Google DeepMind запускает AlphaGenome Atlas с предсказаниями для 9 миллиардов вариантов ДНК

8 сентября 2026 года Google DeepMind запустила AlphaGenome Atlas, предоставив исследователям доступ с возможностью поиска к предсказанным молекулярным эффектам примерно 9 миллиардов возможных односимвольных изменений в геноме человека.

База данных объёмом один петабайт заранее применяет модель AlphaGenome от DeepMind ко всему референсному геному человека. Вместо того чтобы выбирать варианты по одному, писать код и запускать вычислительно требовательную модель для каждого анализа, исследователи могут получать ранее рассчитанные результаты через веб-портал или программный интерфейс.

Atlas также представляет показатель влияния варианта AlphaGenome, или AVI score. Он объединяет предсказания AlphaGenome о регуляторных эффектах с предсказаниями AlphaMissense для вариантов, изменяющих белок, создавая единый показатель, который можно использовать для ранжирования изменений как в кодирующей, так и в некодирующей ДНК.

Это система приоритизации исследований, а не клиническая диагностическая база данных. Её записи представляют собой предсказания модели, а не экспериментально установленные результаты, и Google прямо запрещает использовать их для принятия клинических решений.

1. DeepMind предварительно вычислила каждую возможную односимвольную замену

Геном человека содержит примерно 3 миллиарда пар оснований. В каждой позиции референсную букву ДНК теоретически можно заменить любой из трёх других букв, что даёт приблизительно 9 миллиардов возможных однонуклеотидных замен.

AlphaGenome Atlas содержит предсказания для всего этого пространства поиска относительно референсного генома человека. Итоговый набор данных занимает около одного петабайта, что, по словам DeepMind, более чем в 30 раз превышает размер базы данных AlphaFold.

Такой масштаб не означает, что Atlas охватывает все возможные формы генетической вариации человека. Он сосредоточен на односимвольных заменах. Вставки, делеции, структурные варианты и комбинации вариантов в индивидуальном геноме не входят в описанный при запуске каталог из девяти миллиардов вариантов.

До появления Atlas исследователи могли отправлять выбранные последовательности или варианты в AlphaGenome API. Такой подход подходит для целевых исследований, но требует от пользователей решать, что тестировать, а затем тратить вычислительные ресурсы на генерацию предсказаний. DeepMind заявляет, что обычный API модели рассчитан на анализы, включающие тысячи предсказаний, и вряд ли подходит для задач, требующих более одного миллиона предсказаний.

Atlas переносит эти вычисления на более ранний этап. Согласно репортажу IEEE Spectrum о запуске, DeepMind первоначально оценила, что для расчёта всей коллекции за практичный срок ей потребуется приблизительно 80-кратное ускорение. Команда использовала дистилляцию модели, оптимизированные GPU-ядра и устранила избыточные вычисления, чтобы достичь необходимого масштаба.

Практический результат — общий справочный ресурс. Лабораториям не нужно повторять один и тот же инференс модели для распространённого варианта, а исследователи без доступа к новым ускорителям могут изучать предсказания через браузер.

2. Что предсказывает AlphaGenome

AlphaGenome была представлена в июне 2025 года и описана в прошедшей рецензирование статье Nature, опубликованной 28 января 2026 года. Это модель «последовательность — функция»: она принимает на вход последовательность ДНК и предсказывает молекулярные измерения, связанные с регуляцией генов.

Модель обрабатывает до одного миллиона пар оснований ДНК за раз. Её архитектура использует свёрточные слои для распознавания локальных паттернов последовательности, трансформеры для обмена информацией по всему входу и выходные слои, специализированные для различных форм геномной активности.

Опубликованная модель одновременно предсказывает 5 930 геномных треков человека или 1 128 геномных треков мыши по 11 модальностям. В их число входят экспрессия РНК, инициация транскрипции, доступность хроматина, модификации гистонов, связывание транскрипционных факторов, трёхмерные контакты хроматина, сайты сплайсинга, использование сайтов сплайсинга, а также координаты и сила сплайсинговых соединений.

Для анализа вариантов AlphaGenome сравнивает предсказания, созданные по референсной последовательности, с предсказаниями по последовательности, содержащей альтернативную букву ДНК. Разница указывает, как модель ожидает, что изменение повлияет на молекулярные процессы в конкретных биологических контекстах.

В оценке Nature AlphaGenome соответствовала или превосходила сильнейшие внешние модели в 25 из 26 оценок эффекта вариантов и достигла результатов уровня лучших в мире в 22 из 24 задач по геномным трекам. Эти измерения оценивают отдельные возможности модели на заданных бенчмарках; они не устанавливают, что каждое предсказание в новом Atlas верно.

Atlas содержит тысячи предсказаний молекулярных эффектов для каждого варианта. Он также связывает варианты с коллекцией из более чем 2 500 повторяющихся мотивов последовательностей ДНК, что может помочь исследователям изучать, нарушает ли изменение распознаваемый регуляторный паттерн.

3. Показатель AVI добавляет уровень ранжирования по всему геному

Количество выходных данных AlphaGenome создаёт собственную проблему интерпретации. Вариант может по-разному влиять на предсказанное количество РНК, доступность хроматина или сплайсинг во множестве тканей и типов клеток. Рассматривать каждый выходной показатель непрактично, если исследование начинается с тысяч или миллионов кандидатов.

Показатель AVI сводит эту информацию к единому значению воздействия. Для некодирующих регионов он опирается на регуляторные предсказания AlphaGenome. Для вариантов, изменяющих белок, он включает AlphaMissense — специализированную модель DeepMind для оценки миссенс-изменений.

Это даёт исследователям общий механизм ранжирования для примерно 2% генома, кодирующих белки, и для значительно большей некодирующей части, участвующей в контроле активности генов. Высокий показатель предназначен для выявления вариантов, заслуживающих более тщательного изучения, а не для утверждения, что вариант вызывает заболевание.

DeepMind также предоставляет атрибуции признаков вместе с показателем. Они раскладывают результат по биологическим категориям, таким как предсказанные изменения сплайсинга РНК, экспрессии генов, доступности хроматина, сохранности последовательности или функции белка. Поэтому исследователи могут перейти от ранжированного кандидата к предполагаемому молекулярному механизму.

Этот уровень интерпретируемости важен, поскольку единый составной показатель может скрывать существенные различия. Независимый геномист, опрошенный IEEE Spectrum, предупредил, что упрощённое число может быть неверно интерпретировано, поскольку геномная регуляция включает множество взаимодействующих процессов. Детальные предсказания и атрибуции признаков по-прежнему необходимы, чтобы понять, почему вариант получил свой ранг.

4. Ранние исследования показывают, как Atlas может сужать поиск

DeepMind сообщила, что внешние исследовательские группы использовали Atlas до запуска в проектах по редким заболеваниям, популяционной генетике и регуляции генов. Эти примеры показывают его предполагаемую роль как фильтра для экспериментальной работы.

Исследователи, связанные с Broad Institute и консорциумом GREGoR, использовали показатели AVI для приоритизации вариантов в нераскрытых случаях редких заболеваний. Один кандидат затрагивал ген DNM1, который связан с энцефалопатией развития и эпилептической энцефалопатией.

AlphaGenome предсказала, что изменение создало некорректный сайт сплайсинга и привело к аномальному удлинению образующегося белка. По словам DeepMind, экспериментальные скрининги подтвердили предсказанный механизм и выявили близлежащие варианты с похожими эффектами. Подтверждающие доказательства предоставил эксперимент, а не исходный показатель модели.

В отдельном анализе исследователь Университета Эксетера Гарет Хоукс применил Atlas к полногеномным данным более чем 54 000 участников UK Biobank. DeepMind сообщает, что группировка редких некодирующих вариантов по их предсказанным молекулярным эффектам дала на 22% больше обнаруживаемых генетических ассоциаций, чем сравнительный подход.

Один анализ, как сообщается, сократил регион, содержащий 526 исходных кандидатов, до четырёх приоритетных вариантов. Работа выявила регуляторные кандидаты, связанные с уровнями циркулирующих белков, включая PLA2G7 и EGLN1.

Для анализа индекса массы тела Хоукс ограничил поиск 1% некодирующих вариантов, которые Atlas ранжировал как наиболее значимые. Этот процесс выявил 19 геномных регионов для дальнейшего изучения. Эти ассоциации устанавливают цели для исследований; они не демонстрируют, что выделенные варианты по отдельности вызывают изменения массы тела.

Исследователи Stowers Institute for Medical Research также использовали ресурс мотивов для изучения регуляторных последовательностей, участвующих в доступности хроматина и активации генов. Это иллюстрирует второе применение Atlas помимо ранжирования вариантов заболеваний: запросы к предсказанным эффектам в масштабе для исследования базовых правил, контролирующих активность генов.

5. Условия доступа и научные ограничения

AlphaGenome Atlas доступен через бесплатный веб-сайт для академических и других некоммерческих исследований. DeepMind также указывает доступ через AlphaGenome API и навык AlphaGenome Atlas для Google Antigravity. Коммерческий доступ к Atlas через Google Cloud на момент запуска был описан как «скоро», тогда как базовая модель AlphaGenome уже имеет платный маршрут развёртывания в Google Cloud с доступом по списку разрешённых пользователей.

Условия публичного API ограничивают использование выходных данных AlphaGenome и информации Atlas некоммерческими целями, кроме случаев, когда это прямо разрешено. Google также заявляет, что выходные данные нельзя использовать для обучения других моделей машинного обучения.

Наиболее важно, что AlphaGenome не предназначена и не одобрена для клинического диагностического использования. Предсказания не могут заменить данные о пациенте, лабораторную валидацию, клиническую интерпретацию или медицинские рекомендации.

Вход модели в один миллион оснований велик по сравнению с более ранними моделями последовательностей, но регуляторные элементы могут влиять на гены на больших расстояниях. Статья DeepMind в Nature показала, что точное учёт влияний на расстоянии более 100 000 пар оснований по-прежнему остаётся сложной задачей. Тканеспецифические и зависящие от состояния эффекты также по-прежнему трудно последовательно воспроизводить.

AlphaGenome не была разработана или протестирована для предсказания последствий полного генома человека. Сложные признаки и заболевания могут зависеть от множества вариантов, развития, функции генов и факторов окружающей среды, которые находятся за пределами прямой модели «последовательность — молекулярная функция».

Таким образом, Atlas меняет стоимость и скорость отбора гипотез, а не стандарт доказательности. Он может ранжировать миллиарды кандидатных замен и сразу раскрывать предсказанные механизмы, но значимые выводы всё ещё требуют популяционных доказательств, независимых вычислительных проверок и экспериментального подтверждения.

Частые вопросы

Что содержит AlphaGenome Atlas?

Он содержит предварительно вычисленные предсказания молекулярных эффектов и показатели AVI для примерно 9 миллиардов возможных однонуклеотидных замен в референсном геноме человека.

Почему возможны 9 миллиардов изменений?

В геноме примерно 3 миллиарда позиций, и референсную букву в каждой позиции можно заменить тремя альтернативными буквами ДНК.

Охватывает ли Atlas все типы генетических мутаций?

Нет. Его каталог из девяти миллиардов вариантов охватывает односимвольные замены, но не все вставки, делеции, структурные варианты или комбинации изменений, встречающиеся в персональных геномах.

Могут ли врачи использовать показатель AVI для диагностики пациента?

Нет. Google заявляет, что предсказания AlphaGenome предназначены для теоретического моделирования и исследований и не должны использоваться для принятия клинических решений.

Как исследователи могут получить доступ к Atlas?

Некоммерческие исследователи могут использовать браузерный портал или AlphaGenome API. DeepMind также предлагает навык Atlas для Google Antigravity и планирует коммерческую доступность через Google Cloud.

Источники

• Оригинальное объявление Google DeepMind в X
• Google DeepMind: AlphaGenome Atlas — предсказательная карта каждого возможного изменения буквы ДНК в геноме человека
• Google: представляем AlphaGenome Atlas
• Google DeepMind: AlphaGenome
• Nature: улучшение предсказания эффекта регуляторных вариантов с AlphaGenome
• Репозиторий AlphaGenome API от Google DeepMind и условия использования
• IEEE Spectrum: Google DeepMind отображает 9 миллиардов возможных вариантов ДНК