AI’s rolle i genetisk forskning

AI’s rolle i genetisk forskning er at finde mønstre, prioritere varianter og formulere hypoteser i meget store DNA-, RNA- og proteinrelaterede datasæt. Teknologien kan gøre forskningsarbejde hurtigere og mere målrettet, men resultaterne skal stadig kontrolleres med biologiske eksperimenter, klinisk evidens og ansvarlig databehandling.

Hvad betyder AI’s rolle i genetisk forskning?

AI fungerer som et beregningslag oven på moderne genomik. Hvor klassiske analyser ofte tester få antagelser ad gangen, kan maskinlæring undersøge millioner af sekvensvariationer, målepunkter og biologiske sammenhænge på tværs af genomer, celler og væv.

Det ændrer ikke den grundlæggende forskningsopgave. Forskere skal stadig formulere spørgsmål, kontrollere prøvekvalitet, vælge relevante datasæt og efterprøve resultater. AI kan derimod hjælpe med at rangordne, hvilke varianter, gener, regulatoriske regioner eller proteiner der er mest sandsynlige at undersøge først.

Rollen er derfor bedst forstået som hypotesegenerering og prioritering. En model kan foreslå, at en variant sandsynligvis påvirker genekspression, proteinfunktion eller RNA-splicing. Den kan ikke alene afgøre, om en person har en sygdom, om en behandling virker, eller om en biologisk mekanisme er endeligt bevist.

Hvorfor passer genetiske data særligt godt til AI-modeller?

Genetiske data er både store, strukturerede og mønstertunge. DNA består af sekvenser, som kan analyseres lidt som tekst, men med biologiske regler, hvor afstande, gentagelser, mutationer, regulatoriske signaler og cellernes tilstand ændrer betydningen.

AI-modeller kan lære statistiske mønstre fra kendte sekvenser og eksperimentelle målinger. I genetisk forskning bruges de blandt andet til at forbinde en DNA-sekvens med genudtryk, proteinsekvens, sygdomsrisiko, cellulær aktivitet eller et eksperimentelt signal fra sekventering.

Det gør området velegnet til machine learning og deep learning, fordi modellerne kan arbejde med mange variable på samme tid. Samtidig er biologien ikke bare et dataproblem. Population, vævstype, alder, miljø, forsøgsdesign og målemetode kan påvirke, hvad en genetisk variant betyder i praksis.

Hvordan bruges AI til at finde mønstre i DNA og RNA?

En central anvendelse er sekvens-til-funktion-modeller. De får DNA- eller RNA-sekvenser som input og forsøger at forudsige funktionelle signaler, for eksempel hvor gener starter, hvor RNA klippes og samles, hvilke områder i DNA der er åbne for proteinbinding, eller om en mutation ændrer et regulatorisk motiv.

Andre modeller analyserer genekspression, enkeltcelledata eller multi-omics-data, hvor flere datatyper kombineres. Her kan AI hjælpe med at gruppere celler, finde afvigende mønstre, foreslå celletyper eller pege på biologiske processer, der er aktive i bestemte sygdomsforløb.

Praktisk minder arbejdet ofte om avanceret data-processering. Før modellen kan give nyttige resultater, skal rådata renses, normaliseres, kontrolleres for batch-effekter og knyttes til præcise metadata. En stærk model kan give svage resultater, hvis inputdata er uklare eller skævt sammensat.

Hvad kan AI gøre for variantfortolkning?

Variantfortolkning handler om at vurdere, om en genetisk ændring sandsynligvis har biologisk betydning. Det kan være en enkelt baseændring, en insertion, en deletion, en strukturel variant eller en ændring i et regulatorisk område uden for de protein-kodende gener.

AI kan give en prioritetsscore, en funktionel forudsigelse eller en sandsynlig retning for effekten. En model kan for eksempel pege på, at en variant sandsynligvis ændrer et protein, et splice-site, et transkript eller et regulatorisk element. Ensembls Variant Effect Predictor viser, hvordan variantannotering i praksis kombinerer genoverlap, transkripteffekt, populationsfrekvenser, kendte associationer og prediktionsværktøjer.

Den konkrete merværdi er prioritering. Når en forskningsgruppe har tusindvis af kandidatvarianter, kan AI hjælpe med at reducere listen til de mest plausible spor. Det sparer ikke behovet for laboratoriearbejde, men kan gøre de næste eksperimenter mere målrettede.

Hvordan adskiller AI-forslag sig fra en genetisk diagnose?

En AI-forudsigelse er ikke det samme som en genetisk diagnose. En model beregner sandsynligheder ud fra mønstre i træningsdata og valideringsdatasæt. En diagnose kræver en bredere vurdering, hvor kliniske observationer, familiehistorik, laboratoriefund, etablerede retningslinjer og menneskelig faglig kontrol indgår.

AlphaMissense er et godt eksempel på denne afgrænsning. Google DeepMind beskrev i 2023, at modellen klassificerede 89 procent af 71 millioner mulige missense-varianter som sandsynligt patogene eller sandsynligt benigne. Samme kilde angiver, at forudsigelserne ikke er designet til direkte klinisk brug alene og skal tolkes sammen med andre former for evidens.

Forskellen betyder meget for læserens forventning. AI kan pege på en mulig forklaring, men kan også tage fejl, især ved sjældne varianter, underrepræsenterede populationer, komplekse sygdomme eller biologiske mekanismer, der ikke er godt repræsenteret i træningsdata.

Hvorfor er non-kodende DNA en særskilt udfordring?

Kun en mindre del af genomet koder direkte for proteiner. En stor del af genetisk variation ligger i non-kodende områder, hvor ændringer kan påvirke, hvornår og hvor meget et gen udtrykkes, hvordan RNA bearbejdes, eller hvilke regulatoriske elementer der aktiveres i en bestemt celletype.

Det er en vanskelig opgave, fordi effekten ofte afhænger af kontekst. En variant kan være relevant i én celletype og næsten usynlig i en anden. Den kan påvirke et gen på afstand, indgå i tredimensionel kromatinstruktur eller først vise betydning under bestemte biologiske betingelser.

AlphaGenome viser den nyeste retning i feltet. Nature-artiklen fra januar 2026 beskriver modellen som en samlet DNA-sekvensmodel, der tager 1 million basepar som input og forudsiger tusindvis af funktionelle genomiske spor. Ifølge artiklen matcher eller overgår modellen de stærkeste eksterne modeller i 25 af 26 evalueringer af variant-effekt-forudsigelse.

Det er en dokumenterbar ny vinkel i genetisk forskning: AI flytter sig fra at analysere enkelte kodende varianter til at modellere bredere regulatoriske sammenhænge. Alligevel er forbeholdet centralt. AlphaGenome er beskrevet som et forskningsværktøj, ikke som en direkte klinisk beslutningsmotor.

Hvordan kan AI forbinde genetik med proteiner og lægemål?

Genetisk forskning stopper sjældent ved DNA-sekvensen. En variant kan ændre et protein, påvirke hvordan et gen udtrykkes, ændre en signalvej eller pege på et muligt lægemål. Derfor har AI også fået en rolle i at forbinde genomik med strukturel biologi og lægemiddeludvikling.

AlphaFold-serien er et kendt eksempel på, hvordan neurale netværk kan bruges til biologisk strukturforudsigelse. Nature-artiklen om AlphaFold 3 fra 2024 beskriver en model, der kan forudsige strukturer for komplekser med blandt andet proteiner, nukleinsyrer, små molekyler, ioner og modificerede rester.

I genetisk forskning kan den type modeller hjælpe med at undersøge, om en genetisk ændring sandsynligvis påvirker et proteins form, binding eller samspil med andre molekyler. Det er især relevant, når en variantfortolkning skal omsættes til en biologisk forklaring, et eksperimentelt design eller en tidlig vurdering af et muligt behandlingsmål.

Hvilke data- og metodekrav styrer kvaliteten?

Kvaliteten afhænger af mere end modellens arkitektur. Træningsdata, referencegenom, populationssammensætning, eksperimentel metode, annotationskilder og evalueringsdesign bestemmer, hvor langt en forudsigelse kan tolkes. Genetiske datasæt er ofte store, men de er ikke automatisk repræsentative.

En god forskningsproces skelner mellem fire niveauer af viden:

• Rå observationer, for eksempel en sekvensvariant eller et genekspressionssignal.
• Computational forudsigelse, hvor en model vurderer mulig effekt eller relevans.
• Eksperimentel validering, hvor hypotesen testes i celler, væv, modelorganismer eller biokemiske systemer.
• Klinisk eller praktisk anvendelse, hvor resultatet vurderes i en konkret sundheds- eller forskningskontekst.

AI bidrager især på det andet niveau. Den kan også hjælpe med at designe det tredje niveau, men en modelscore bør ikke præsenteres som etableret biologisk årsag uden uafhængig kontrol.

Hvilke begrænsninger har AI i genetisk forskning?

AI-modeller i genomik kan være meget præcise på benchmarkopgaver og stadig have svagheder i nye situationer. En model kan lære mønstre, der passer til træningsdata, men som ikke generaliserer til andre populationer, vævstyper, sygdomsområder eller forsøgsprotokoller.

Der er også biologiske begrænsninger. Mange sygdomme skyldes ikke én variant, men samspil mellem mange genetiske bidrag, miljø, livsstil, udvikling, immunrespons og tilfældige cellulære processer. En sekvensmodel kan derfor forklare en del af billedet uden at rumme hele sygdomsmekanismen.

Forkert brug kan føre til overfortolkning, datalækage eller skæve prioriteringer. En høj modelscore kan få et resultat til at se mere sikkert ud, end det er, og genetiske data kan være svære at anonymisere fuldstændigt, fordi DNA er unikt og kan knyttes til slægtskab.

De vigtigste kontrolpunkter er:

• Om modellen er testet på data, der ligner den aktuelle forskningsopgave.
• Om usikkerhed og fejlmarginer er dokumenteret, ikke kun gennemsnitlig nøjagtighed.
• Om resultaterne er biologisk plausible og kan efterprøves eksperimentelt.
• Om datagrundlaget dækker relevante populationer og vævstyper.
• Om modellen bruges til forskning, prioritering eller klinisk beslutningsstøtte, da kravene er forskellige.

Hvad betyder AI i genetisk forskning for organisationer i Danmark?

For universiteter, hospitaler, biotekmiljøer og offentlige forskningsprojekter i Danmark er den praktiske betydning især datastyring, validering og kompetenceopbygning. AI kan gøre genomiske analyser hurtigere, men den øger også behovet for klare roller mellem bioinformatikere, molekylærbiologer, klinikere, jurister, dataspecialister og forskningsledelse.

Genetiske data kræver særlig kontrol, fordi de kan sige noget om både den enkelte person og biologisk beslægtede personer. I EU-regi nævner GDPR genetiske data i reglerne om særlige kategorier af personoplysninger. For forskningsprojekter betyder det, at lovligt grundlag, formål, dataminimering, adgangsstyring, sikkerhed og eventuel deling med eksterne modeludbydere skal være afklaret, før data behandles.

Den lokale relevans er derfor ikke kun teknisk. En organisation kan have adgang til gode modeller, men stadig være nødt til at kontrollere databehandleraftaler, forskningsetik, journaladskillelse, cloudplacering, pseudonymisering og om AI-output må indgå i den konkrete forskningsproces.

Hvordan kan en forskningsgruppe bruge AI ansvarligt?

En ansvarlig arbejdsgang starter med et klart spørgsmål. Hvis formålet er at prioritere varianter til laboratorieforsøg, er kravene andre end ved en model, der skal understøtte klinisk beslutningstagning. Forskningsgruppen bør definere, hvad AI-resultatet må bruges til, og hvad det ikke må bruges til.

En enkel beslutningsrækkefølge kan se sådan ud:

1. Afgræns biologisk spørgsmål, datasæt og tilladt anvendelse.
2. Vælg modeltype efter opgaven: sekvensmodel, variant-effekt-model, strukturmodel eller multi-omics-model.
3. Kontrollér datakvalitet, referenceversioner og repræsentativitet.
4. Kør modellen med dokumenteret version, parametre og inputsporbarhed.
5. Prioritér kandidater ud fra både modelscore og biologisk viden.
6. Efterprøv centrale fund med uafhængige data eller laboratorieforsøg.
7. Dokumentér usikkerhed, fravalg og begrænsninger, så resultaterne kan genbesøges.

Denne form for arbejdsproces passer godt til AI i biomedicinsk forskning, fordi den holder modeloutput adskilt fra dokumenteret biologisk konklusion. Det gør også samarbejdet mellem datateams og laboratorier lettere at kontrollere.

Hvordan kan AI sammenlignes med klassisk bioinformatik?

Klassisk bioinformatik og AI overlapper, men de løser ikke altid samme opgave. Traditionelle metoder er ofte regelbaserede, statistiske eller bygget omkring kendte biologiske annotationer. AI-modeller kan lære mere komplekse mønstre, men er ofte sværere at fortolke direkte.

I praksis bør de to tilgange supplere hinanden. AI kan give nye kandidater, mens klassisk bioinformatik, databaser og laboratoriefaglighed kan teste, om kandidaterne giver biologisk mening.

Hvilke udviklinger er værd at følge?

Den vigtigste udvikling er, at genetiske AI-modeller bliver mere generelle. Feltet bevæger sig fra modeller, der løser én snæver opgave, mod modeller, der kan kombinere længere sekvenser, flere molekylære signaler, flere vævstyper og flere biologiske niveauer.

AlphaGenome peger på denne retning for regulatorisk genomik, mens AlphaMissense viser værdien af store kataloger over variantforudsigelser i protein-kodende områder. Strukturmodeller som AlphaFold 3 viser samtidig, at genetiske fund i stigende grad kan forbindes med proteiner, nukleinsyrer og molekylære interaktioner.

For forskningsmiljøer bliver næste skridt at koble AI tættere sammen med eksperimenter. Det kan være iterativt arbejde, hvor en model prioriterer kandidater, laboratoriet tester dem, og nye resultater forbedrer næste runde. Her bliver mønstergenkendelse i kunstig intelligens nyttig, men kun når den følges af sporbarhed, validering og god forskningspraksis.

For organisationer, der arbejder med persondata, bliver AI og privatlivets fred en fast del af vurderingen. Det gælder især, når genetiske data kombineres med sundhedsdata, cloudbaserede modeller eller eksterne analyseplatforme.

Hvilke kilder ligger til grund?

Artiklen bygger især på Nature-artiklen om AlphaGenome og regulatorisk variantforudsigelse, Google DeepMinds omtale af AlphaMissense-kataloget, Ensembls dokumentation for Variant Effect Predictor, Nature-artiklen om AlphaFold 3 og EUR-Lex-teksten for GDPR.