Mit dem Aufkommen der Gensequenzierung können Ärzte nun die Genome von Menschen entschlüsseln und dann die DNA-Daten nach möglichen Schuldigen durchsuchen. Manchmal ist die Ursache klar, wie zum Beispiel die Mutation, die zu Mukoviszidose führt. Aber in etwa 25 % der Fälle, in denen eine umfassende Gensequenzierung durchgeführt wird, werden Wissenschaftler eine verdächtige DNA-Veränderung finden, deren Auswirkungen nicht vollständig verstanden sind, sagt Heidi Rehm, Leiterin des klinischen Labors am Broad Institute in Cambridge, Massachusetts.
Wissenschaftler nennen diese mysteriösen Mutationen „Varianten ungewisser Bedeutung“ und sie können sogar in ausführlich untersuchten Genen wie z. B. auftreten BRCA1, ein berüchtigter Hotspot für erblich bedingte Krebserkrankungen. „Es gibt kein einziges Gen da draußen, das sie nicht hat“, sagt Rehm.
Laut DeepMind kann AlphaMissense bei der Suche nach Antworten helfen, indem es mithilfe von KI vorhersagt, welche DNA-Veränderungen gutartig und welche „wahrscheinlich pathogen“ sind. Das Modell reiht sich in bereits veröffentlichte Programme ein, etwa eines namens PrimateAI, das ähnliche Vorhersagen macht.
„In diesem Bereich wurde bereits viel gearbeitet, und insgesamt ist die Qualität dieser In-silico-Prädiktoren viel besser geworden“, sagt Rehm. Rehm sagt jedoch, dass Computervorhersagen nur „ein Beweisstück“ seien, das sie allein nicht davon überzeugen könne, dass eine DNA-Veränderung tatsächlich jemanden krank mache.
Normalerweise erklären Experten eine Mutation erst dann für pathogen, wenn sie über reale Daten von Patienten, Hinweise auf Vererbungsmuster in Familien und Labortests verfügen – Informationen, die über öffentliche Websites zu Varianten wie ClinVar geteilt werden.
„Die Modelle verbessern sich, aber keines ist perfekt, und sie bestimmen immer noch nicht, ob sie pathogen sind oder nicht“, sagt Rehm, die sagt, sie sei „enttäuscht“ darüber, dass DeepMind die medizinische Sicherheit seiner Vorhersagen offenbar übertreibt, indem es Varianten als „pathogen“ beschreibt gutartig oder pathogen.
Feinabstimmung
Laut DeepMind basiert das neue Modell auf AlphaFold, dem früheren Modell zur Vorhersage von Proteinformen. Auch wenn AlphaMissense etwas ganz anderes macht, sagt Pushmeet Kohli, Vizepräsident für Forschung bei DeepMind, „nutzt die Software irgendwie die Erkenntnisse, die sie über die Biologie aus ihrer vorherigen Aufgabe gewonnen hat“. Da es auf AlphaFold basiert, benötigt das neue Modell relativ weniger Computerzeit zum Betrieb – und damit weniger Energie, als wenn es von Grund auf neu erstellt worden wäre.
Technisch gesehen wird das Modell vorab trainiert, dann aber in einem weiteren Schritt, dem sogenannten Fine-Tuning, an eine neue Aufgabe angepasst. Aus diesem Grund glaubt Patrick Malone, Arzt und Biologe bei KdT Ventures, dass AlphaMissense „ein Beispiel für eine der wichtigsten jüngsten methodischen Entwicklungen in der KI“ ist.