
Google DeepMind släpper AlphaGenome 2 — AI som förutsäger hur DNA-förändringar påverkar specifika celltyper
Google DeepMind lanserade den 11 november 2026 AlphaGenome 2 — en AI-modell som enligt bolaget identifierar nästan dubbelt så många sjukdomsrelevanta DNA-varianter som föregångaren.
Innehåll
Google DeepMind presenterade den 11 november 2026 AlphaGenome 2, en AI-modell som förutsäger hur enskilda DNA-förändringar (varianter) påverkar genaktiviteten i specifika mänskliga celltyper. Modellen är en uppföljare till det ursprungliga AlphaGenome och beskrivs av DeepMind i ett blogginlägg på deepmind.google som ett steg mot att förstå hur celler "läser" DNA — och vad som går fel vid sjukdom.
Vad är nytt jämfört med föregångaren
Den stora skillnaden är att AlphaGenome 2 gör cell-specifika förutsägelser snarare än generella. Enligt DeepMinds egna uppgifter identifierar modellen nästan dubbelt så många genetiska varianter som faktiskt förändrar genuttryck i en given celltyp, jämfört med den tidigare modellen. I ett internt benchmark som testade varianter kopplade till 28 olika immuncellstyper identifierade modellen omkring 30 procent av de kausala (orsaksmässigt drivande) genetiska varianterna — en förbättring DeepMind själva lyfter fram, men som i dagsläget bygger på bolagets egna benchmarkresultat snarare än oberoende tredjepartsvalidering.
Modellen är tränad på data från omkring 107 miljoner cellprofiler fördelade över 68 olika vävnadstyper, vilket enligt DeepMind är en betydligt bredare datagrund än föregångarens.
Tillgång och begränsningar
AlphaGenome 2 är tillgänglig för icke-kommersiell forskning via AlphaGenome-API:et, och i en privat förhandsgranskning för kommersiell forskning. DeepMind har vid lanseringen inte publicerat modellens vikter öppet, och bolaget har heller inte offentliggjort uppgifter om parameterantal eller kommersiella prisvillkor.
Det är värt att vara tydlig med vad modellen faktiskt är: ett forskningsverktyg för att generera hypoteser om vilka DNA-varianter som kan vara sjukdomsdrivande i en viss celltyp — inte ett diagnostiskt verktyg för kliniskt bruk. De siffror DeepMind presenterar kommer från bolagets egna interna utvärderingar; oberoende verifiering i fristående studier saknas ännu i stor skala för den nya versionen (en tidigare, oberoende förstudie från Charité testade den ursprungliga AlphaGenome-modellen, inte version 2).
Varför det spelar roll
Att förstå exakt hur en specifik DNA-variant påverkar en specifik celltyp är ett av de mest centrala och svåraste problemen inom modern genetik och läkemedelsforskning — de allra flesta sjukdomsrelaterade varianter har små, cell-specifika effekter som är svåra att isolera experimentellt. Om AlphaGenome 2:s förbättrade träffsäkerhet håller i oberoende forskning kan den bli ett användbart filter för forskare som ska prioritera vilka varianter som är värda djupare, dyrare laboratorieuppföljning — vilket i förlängningen kan påskynda grundforskning kring allt från autoimmuna sjukdomar till cancer.
Vanliga frågor
- Den förutsäger hur enskilda DNA-varianter påverkar genaktiviteten i specifika mänskliga celltyper.