Google slipper AlphaGenome Atlas: 9 mrd. prediksjoner – ikke klinikk

Google DeepMind åpnet 8. september AlphaGenome Atlas, et 1-petabyte katalog over predikerte molekylære effekter av alle 9 milliarder mulige enkeltbokstavsendringer i det humane genomet. Det er ikke en ny frontier-chatbot. Det er en forhåndsberegnet utvidelse av AlphaGenome-modellen, med en ny AVI-score, gratis akademisk portal og en kommersiell vei inn i Google Cloud.

For norske CIO-er i helse, biotech og forskning er poenget tre linjer. Akademisk bruk er åpen i dag. Klinisk bruk er eksplisitt ikke godkjent. Kommersiell produksjon skal lande på Google Cloud «snart».

Hva som faktisk er lansert

AlphaGenome, sluppet i 2025, predikerer hvordan genetiske varianter påvirker molekylære prosesser. Problemet har vært skala: å kjøre modellen mot hver mulig enkeltnukleotidendring. Atlas precomputerer det.

DeepMind oppgir:

• 9 milliarder enkeltnukleotidvarianter, tre mulige substitusjoner på hvert av om lag tre milliarder basepar
• 1 petabyte data, mer enn 30 ganger AlphaFold Database
• tusenvis av molekylære effektprediksjoner per variant, over hundrevis av humane og musecelletyper og vev
• AlphaGenome Variant Impact-score, AVI, som slår sammen AlphaGenome og AlphaMissense til ett tall
• AVI-feature attributions som peker på splicing, genuttrykk, kromatinåpning eller proteinpåvirkning
• mer enn 2 500 tilbakevendende DNA-motiver

AVI dekker både kodende regioner, om lag 2 prosent av genomet, og de 98 prosentene som styrer genaktivitet. DeepMind kaller scoren best-in-class på flere patogenisitets- og sjeldne-sykdomsbenchmarks. Det er labens egen test, ikke et regulatorisk stempel.

Tilgangen i dag er nettportal uten kode, AlphaGenome API og en skill i Google Antigravity. Grunnmodellen ligger allerede til akademisk bruk på GitHub og via API, og kommersielt i Cloud Model Garden. Atlas for ikke-kommersiell bruk er åpen fra 8. september. Kommersiell Atlas-bruk kommer på Google Cloud.

Tallene laben og partnerne oppgir

Broad Institute og GREGoR-konsortiet brukte AVI til å prioritere varianter i uløst sjelden sykdom. Laura Covill og Anne O’Donnell-Luria fant en oversett variant i DNM1, knyttet til epileptisk encefalopati. Prediksjonen sa feil spleisesite og unormal proteinforlengelse. Eksperimentelle skjermer bekreftet treffet og fant nærliggende varianter med samme mønster.

Gareth Hawkes ved University of Exeter kjørte Atlas mot helgenomdata fra mer enn 54 000 UK Biobank-deltakere. Ved å gruppere sjeldne varianter etter predikert molekylær effekt fant han 22 prosent flere ikke-kodende assosiasjoner. På de 1 prosent mest påvirkningsrike variantene pekte han ut 19 genetiske regioner knyttet til kroppsmasseindeks.

Nature, The Verge, Scientific American og IEEE Spectrum dekker slippet samme dag. Nature viser til preprintet DeepMind la ut med bloggen.

Lisensen og klinikken er styringsfellen

DeepMind skriver at Atlas ikke er erstatning for medisinsk råd, diagnose eller behandling, og at AlphaGenome ikke er validert eller godkjent for klinisk bruk. Det er setningen en CISO og en forskningsdirektør skal lime inn i policy før noen limer AVI inn i et journalsystem.

Akademisk gratis er ikke det samme som produksjonsklar helsedata. Når kommersiell tilgang kommer på Google Cloud, blir spørsmålet residens, logging av variantoppslag, underleverandør og om prediksjoner blir behandlet som personopplysninger når de kobles mot pasientgenom.

En 1-petabyte prediksjonsflate er også en leverandørbinding. Forskere uten kode kan søke i portalen. Agenter i Antigravity kan kalle skillen. Begge deler kan bli skygge-IT i et universitetssykehus lenge før innkjøp har klassifisert genomprediksjon som virksomhetskritisk.

Hva norske ledere bør gjøre nå

Ikke innfør AVI som beslutningsstøtte i klinikk. Behandle Atlas som forskningsverktøy under DeepMinds egne forbehold.

Først: kartlegg om genomikk, sjeldne sykdommer eller biobank allerede sitter i pågående AI-piloter. Hvis forskere spør Gemini eller Antigravity om varianter, er det en skyggeprosess.

Deretter: skill tre lag. Klinisk diagnostikk under nasjonale retningslinjer og godkjente tester. Akademisk bruk av Atlas under ikke-kommersiell lisens. Kommersiell GCP-bruk når den kommer, med databehandleravtale, residens og revisjonsspor.

Så: krev at prediksjoner merkes som modellutdata, ikke funn. Broad- og Exeter-resultatene er partnerstudier, ikke CE-merking.

Til slutt: still skyspørsmålet. AlphaFold Database ble infrastruktur. Atlas er bygd for å bli det samme, med Google som eier av både modell, katalog og kommende kommersielle API.

AlphaGenome Atlas er et reelt sprang i tilgjengelighet: hele variantrommet er forhåndsberegnet. Det er også et Google-produkt uten klinisk godkjenning. De som tar AVI-score som diagnose, har allerede mistet skillet mellom modell og medisin.

Kilder og medier

Primærkilde: Google DeepMind, «AlphaGenome Atlas: A predictive map of every possible DNA letter change in the human genome», 8. september 2026: https://deepmind.google/blog/alphagenome-atlas-a-predictive-map-of-every-possible-dna-letter-change-in-the-human-genome/

Google, «Introducing AlphaGenome Atlas», 8. september 2026: https://blog.google/innovation-and-ai/models-and-research/google-deepmind/alphagenome-atlas/

Nature, «DeepMind’s new genome ‘atlas’ charts effects of all 9 billion human gene mutations», 8. september 2026: https://www.nature.com/articles/d41586-026-02835-4

The Verge, «Google’s Atlas of the human genome could pave the way for new treatments», 8. september 2026: https://www.theverge.com/ai-artificial-intelligence/991180/google-launches-alpha-genome-atlas

Thumbnail: OpenAI Image 2 / hogby.ai