen – vorerst kontrollierter eingeführt wird.
Was bedeutet das für die Schweiz?
Redaktionelle Einordnung: Die folgenden Schlussfolgerungen beziehen sich auf die genannten Quellen. Sie sind keine zusätzlichen Meldungen der Originalquelle.
- Die Schweiz verfügt mit Pharmaunternehmen wie Roche und Novartis sowie mit Forschungseinrichtungen wie dem SIB Swiss Institute of Bioinformatics, der ETH Zürich und der EPFL über eine der dichtesten Genomik- und Biotech-Landschaften Europas; ein Modell, das Genvarianten gezielter nach Zelltyp einordnet, dürfte dort für die Suche nach Wirkstoffzielen auf Interesse stossen.
- Der freie Zugang für die nichtkommerzielle Forschung passt gut zu Schweizer Hochschulen und Universitätsspitälern, während die vorerst nur in privater Vorschau verfügbare kommerzielle Nutzung für Schweizer Pharmaunternehmen bedeutet, dass ein produktiver Einsatz in der Wirkstoffentwicklung noch von Google DeepMinds weiterem Rollout abhängt.
- Sobald solche Modelle mit klinischen oder genomischen Daten aus Schweizer Spitälern wie dem CHUV oder dem USZ kombiniert werden, stellen sich Fragen des Datenschutzgesetzes und der Forschungsethik, die bei einer allfälligen Zusammenarbeit mit Google DeepMind frühzeitig geklärt werden müssten.
Verwendete Quellen
Google DeepMind veröffentlichte die Ankündigung am 11. November 2026 im eigenen Blog; MarkTechPost und der Branchendienst AI Weekly ordneten die Trainingsdaten und Leistungsangaben ein. Ein automatisierter Direktabruf der Originalquellen war in dieser Recherche-Umgebung durch die Netzwerkrichtlinie nicht möglich; die Angaben wurden über Websuche recherchiert.
Quellenstatus: 3 verlinkte Quellen · 0 von 3 Originaldaten verifiziert. Prüfregeln ansehen
- Google DeepMind AlphaGenome 2: deciphering how cells read DNA to better understand disease Originaldatum nicht erfasst Rolle: Primärquelle · Zugriff: Abruf nicht bestätigt
- MarkTechPost Google DeepMind Releases AlphaGenome 2 for Cell-Type-Specific Variant Effects Originaldatum nicht erfasst Rolle: Unabhängige Bestätigung · Zugriff: Abruf nicht bestätigt
- AI Weekly Google DeepMind Launches AlphaGenome 2, Trained on 107M Cell Profiles Across 68 Tissues Originaldatum nicht erfasst Rolle: Kontextquelle · Zugriff: Abruf nicht bestätigt
Häufige Fragen
Was ist die Kernaussage zu Google DeepMind stellt AlphaGenome 2 vor: Genvarianten-Vorhersage nach Zelltyp?
Google DeepMind hat am 11. November 2026 mit AlphaGenome 2 den Nachfolger seines Genomik-Modells AlphaGenome vorgestellt, das vorhersagen soll, wie sich DNA-Veränderungen je nach Zelltyp und Zellzustand unterschiedlich auf die Genregulation auswirken; trainiert wurde es auf über 107 Millionen einzelnen Zellprofilen aus 68 Gewebearten von Mensch und Maus.
Warum ist diese KI-Meldung für die Schweiz relevant?
Die Schweiz verfügt mit Pharmaunternehmen wie Roche und Novartis sowie mit Forschungseinrichtungen wie dem SIB Swiss Institute of Bioinformatics, der ETH Zürich und der EPFL über eine der dichtesten Genomik- und Biotech-Landschaften Europas; ein Modell, das Genvarianten gezielter nach Zelltyp einordnet, dürfte dort für die Suche nach Wirkstoffzielen auf Interesse stossen.
Welche Quelle nutzt KI News Schweiz für diese Einordnung?
Google DeepMind veröffentlichte die Ankündigung am 11. November 2026 im eigenen Blog; MarkTechPost und der Branchendienst AI Weekly ordneten die Trainingsdaten und Leistungsangaben ein. Ein automatisierter Direktabruf der Originalquellen war in dieser Recherche-Umgebung durch die Netzwerkrichtlinie nicht möglich; die Angaben wurden über Websuche recherchiert.