Nyhet

Google DeepMind lanserar AlphaGenome 2 – AI som förutspår hur DNA-varianter påverkar enskilda celltyper

Google DeepMind presenterade den 11 november 2026 AlphaGenome 2, en ny AI-modell som förutspår hur DNA-sekvenser och genetiska varianter påverkar specifika mänskliga celltyper. Enligt bolaget hittar modellen nästan dubbelt så många varianter som ändrar genuttryck i celler som företaget tidigare modell. Den är tillgänglig för icke-kommersiell forskning via AlphaGenome API.

Det viktigaste i korthet

• Modellen heter AlphaGenome 2 och presenterades av Google DeepMind den 11 november 2026.

• Enligt Google DeepMind identifierar den nästan dubbelt så många varianter som ändrar genuttryck i celler som bolagets tidigare toppmodell.

• Den är tränad på över 100 miljoner enskilda cellprofiler från 68 vävnader (källan anger även över 107 miljoner profiler från människa och mus).

• På datasetet TenK10K, med 28 typer av immunceller, hittade den enligt bolaget 30 procent av de orsakande varianterna mot 16 procent för den ursprungliga modellen.

• AlphaGenome 2 är tillgänglig för icke-kommersiell forskning via AlphaGenome API och i privat förhandsvisning för kommersiell forskning.

• Modellen är endast avsedd för forskning och är inte validerad eller godkänd för klinisk eller diagnostisk användning.

Vad har hänt

Alla celler i kroppen har samma DNA, men olika celltyper slår på och av olika gener. Att förutsäga hur små DNA-förändringar påverkar det genuttrycket i specifika celler är enligt Google DeepMind fortfarande en olöst utmaning, trots globala kartläggningar som Human Cell Atlas.

Föregångaren AlphaGenome lanserades förra året och förutspådde variantens effekter över breda vävnader. Den kompletterades med AlphaGenome Atlas, en plattform med förutsägelser för alla 9 miljarder möjliga enstaka bokstavsbyten i det mänskliga genomet.

Den stora förändringen i AlphaGenome 2 är arkitekturen. Första modellen tog en DNA-sekvens på en miljon bokstäver och förutspådde tusentals experiment parallellt, vilket enligt bolaget gjorde det svårt att fånga skillnader mellan närbesläktade celltyper. AlphaGenome 2 är i stället en villkorsstyrd modell. Den förutspår effekter för ett tillstånd i taget, alltså en vävnad, celltyp eller cellstatus, och får detta tillstånd som indata i alla steg. Forskaren kan välja från en referenskatalog eller skapa tillståndet från egna encellsexperiment med en cellkodare.

Upplägget gör att modellen kan fylla i saknad experimentdata. Om en forskare bara anger en mätning, till exempel genaktivitet i enskilda celler, kan modellen förutspå andra egenskaper som kromatintillgänglighet. Utöver tidigare avläsningar som genuttryck och histonmodifieringar förutspår den nu också DNA-metylering.

Modellen kan enligt bolaget anpassas till nya encellsdata utan omträning. Några dussin celler från ett RNA-sekvenseringsexperiment räcker för att beskriva ett cellstadium. I ett exempel med data från en covid-19-mRNA-vaccinstudie skilde modellen vaccinaktiverade T-celler från vilande och visade att en variant kopplad till svår covid stör genaktiviteten mer i det aktiverade tillståndet.

I ett annat exempel reproducerade modellen ett tidigare fynd om inflammatorisk tarmsjukdom (IBD): en variant i en avlägsen reglerande switch ökar aktiviteten hos genen ETS2 i makrofager i tarmen. AlphaGenome 2 pekade ut varianten och visade att den främst påverkar just de cellerna.

Google DeepMind har dessutom förberäknat förutsägelser för sjukdoms- och egenskapskopplade varianter från GWAS-studier över hundratals cell- och vävnadstillstånd. Det ska hjälpa forskare att koppla enhancers till målgener i primära mänskliga celler, som astrocyter i hjärnan, och att hitta sannolika orsaksvarianter och celler för egenskaper som längd och typ 2-diabetes. Sarah Teichmann, professor i Cambridge, och Peter Donnelly, vd för Genomics PLC, uttalar sig positivt i källan.

Inom kort ska bolaget släppa AlphaGenome 2 Skills i utvecklingsplattformen Google Antigravity. Intresserade kan anmäla användningsfall senast 30 november.

Vad det betyder för dig i Sverige

Källan nämner inte Sverige och säger inget om särskild tillgång, priser eller samarbeten här. Enligt Google DeepMind kan icke-kommersiell forskning använda modellen via AlphaGenome API, vilket i princip gäller forskare oavsett land, men några villkor för enskilda länder anges inte.

För patienter och vården ändras inget i nuläget. Modellen är uttryckligen inte godkänd för klinisk eller diagnostisk användning. Kommersiella aktörer kan bara delta i den privata förhandsvisningen.

Det här vet vi inte än

• Vad användning av API:et kostar, om något, och vilka kvoter som gäller anges inte, utöver att utvalda projekt kan få extra kvot och krediter.

• Det är oklart när den privata förhandsvisningen för kommersiell forskning blir allmänt tillgänglig.

• Ett datum för AlphaGenome 2 Skills i Google Antigravity saknas.

• Prestandasiffrorna kommer från Google DeepMind själva. Källan redovisar ingen oberoende granskning.

• Hur modellen presterar för celltyper och tillstånd utanför träningsdata i bredare mening återstår att se i praktisk användning.