Google DeepMind 发布 AlphaGenome Atlas，预测 90 亿种 DNA 变体影响

Google DeepMind 在 2026 年 9 月 8 日发布 AlphaGenome Atlas，这是一个面向学术研究的 AI 基因组资源，包含对人类基因组中 90 亿种单核苷酸变体的分子影响预测。平台通过免费网页入口、AlphaGenome API 和 Google Antigravity 提供访问，目标是帮助研究人员更快理解 DNA 单字母变化可能怎样影响细胞中的生物过程。

这项发布瞄准的是现代基因组学中的核心难题。今天的测序技术已经可以大规模读取 DNA，但知道某个变异是否真正影响疾病、性状或基因调控，仍然需要大量实验和专业判断。人类基因组大约有 30 亿个碱基对，任何一个位置的单字母替换都有可能改变基因表达、RNA 剪接、蛋白质功能或其他分子过程。逐一在实验室测试所有可能变体几乎不可行，因此研究人员需要能帮助排序和筛选候选变体的计算工具。

AlphaGenome Atlas 建立在 Google DeepMind 早前的 AlphaGenome 模型之上。不同之处在于，研究人员不必只针对少量变体运行模型，DeepMind 已经在全基因组尺度预先计算预测结果，并把它们整理成类似地图的资源。公司称，这个数据库规模约为 1 PB，比 AlphaFold Database 大 30 多倍，提供的是全局视角，而不是零散的单点预测。

平台还引入 AlphaGenome Variant Impact，也就是 AVI 评分。这个评分结合 AlphaGenome 与用于预测蛋白质改变影响的 AlphaMissense，希望用一个数字帮助研究人员快速判断某个变体值得优先关注的程度，同时还能查看背后哪些分子特征推动了模型判断。这一点尤其重要，因为人类基因组中直接编码蛋白质的区域只占约 2%，其余非编码区域虽然更难解释，却对基因活动控制和许多性状有重要影响。

Google DeepMind 表示，外部合作研究者已经使用 AlphaGenome Atlas 找到并通过实验验证了一些未解罕见病研究中的关键变体，也发现了与常见性状相关的罕见变体。这并不意味着 AI 可以取代实验或临床判断。它更像是一个缩小搜索范围的研究基础设施，让科学家更快决定哪些变体值得验证、可能涉及哪些机制，以及哪些生物信号需要深入观察。继 AlphaFold 改变蛋白质结构研究之后，AlphaGenome Atlas 显示 AI 生物学工具正在从单点预测走向可浏览、可检索、可规模化使用的科学平台。