Google DeepMind 推出 AlphaGenome Atlas，提供 90 亿种 DNA 变异预测
AlphaGenome Atlas 通过一个 1 PB 数据库，让 90 亿种人类 DNA 变异的预测分子效应可供搜索。
文章目录 · 12
Google DeepMind 于 2026 年 9 月 8 日推出 AlphaGenome Atlas，使研究人员能够搜索约 90 亿种人类基因组中可能发生的单字母变化的预测分子效应。
这个 1 PB 数据库预先将 DeepMind 的 AlphaGenome 模型应用于整个人类参考基因组。研究人员无需逐一选择变异、编写代码并为每次分析运行计算需求很高的模型，而是可以通过网页门户或编程接口获取已计算完成的结果。
该 Atlas 还引入了 AlphaGenome Variant Impact 评分，即 AVI 评分。它结合了 AlphaGenome 对调控效应的预测，以及 AlphaMissense 对蛋白质改变型变异的预测，生成一个可用于对编码 DNA 和非编码 DNA 变化进行排序的评分。
这是一个研究优先级排序系统，而非临床诊断数据库。其条目是模型预测，并非经实验确立的发现；Google 明确禁止将其用于临床决策。
一、DeepMind 已预先计算每一种可能的单字母替换
人类基因组约含 30 亿个碱基对。在每个位置，参考 DNA 字母在理论上都可以替换为另外 3 个字母中的任意一个，因此可产生约 90 亿种可能的单核苷酸替换。
AlphaGenome Atlas 包含相对于人类参考基因组的整个搜索空间预测结果。所得数据集约占用 1 PB，DeepMind 表示，这比 AlphaFold Database 的规模大 30 倍以上。
这一规模并不意味着 Atlas 覆盖了人类遗传变异的所有可能形式。它聚焦于单字母替换。插入、缺失、结构变异以及单个人类基因组内多个变异的组合，都不在此次发布所述的 90 亿变异目录之内。
在 Atlas 出现之前，研究人员可以向 AlphaGenome API 提交选定的序列或变异。这种方式适用于目标明确的研究，但要求用户先决定测试什么，然后投入计算资源生成预测。DeepMind 表示，常规模型 API 适合涉及数千项预测的分析，不太可能适用于超过 100 万项预测的工作负载。
Atlas 将这部分计算前移。根据 IEEE Spectrum 对此次发布的报道，DeepMind 最初估计，需要将速度提升约 80 倍，才能在实际可行的时间内计算出整个集合。团队利用模型蒸馏、优化 GPU 内核并去除冗余计算，达到了所需规模。
实际结果是一个共享查询资源。实验室无需为常见变异重复执行相同的模型推理，无法使用较新加速器的研究人员也可以通过浏览器查看预测结果。
二、AlphaGenome 预测什么
AlphaGenome 于 2025 年 6 月发布，并在 2026 年 1 月 28 日发表的一篇经过同行评审的《Nature》论文中得到介绍。它是一种序列到功能模型：以 DNA 序列为输入，并预测与基因调控相关的分子测量结果。
该模型一次最多可处理 100 万个 DNA 碱基对。其架构使用卷积层识别局部序列模式，使用 Transformer 在输入信息之间进行交换，并采用针对不同形式基因组活动专门设计的输出层。
已发表的模型可同时预测 11 种模态中的 5,930 条人类或 1,128 条小鼠基因组轨道。这些模态包括 RNA 表达、转录起始、染色质可及性、组蛋白修饰、转录因子结合、三维染色质接触、剪接位点、剪接位点使用情况，以及剪接连接坐标和强度。
在变异分析中，AlphaGenome 会将基于参考序列生成的预测与包含替代 DNA 字母的序列生成的预测进行比较。两者差异表明，模型预计该变化将如何影响特定生物学背景下的分子过程。
在《Nature》的评估中，AlphaGenome 在 26 项变异效应评估中的 25 项达到或超过最强的外部模型，并在 24 项基因组轨道任务中的 22 项取得最先进结果。这些测量是在明确基准下对单项模型能力的评估；它们并不能证明新 Atlas 中的每项预测都是正确的。
Atlas 为每种变异包含数千项分子效应预测。它还将变异关联到一个包含 2,500 多种重复 DNA 序列基序的集合，可帮助研究人员考察某种变化是否破坏了可识别的调控模式。
三、AVI 评分增加全基因组排序层
AlphaGenome 产生的大量输出本身也带来了一个解释问题。一种变异可能在众多组织和细胞类型中，以不同方式影响预测的 RNA 丰度、染色质可及性或剪接。当一项研究从数千或数百万个候选项开始时，逐一检查每项输出并不现实。
AVI 评分将这些信息浓缩为一个单一影响值。对于非编码区域，它利用 AlphaGenome 的调控预测；对于改变蛋白质的变异，它纳入 AlphaMissense——DeepMind 专门用于评估错义变化的模型。
这为研究人员在基因组中约 2% 的蛋白质编码部分，以及参与控制基因活性的更大非编码部分之间，提供了共同的排序机制。高分旨在识别值得进一步检查的变异，而不是宣告某种变异导致疾病。
DeepMind 还会随评分提供特征归因。这些归因将结果分解为生物学类别，例如对 RNA 剪接、基因表达、染色质可及性、序列保守性或蛋白质功能的预测变化。因此，研究人员可以从排序后的候选项进一步追溯到一个假定的分子机制。
这一可解释性层很重要，因为单一综合评分可能掩盖重要差异。一位接受 IEEE Spectrum 采访的独立基因组学家警告称，由于基因组调控涉及许多相互作用的过程，这个简化后的数字可能被误解。要理解某种变异为何获得其排序，详细预测和特征归因仍然是必要的。
四、早期研究展示 Atlas 如何缩小搜索范围
DeepMind 报告称，外部研究团队在发布前已将 Atlas 用于罕见病、群体遗传学和基因调控项目。这些案例表明，它的预期角色是为实验工作提供筛选。
与 Broad Institute 和 GREGoR Consortium 有关的研究人员利用 AVI 评分，对尚未解决的罕见病病例中的变异进行优先级排序。其中一个候选变异影响 DNM1 基因，该基因与发育性和癫痫性脑病有关。
AlphaGenome 预测，该变化造成了一个错误的剪接位点，并使产生的蛋白质出现异常延长。DeepMind 表示，实验筛选验证了这一预测机制，并识别出具有类似效应的邻近变异。提供验证证据的是实验，而非最初的模型评分。
在另一项分析中，埃克塞特大学研究员 Gareth Hawkes 将 Atlas 应用于超过 54,000 名 UK Biobank 参与者的全基因组数据。DeepMind 报告称，按预测分子效应对罕见非编码变异进行分组，比对照方法多检测到 22% 的遗传关联。
据报道，其中一项分析将一个含有 526 个初始候选项的区域缩小为 4 个优先变异。该工作识别出与包括 PLA2G7 和 EGLN1 在内的蛋白质循环水平相关的调控候选项。
在一项体重指数分析中，Hawkes 将搜索范围限制在 Atlas 排名影响最大的一部分 1% 非编码变异中。该过程识别出 19 个有待进一步研究的基因组区域。这些关联确立了研究目标；它们并不能证明被强调的变异各自会导致体重变化。
Stowers Institute for Medical Research 的研究人员还利用基序资源研究参与染色质可及性和基因激活的调控序列。这说明 Atlas 除疾病变异排序之外的第二种用途：大规模查询预测效应，以研究控制基因活性的基本规则。
五、访问条件与科学局限
AlphaGenome Atlas 可通过免费网站供学术研究及其他非商业研究使用。DeepMind 还列出了通过 AlphaGenome API 和适用于 Google Antigravity 的 AlphaGenome Atlas skill 的访问方式。发布时，Google Cloud 上的商业 Atlas 访问被描述为即将推出，而底层 AlphaGenome 模型已拥有付费、许可名单制的 Google Cloud 部署路径。
公共 API 的条款限制 AlphaGenome 输出和 Atlas 信息仅可用于非商业用途，除非获得明确许可。Google 还表示，输出不得用于训练其他机器学习模型。
最重要的是，AlphaGenome 既不用于临床诊断，也未获准用于临床诊断。预测不能替代患者证据、实验室验证、临床解读或医疗建议。
与早期序列模型相比，该模型的 100 万碱基输入规模较大，但调控元件可以跨越很长距离影响基因。DeepMind 的《Nature》论文发现，准确捕捉 100,000 个碱基对以外的影响仍具挑战性。组织特异性和条件特异性效应也仍然难以稳定复现。
AlphaGenome 的设计和基准测试并非用于预测一个人完整基因组的后果。复杂性状和疾病可能取决于多个变异、发育、基因功能和环境因素，而这些因素超出了直接的序列到分子功能模型范围。
因此，Atlas 改变的是假设选择的成本和速度，而非证据标准。它可以对数十亿个候选替换进行排序，并立即揭示预测机制，但具有重要影响的发现仍需要群体证据、独立的计算检查和实验确认。
常见问题
AlphaGenome Atlas 包含什么？
它包含人类参考基因组中约 90 亿种可能单核苷酸替换的预先计算分子效应预测和 AVI 评分。
为什么会有 90 亿种可能变化？
基因组约有 30 亿个位置，每个位置的参考字母都可以替换为 3 个替代 DNA 字母。
Atlas 是否涵盖所有类型的遗传突变？
否。其 90 亿变异目录涵盖单字母替换，而非个人基因组中发现的每一种插入、缺失、结构变异或变化组合。
医生可以使用 AVI 评分诊断患者吗？
不可以。Google 表示，AlphaGenome 预测用于理论建模和研究，不得用于临床决策。
研究人员如何访问 Atlas？
非商业研究人员可以使用基于浏览器的门户或 AlphaGenome API。DeepMind 还提供适用于 Google Antigravity 的 Atlas skill，并计划通过 Google Cloud 提供商业服务。
参考来源
Share