Google DeepMind'ın AlphaGenome Atlası, 9 milyar insan DNA varyantının etkilerini öngörüyor

Tüm genomun öngörüsel haritası

Google DeepMind, insan DNA'sında ortaya çıkabilecek her tek harfli değişimin moleküler sonuçlarını öngören bir platform olan AlphaGenome Atlas'ı yayımladı. 8 Eylül 2026'da duyurulan katalog, yaklaşık 9 milyar tek nükleotid varyantını — olası tüm tek harfli mutasyonlar kümesini — kapsıyor ve akademik araştırma için bir web portalı üzerinden ücretsiz erişilebilir.

Petabayt ölçeğinde önceden hesaplanmış öngörüler

Google DeepMind bloguna göre Atlas, genetik varyantların biyolojik süreçleri nasıl bozduğunu öngörmek üzere eğitilmiş bir yapay zekâ sistemi olan DeepMind'ın AlphaGenome modelini tüm genom üzerinde çalıştırarak ve çıktıyı önceden saklayarak oluşturuldu. Sonuç, DeepMind'a göre protein yapılarını içeren AlphaFold Database'den 30 kattan fazla büyük, yaklaşık 1 petabaytlık bir veri seti.

Atlas'taki her varyant, yüzlerce insan ve fare hücre tipi ile dokuda hesaplanmış, gen regülasyonunun birden fazla yönüne yayılan binlerce moleküler etki öngörüsü taşıyor. Yayım ayrıca 2.500'den fazla tekrarlayan DNA dizi motifi ve bunların genomik konumlarını içeren bir koleksiyonu da kapsıyor.

9 milyar varyantı sıralayan tek bir puan

Kaynağı gezinilebilir kılmak için DeepMind, AlphaGenome Variant Impact (AVI) puanını tanıttı. Bu puan, AlphaGenome'ün regülasyon öngörüleri ile AlphaMissense'in protein etkisi öngörülerini her varyant için tek bir sayıya dönüştürüyor. Puan hem proteinleri kodlayan genomun yaklaşık %2'sine hem de gen etkinliğini yöneten ve özelliklerle bağlantılı varyantların çoğunun gerçekten bulunduğu kalan %98'ine uygulanıyor.

DeepMind, kendi testlerinin AVI puanının çeşitli varyant patojenitesi ve nadir hastalık değerlendirme ölçeklerinde en üst performansa ulaştığını gösterdiğini belirtiyor. Her puan, onu RNA splisinginde bozulma, gen ekspresyonu, kromatin erişilebilirliği veya dizi korunumu gibi yorumlanabilir katkılara ayrıştıran özellik atıfasyonlarıyla eşleştiriliyor.

Araştırma ortaklarından ilk sonuçlar

DeepMind, dış iş birlikçilerinin Atlas'ı gerçek vakaları ilerletmek için zaten kullandığını bildiriyor. Broad Institute'tan Laura Covill ve Anne O'Donnell-Luria, GREGoR Consortium ile birlikte çalışarak AVI puanını çözülememiş bir nadir hastalıktaki aday varyantları önceliklendirmek için uyguladı. Yaklaşım, epileptik ensefalopatiyle güçlü biçimde bağlantılı DNM1 geninde bir varyantı ortaya çıkardı ve altta yatan AlphaGenome öngörüleri nasıl çalıştığını açıkladı: varyant, anormal derecede uzamış bir protein üreten hatalı bir splice bölgesi oluşturuyor. DeepMind, deneysel taramaların öngörüyü doğruladığını ve benzer etkilere sahip yakın varyantlar da ortaya çıkardığını söylüyor.

Nüfus ölçeğinde bir uygulamada, University of Exeter'den Medical Research Council bursiyeri Gareth Hawkes, Atlas'ı 54.000'den fazla UK Biobank katılımcısına ait tüm genom verisine uyguladı. Nadir varyantları öngörülen moleküler etkilerine göre gruplandırmak zayıf sinyalleri öne çıkardı ve kodlamayan genetik ilişkilerde %22'lik artış sağladı. Etkili varyantların en üst %1'ine odaklanma, vücut kitle indeksiyle ilişkili 19 genetik bölgeye işaret etti ve araştırmacılara izleme çalışmaları için somut hedefler verdi.

Nasıl erişilir

AlphaGenome Atlas, kodlama becerisi gerektirmeyen bir web portalı, AlphaGenome API'si ve Google Antigravity'de bir skill olarak erişilebilir. Akademik araştırma için erişim ücretsizdir.

Neden önemli

9 milyar varyantı laboratuvarda test etmek pratikte imkânsız ve genomun kodlamayan %98'i büyük ölçüde yorumlanmamış durumda. Varyant etkilerinin önceden hesaplanmış, sorgulanabilir bir haritası — tek bir sıralama puanıyla eşleştirilmiş olarak — başa çıkılamaz bir arama uzayını, klinik bir araştırmacının tarayıcıda tarayabileceği bir şeye dönüştürüyor; bu da nedensel varyantların binlerce aday arasında saklandığı nadir hastalık teşhisi açısından önemli.

Dağıtım stratejisi ayrıca AlphaFold Database'in oyun kitabını yineliyor: güçlü bir modeli ölçeklide çalıştır, öngörüleri açık biçimde yayımla ve bunları bir no-code arayüze sar. DeepMind, önceki o veritabanına yaşam bilimlerindeki keşifleri hızlandırma payını borçlu olduğunu söylüyor ve genomikte aynı şeyi tekrarlamayı açıkça hedefliyor. Akılda tutulması gereken bir uyarı var: Atlas'taki her şey ölçüm değil, öngörü; şirketin performans iddiaları ise kendi değerlendirme ölçeklerinden geliyor. AVI puanı araştırmacıları olası adaylara yönlendiriyor, ancak DNM1 vakasının gösterdiği gibi deneysel doğrulama, döngüyü kapatan adım olmaya devam ediyor.