DeepMind发布AlphaGenome Atlas：预测人类基因组90亿种单碱基变化的可能影响
新数据集覆盖100万个字母长度的DNA读取，规模超AlphaFold数据库30倍，并在癫痫病例中帮助锁定此前难以诊断的致病变异。
AI解读：DeepMind这次把问题反过来解决了：以前想知道某个基因变异有没有影响，得一个个去查AI模型，现在他们直接把人类基因组里大约90亿种单碱基变化的预测结果全部算好、存好，做成一个开放的研究工具。
这个工具真正有价值的地方在于，它覆盖了基因组里98%不编码蛋白质的区域。过去我们很难读懂这些区域的变化，而大多数疾病相关的变异恰恰藏在这里。现在每个变异平均附带约2.7万个预测值，能告诉你它到底影响哪个组织的基因开关，还是改变了基因剪接。
对于科研人员来说，这相当于把搜索范围大幅收窄。文章里的癫痫病例就是一个例证：一个孩子测了全基因组都没找到病因，用这个图谱把候选基因排到最前面，再结合预测的机制，才最终锁定了过去在血液样本里查不出来的脑特异性变异。
不过得说清楚：这是研究工具，不是诊断工具。DeepMind自己也强调，它只能作为证据链的一环。而且评估模型训练用的是一种间接方法（把人群里罕见的变异当作可能有害），虽然测试表现不错，但天然有局限。真要用于临床判断，还得靠医生和实验验证。
Google DeepMind发布了AlphaGenome Atlas，一个预测人类基因组中约90亿种可能单碱基变化影响的数据库。据The Decoder报道，该数据集规模达1 PB，是AlphaFold蛋白质结构数据库的30倍以上，基于2025年推出的AI模型AlphaGenome构建。
模型与预测内容
AlphaGenome模型每次读取100万字母长度的DNA序列，预测基因被读取的强度、调控蛋白能否结合DNA，以及基因转录本的剪接方式。此前，用户需要逐个查询单个变异的预测结果，而现在这些结果已预先计算完成。
根据论文，每个变异平均附带约27,000个预测值。该工具对基因组中约98%非编码蛋白质的区域意义最大。这些区域像开关和旋钮，决定基因在不同组织中的活性时间，是多数疾病相关变异所在之处，也是最难解读的部分。
简化评分AVI与局限
为便于日常使用，DeepMind开发了AlphaGenome Variant Impact Score (AVI)，将数千个预测值归结为单一数字。AVI结合AlphaGenome预测、蛋白质模型AlphaMissense及两个衡量DNA位点跨进化保守性的指标，使用18个输入特征，相比基准工具CADD（150多个特征）更精简。
由于几乎没有任何变异能确定是否有害，团队使用间接方法训练：将群体中极罕见的变异视为可能有害，常见变异视为可能无害，因为有害突变传代较少。论文称，尽管训练间接，在已临床分类的变异测试中，AVI超越了现有工具，尤其在非编码区域表现更好。
AlphaGenome存在局限：它不了解所有细胞类型，且无法捕捉通过其他调控蛋白数量产生的效应。DeepMind表示，图谱和AVI属于研究工具，只能作为诊断证据链中的一环。
应用案例与可用性
GREGoR联盟的一个案例展示了实际用途。一名患有严重癫痫的儿童在基因组测序后仍未获诊断。AVI将DNM1基因中此前归类为意义不明的变异推至候选列表首位，AlphaGenome预测也提供了机制：该变异在剪接过程中产生错误位点，使蛋白质增加13个氨基酸。
这仅发生在只在脑中表达的基因版本中，因此此前的血液样本检测未发现问题。实验室实验证实了预测，专家建议将其归类为可能致病。回溯联盟其他已解决案例，AVI在29.5%的病例中将致病基因排在前50位，而CADD为12.5%。
图谱还支持群体研究。埃克塞特大学Gareth Hawkes利用图谱在54,000多名英国生物银行参与者的数据中，仅分组预测行为一致的变异，比传统筛选方式多发现22%的非编码变异与血液蛋白水平关联。此外，预测结果还衍生了2,601个重复出现的短DNA序列模式，即调控蛋白结合的基因组“词汇”。