Google DeepMind brengt 9 miljard DNA-varianten in kaart met AI

TL;DR

• Wat: Google DeepMind heeft met AlphaGenome Atlas een database gepubliceerd die voorspelt wat élke mogelijke eenletterige mutatie in menselijk DNA doet — 9 miljard varianten in totaal.
• Waarom relevant: AI versnelt nu het soort biologisch onderzoek dat normaal jaren kost, en dat heeft gevolgen voor gezondheidszorg, farma en uiteindelijk voor elke ondernemer die met zorgdata of biotech te maken heeft.
• Wat je ermee kunt: Houd in de gaten hoe dit soort open databases het speelveld in de gezondheidszorg verandert — vooral als je bedrijf raakt aan medische innovatie, verzekeringen of personeel in de zorgsector.

Ik viel deze week over een bericht van Ars Technica: Google DeepMind heeft een AI-systeem gebouwd dat alle 9 miljard mogelijke eenletterige veranderingen in het menselijk DNA heeft doorgerekend. Dat is een zin die je twee keer moet lezen. Ik vond het interessant genoeg om uit te zoeken wat dit concreet betekent — ook voor wie niets met biologie te maken denkt te hebben.

Wat is AlphaGenome Atlas precies?

Laat ik beginnen met de basis. Ons DNA bestaat uit zo'n 3 miljard "letters" — de bekende A, T, C en G. Op elke positie kun je die letter vervangen door drie andere opties. Dat levert samen zo'n 9 miljard mogelijke varianten op. Elk van die varianten kan invloed hebben op hoe je lichaam werkt: van hoe een gen zich uitdrukt tot hoe een eiwit wordt geproduceerd.

Tot nu toe was het ondoenlijk om al die varianten systematisch te beoordelen. Dat zou in het laboratorium een mensenleven kosten — letterlijk. Google DeepMind heeft dat nu gedaan met een AI-model genaamd AlphaGenome. Het model kan DNA-sequenties tot 1 miljoen basenparen lang analyseren en voorspelt per variant de effecten op genexpressie, RNA-splicing en eiwitbinding, verspreid over honderden cel- en weefseltypen.

De resultaten zijn gebundeld in AlphaGenome Atlas: een database van 1 petabyte (dat is 1.000 terabyte) die nu gratis toegankelijk is voor academische onderzoekers via een browser. Elke variant is gekoppeld aan circa 27.000 individuele voorspellingen. Volgens Pushmeet Kohli van DeepMind is dit de eerste keer dat onderzoekers "een uitgebreide kaart van menselijke genetische variatie kunnen openen door simpelweg een browser te openen."

Hoe goed zijn die voorspellingen?

Dit is een vraag die ik mezelf meteen stelde, want een database van 9 miljard voorspellingen is alleen nuttig als die voorspellingen kloppen. De cijfers zijn indrukwekkend: AlphaGenome scoort state-of-the-art op 22 van de 24 taken voor sequentievoorspelling, en evenaart of overtreft de beste bestaande modellen op 24 van de 26 evaluaties voor varianteffecten. Het onderzoek is gepubliceerd in Nature, wat betekent dat het door vakgenoten is beoordeeld.

Maar — en dit is belangrijk — de onderzoekers benadrukken zelf dat de voorspellingen "niet de universele waarheid" zijn. Ze zijn bedoeld voor onderzoek, niet voor directe klinische toepassing. Laboratoriumbevestiging blijft nodig. In een vroege test kon het systeem een eerder niet-gediagnosticeerde epilepsievariant identificeren, en een analyse leverde 22% meer eiwitassociaties op dan traditionele methoden. Veelbelovend, maar nog geen eindstation.

Ik vind het eerlijk gezegd knap dat DeepMind die nuance zelf zo duidelijk benoemt. In een tijd waarin AI-aankondigingen soms worden gebracht alsof het probleem al opgelost is, is het verfrissend om te lezen: "dit is een hulpmiddel, geen orakel."

Wat heeft een ondernemer hieraan?

Op het eerste gezicht lijkt dit puur academisch. Maar ik denk dat er een paar lagen zitten die ook voor ondernemers relevant zijn.

De gezondheidszorg verandert sneller dan je denkt

Als dit soort databases breed beschikbaar worden, versnelt dat de ontwikkeling van gepersonaliseerde medicijnen en therapieën. Stel dat je als ondernemer actief bent in de zorgsector — als toeleverancier, in medische apparatuur, of in HR voor zorginstellingen — dan is dit het soort verschuiving dat je businessmodel binnen vijf tot tien jaar kan raken. De farmaceutische industrie zal dit soort tools gebruiken om sneller en gerichter medicijnen te ontwikkelen.

Commerciële toegang via Google Cloud

Voor academisch gebruik is de Atlas gratis. Maar voor commerciële partijen komt er binnenkort een licentiemodel via Google Cloud. De voorwaarden zijn nog niet bekend. Wat mij opvalt is het patroon: Google bouwt eerst iets dat wetenschappelijk gezag krijgt (AlphaFold deed hetzelfde voor eiwitstructuren), en opent daarna een commercieel kanaal. Voor bedrijven in biotech of farmaceutische R&D betekent dit een keuze: ga je bouwen op Google's infrastructuur, met de afhankelijkheid die daarbij hoort? Het is een vraag die we steeds vaker zien bij AI-tools: de technologie is indrukwekkend, maar het platformmodel bepaalt wie er uiteindelijk van profiteert.

Privacy en compliance worden belangrijker

Genomische data is per definitie gevoelig. Als dit soort databases breder wordt ingezet, worden de eisen aan databeveiliging en compliance ook strenger. Voor ondernemers die raken aan zorgdata — denk aan health-tech, verzekeringen, of personeelsdiensten — is dit een signaal om nu al na te denken over hoe je omgaat met genetische informatie. De AVG is al streng op gezondheidsdata; genomische voorspellingen voegen daar een extra laag aan toe.

Het grotere plaatje: AI als onderzoeksversneller

Wat mij hier het meest opvalt, is niet het model zelf, maar wat het zegt over de rol van AI in wetenschappelijk onderzoek. AlphaFold voorspelde eiwitstructuren. AlphaGenome voorspelt de effecten van DNA-mutaties. Beide doen in maanden wat onderzoekers anders jaren zou kosten.

Voor ondernemers is de les niet dat je morgen iets met genomica moet doen. De les is breder: AI wordt steeds vaker de motor achter fundamenteel onderzoek, en de resultaten daarvan sijpelen sneller door naar commerciële toepassingen dan we gewend zijn. De tijd tussen wetenschappelijke publicatie en markttoepassing krimpt. Kun je je voorstellen wat dat betekent als je in een sector werkt die leunt op R&D-cycli van tien jaar of meer?

Een kaart is nog geen reis

Ik sluit af met een observatie. Google DeepMind heeft iets gebouwd dat vergelijkbaar is met een enorm gedetailleerde landkaart van het menselijk genoom. Elke mogelijke afwijking is in kaart gebracht, met een voorspelling van wat die afwijking zou kunnen betekenen.

Maar een kaart is nog geen reis. De voorspellingen moeten worden getoetst in het lab, gevalideerd in klinische studies, en uiteindelijk vertaald naar behandelingen die werken. Dat kost nog jaren. Wat wél nu al verandert, is de snelheid waarmee onderzoekers kunnen zoeken. In plaats van een naald in een hooiberg, hebben ze nu een kompas.

Voor mij is dit vooral een signaal dat de combinatie van AI en levenswetenschappen in een stroomversnelling zit — en dat de effecten daarvan verder reiken dan het laboratorium.