Google DeepMind brengt het niet-coderende DNA in kaart: AlphaGenome Atlas tussen ambitie en beperkte nauwkeurigheid

Op 8 september 2026 presenteerde Google DeepMind AlphaGenome Atlas, een digitaal archief met vooraf berekende voorspellingen over de moleculaire impact van varianten in het menselijke DNA. De database beslaat negen miljard eennucleotidevarianten en brengt daarmee elke mogelijke verandering van één letter in het genoom in kaart. Met een omvang van ongeveer een petabyte — ruim dertig keer de AlphaFold-database — richt de Atlas zich op het niet-coderende DNA, goed voor zo'n 98% van het erfelijk materiaal en bepalend voor de activiteit van eiwitten. Tot nu toe vroeg het gebruik van het AlphaGenome-model stevige programmeervaardigheden en een flinke reken-infrastructuur; met deze release verschuift het bedrijf het rekenwerk naar voren en levert het de resultaten rechtstreeks via een webportaal, gratis voor niet-commercieel gebruik.

Om de kartering af te ronden moest het ontwikkelteam het model ongeveer tachtig keer sneller maken, meldt IEEE Spectrum. Žiga Avsec, hoofd genomics bij Google DeepMind, benadrukte de enorme technische inspanning die dat kostte, terwijl vicepresident Pushmeet Kohli stelde dat het begrijpen van deze taal van het leven heel veel kan ontsluiten. De Atlas introduceert de AlphaGenome Variant Impact (AVI), één score die de voorspellingen van AlphaGenome en AlphaMissense ordent en samenvat, bruikbaar voor zowel coderende als niet-coderende gebieden. De modellen volgen een duidelijke tijdlijn: na AlphaFold in 2020 en AlphaMissense in 2023 werd AlphaGenome in 2025 aangekondigd en in januari 2026 beschreven in een artikel in Nature. Volgens Scientific American hebben commerciële gebruikers — farmaceutische bedrijven bijvoorbeeld — een licentie nodig, terwijl de toegang gratis blijft voor academische onderzoekers; de blog van DeepMind kondigt commercieel gebruik 'binnenkort' aan op Google Cloud, zonder datum en zonder prijzen.

Ondanks de mogelijke impact wijzen de wetenschappelijke gemeenschap en onafhankelijke bronnen op meerdere gedocumenteerde hiaten. Scientific American schrijft dat de Atlas veel minder nauwkeurig is dan de AlphaFold-database en uitsluitend als vertrekpunt moet gelden. Het model kent structurele grenzen: het kan geen aandoeningen beoordelen waarvoor meerdere varianten tegelijk nodig zijn, en enhancers die genen over zeer grote afstand reguleren kunnen buiten het venster van één miljoen basenparen vallen dat het model rond elke variant bekijkt. Over de impactscore merkt genoomonderzoeker Carl de Boer van de University of British Columbia op dat het nut ervan helder is, maar dat hij waarschijnlijk makkelijk verkeerd te lezen zal zijn. Over de waarde van het werk is hij stellig: begrijpen hoe veranderingen de regulatie beïnvloeden is cruciaal om de meeste ziekten te begrijpen. DeepMind zelf stelt dat de Atlas-gegevens geen medisch advies, diagnose of behandeling vervangen en niet gevalideerd of goedgekeurd zijn voor klinisch gebruik. Methodologisch blijft één punt open: het Nature-artikel van januari 2026 gaat over het AlphaGenome-model, terwijl de blog voor de Atlas verwijst naar een technisch pdf-document; er is geen aanwijzing dat de release vergezeld gaat van peer-reviewed werk.

De strategie van DeepMind volgt het patroon van AlphaFold: eerst het model, dan de database die het raadpleegbaar maakt voor wie code noch GPU heeft. Biologische complexiteit terugbrengen tot één index die je in de browser opzoekt verlaagt de drempel, maar het echte nut wordt afgemeten aan de vraag of laboratoria een vooraf berekende kaart niet aanzien voor een klinisch gegeven — zeker zolang onafhankelijke validatie ontbreekt. — Olya