Google DeepMind 推出 AlphaGenome Atlas，提供 90 億個 DNA 變異的預測結果
AlphaGenome Atlas 透過一個一 PB 的資料庫，讓使用者可搜尋 90 億個人類 DNA 變異的預測分子效應。
文章目錄 · 12
Google DeepMind 於 2026 年 9 月 8 日推出 AlphaGenome Atlas，讓研究人員可搜尋約 90 億個人類基因組單一字母變化的預測分子效應。
這個一 PB 資料庫預先將 DeepMind 的 AlphaGenome 模型套用至人類參考基因組。研究人員毋須逐一選取變異、編寫程式碼，並為每次分析執行運算需求極高的模型，而是可透過網頁入口或程式介面擷取已計算的結果。
Atlas 亦引入 AlphaGenome Variant Impact 分數，即 AVI 分數。它結合 AlphaGenome 對調控效應的預測，以及 AlphaMissense 對蛋白質改變變異的預測，產生一個可用於排序編碼及非編碼 DNA 變化的分數。
這是一個研究優先排序系統，而非臨床診斷資料庫。其中的條目是模型預測，並非經實驗確立的發現；Google 亦明確禁止將其用於臨床決策。
一、DeepMind 已預先計算每一個可能的單一字母替換
人類基因組約有 30 億個鹼基對。每個位置上的參考 DNA 字母，理論上可由其餘三個字母中的任何一個取代，因此產生約 90 億個可能的單核苷酸替換。
AlphaGenome Atlas 載有相對於人類參考基因組的整個搜尋範圍預測結果。所得資料集約佔一 PB；DeepMind 表示，這比 AlphaFold Database 的規模大逾 30 倍。
這個規模並不代表 Atlas 涵蓋人類遺傳變異的所有可能形式。它聚焦於單一字母替換。插入、缺失、結構變異，以及個別基因組內的變異組合，均不在這個發布內容所述的 90 億個變異目錄之內。
在 Atlas 推出前，研究人員可向 AlphaGenome API 提交選定的序列或變異。這種做法適合針對性研究，但要求使用者先決定測試內容，然後投入運算資源生成預測。DeepMind 表示，普通模型 API 適合涉及數千項預測的分析，對超過一百萬項預測的工作負載則不大可能合適。
Atlas 將這些運算前移。根據 IEEE Spectrum 對發布的報道，DeepMind 最初估計，需要約 80 倍的速度提升，才能在實際可行的時間內計算整個資料集合。團隊利用模型蒸餾、最佳化 GPU 核心，以及移除重複計算，以達至所需規模。
實際結果是一個共享查閱資源。實驗室毋須為常見變異重複進行相同的模型推論，而未能使用較新加速器的研究人員亦可透過瀏覽器檢視預測結果。
二、AlphaGenome 預測甚麼
AlphaGenome 於 2025 年 6 月推出，並在 2026 年 1 月 28 日發表的一篇經同儕評審 Nature 論文中介紹。它是一個序列至功能模型：以 DNA 序列作為輸入，並預測與基因調控相關的分子測量結果。
該模型每次可處理多達一百萬個 DNA 鹼基對。其架構使用卷積層識別局部序列模式、transformers 在輸入內容之間交換資訊，以及專門處理不同基因組活動形式的輸出層。
已發表的模型可同時預測跨越 11 種模態的 5,930 條人類或 1,128 條小鼠基因組軌跡。當中包括 RNA 表達、轉錄起始、染色質可及性、組蛋白修飾、轉錄因子結合、三維染色質接觸、剪接位點、剪接位點使用情況，以及剪接接合點的座標和強度。
就變異分析而言，AlphaGenome 會比較由參考序列產生的預測，與含有替代 DNA 字母的序列所產生的預測。兩者差異顯示模型預期該變化會如何影響特定生物學情境中的分子過程。
在 Nature 評估中，AlphaGenome 在 26 項變異效應評估中的 25 項，達到或超越最強的外部模型；並在 24 項基因組軌跡任務中的 22 項取得最先進結果。這些測量是在既定基準下評估個別模型能力；它們並不證明新 Atlas 中的每一項預測都正確。
Atlas 為每個變異載有數千項分子效應預測。它亦將變異連結至一個包含逾 2,500 個重複出現 DNA 序列基序的集合，可協助研究人員探究某項變化是否破壞了可識別的調控模式。
三、AVI 分數加入全基因組排序層
AlphaGenome 產生的輸出數量本身帶來詮釋問題。一個變異可能在眾多組織及細胞類型中，對預測 RNA 豐度、染色質可及性或剪接產生不同影響。當研究開始時已有數千或數百萬個候選項目，逐一檢視每項輸出並不可行。
AVI 分數將這些資訊濃縮為單一影響數值。就非編碼區域而言，它採用 AlphaGenome 的調控預測；至於改變蛋白質的變異，則納入 AlphaMissense，即 DeepMind 用於評估錯義變化的專門模型。
這讓研究人員可在約佔基因組 2%、負責編碼蛋白質的部分，以及涉及控制基因活動而規模大得多的非編碼部分之間，使用共同的排序機制。高分旨在找出值得深入檢視的變異，而不是宣稱某個變異會引致疾病。
DeepMind 亦隨分數提供特徵歸因。這些會將結果拆解為生物學類別，例如 RNA 剪接、基因表達、染色質可及性、序列保守性或蛋白質功能的預測變化。因此，研究人員可由已排序的候選項目，進一步得出所提出的分子機制。
這個可解釋性層面很重要，因為單一綜合分數可掩蓋重要差異。一名接受 IEEE Spectrum 訪問的獨立基因組學家警告，由於基因組調控涉及許多互相作用的過程，這個簡化數字可能被誤解。詳細預測及特徵歸因，仍是理解某個變異何以獲得其排序的必要資訊。
四、早期研究顯示 Atlas 如何縮窄搜尋範圍
DeepMind 表示，外部研究團隊在發布前已將 Atlas 用於罕見疾病、群體遺傳學及基因調控項目。這些例子顯示其作為實驗工作的篩選工具之預期角色。
與 Broad Institute 及 GREGoR Consortium 有關的研究人員，利用 AVI 分數為尚未解決的罕見疾病個案排列變異優先次序。其中一個候選項目影響 DNM1 基因，該基因與發展性及癲癇性腦病有關。
AlphaGenome 預測，該變化建立了一個錯誤的剪接位點，並令所得蛋白質出現異常延伸。DeepMind 表示，實驗篩選驗證了預測機制，並找出附近具有類似效應的變異。提供驗證證據的是實驗，而非原始模型分數。
在另一項分析中，University of Exeter 研究人員 Gareth Hawkes 將 Atlas 套用於逾 54,000 名 UK Biobank 參與者的全基因組資料。DeepMind 報告指，按預測分子效應將罕見非編碼變異分組，比較方法可多找出 22% 可偵測的遺傳關聯。
據報其中一項分析將一個含有 526 個初始候選項目的區域，縮減至四個獲優先排序的變異。該工作識別出與包括 PLA2G7 及 EGLN1 在內蛋白質循環水平相關的調控候選項目。
在一項身體質量指數分析中，Hawkes 將搜尋範圍限制為 Atlas 排列為影響最大的 1% 非編碼變異。該過程找出 19 個有待進一步研究的基因組區域。這些關聯確立了研究目標；它們並不證明被標示的變異會各自引致體重變化。
Stowers Institute for Medical Research 的研究人員亦利用基序資源，研究涉及染色質可及性及基因活化的調控序列。這說明 Atlas 除了為疾病變異排序外的第二種用途：大規模查詢預測效應，以研究控制基因活動的基本規則。
五、存取條件及科學限制
AlphaGenome Atlas 可透過免費網站供學術及其他非商業研究使用。DeepMind 亦列出可透過 AlphaGenome API 及適用於 Google Antigravity 的 AlphaGenome Atlas skill 存取。發布時，透過 Google Cloud 提供商業 Atlas 存取被描述為即將推出；至於底層 AlphaGenome 模型，現時已有一條付費、允許清單制的 Google Cloud 部署途徑。
公開 API 的條款限制 AlphaGenome 輸出及 Atlas 資訊僅可作非商業用途，除非獲明確許可。Google 亦表示，不得使用這些輸出訓練其他機器學習模型。
最重要的是，AlphaGenome 既非為臨床診斷用途而設計，亦未獲准作此用途。預測不能取代病人證據、實驗室驗證、臨床詮釋或醫療建議。
與較早期的序列模型相比，該模型的一百萬個鹼基輸入規模龐大，但調控元素可跨越長距離影響基因。DeepMind 的 Nature 論文發現，準確捕捉相距超過 100,000 個鹼基對的影響仍具挑戰。組織特異及條件特異效應亦仍難以穩定重現。
AlphaGenome 並非為預測一個人完整基因組的後果而設計或建立基準。複雜特徵及疾病可取決於多個變異、發育、基因功能及環境因素，而這些均不屬於直接的序列至分子功能模型範圍。
因此，Atlas 改變的是假設選擇的成本及速度，而非證據標準。它可為數十億個候選替換排序，並即時揭示預測機制，但具重要影響的發現仍須有群體證據、獨立運算檢查及實驗確認。
常見問題
AlphaGenome Atlas 包含甚麼？
它包含人類參考基因組中約 90 億個可能單核苷酸替換的預先計算分子效應預測及 AVI 分數。
為何有 90 億個可能變化？
基因組約有 30 億個位置，而每個位置上的參考字母可由三個替代 DNA 字母取代。
Atlas 是否涵蓋所有類型的基因突變？
否。其 90 億個變異目錄涵蓋單一字母替換，並不涵蓋個人基因組中所有插入、缺失、結構變異或變化組合。
醫生可否使用 AVI 分數診斷病人？
否。Google 表示，AlphaGenome 預測用於理論建模及研究，不得用於臨床決策。
研究人員如何存取 Atlas？
非商業研究人員可使用瀏覽器入口或 AlphaGenome API。DeepMind 亦為 Google Antigravity 提供 Atlas skill，並計劃透過 Google Cloud 提供商業服務。
參考來源
Share