谷歌 DeepMind 发布 AlphaGenome Atlas：覆盖 90 亿个单核苷酸变异的基因组预测图谱
2026 年 9 月 8 日
谷歌 DeepMind 于今日推出 AlphaGenome Atlas 平台，并随附相关论文。该平台预先计算了 AlphaGenome 模型对人类基因组中约 90 亿个单核苷酸变异（SNV）分子影响的预测，构成目前最全面的基因突变分子效应目录，并通过免费开放的网站门户向学术研究提供。
DNA 是生命的语言，但解读它长期受限于一个基础难题：如何解释基因变异在分子层面对生物学的影响。人类基因组中约存在 90 亿个可能的单字母突变，在实验室中逐一检验几乎不可行。AlphaGenome 是 DeepMind 开发的人工智能模型，可预测遗传变异对生物过程的影响；通过预先计算其预测结果，AlphaGenome Atlas 将模型能力转化为一份可直接查询的资源，类似地图集将海拔、位置等地理要素整合为一体。
与 AlphaGenome Atlas 同步发布的还有 AlphaGenome Variant Impact（AVI）评分。该评分融合 AlphaGenome 与 AlphaMissense（DeepMind 预测蛋白质改变型 DNA 变异影响的模型）的预测结果，将两类模型输出凝聚为单一数值，帮助研究人员快速对变异排序，并解释其分子效应。AVI 评分同时适用于编码区（占基因组的 2%）和非编码区（占 98%），后者调控基因活性，承载了大多数与性状相关的变异。DeepMind 的测试显示，AVI 评分在多个变异致病性与罕见病基准测试中表现最佳。为便于解读，团队还计算了 AVI 特征归因，标出每个变异预计影响最大的分子过程，如 RNA 剪接或基因表达。
规模超 AlphaFold 数据库 30 倍
2022 年 AlphaFold 数据库扩展时，可用的 3D 结构信息从约 19 万个实验结构扩展到超过 2 亿个预测结构，覆盖了科学界已编目的几乎所有蛋白质。AlphaGenome Atlas 比该数据库大 30 倍以上。与 AlphaFold 数据库为无编码经验的研究者提供可视化门户类似，AlphaGenome Atlas 的设计目标同样在于降低使用门槛，让科学家能够直观地探索这一超大规模数据集。
AlphaGenome Atlas 包含多个相互关联的资源：
- 分子效应预测：涵盖每个变异的数千项分子效应预测，涉及基因调控的多个关键环节，覆盖数百种人类及小鼠细胞类型与组织，并作为后续资源的起点；
- AVI 评分：以单一数值描述每个基因变异的影响，同时关联 AlphaGenome 预测的基因调控特征或 AlphaMissense 的蛋白质影响评分等不同生物学特征；
- DNA 序列基序（motif）：收录 2500 多个反复出现的 DNA 序列及其位置的完整集合，构成基因组的「词汇表」。
这些资源支持从快速变异排序到变异功能深入研究的广泛遗传学任务。
实际应用：罕见病、人群遗传学与分子生物学
推进未解罕见病研究。罕见病研究的主要障碍之一，是从数千个候选基因变异中锁定少数致病变异。GREGoR 联盟的研究人员使用 AVI 评分对既往研究中被忽视的变异进行优先级排序。布罗德研究所的 Laura Covill 与 Anne O'Donnell-Luria 及同事在研究中发现了影响 DNM1 基因的变异，该变异与一种脑病存在强关联。基于 AVI 评分的 AlphaGenome 预测进一步指出了该变异的具体功能：它产生了一个错误的剪接位点，导致生成的蛋白质异常延伸。实验筛选验证了上述预测，并发现了具有类似效应的邻近变异。
解析与蛋白质水平及复杂性状相关的罕见变异。识别与非编码区特定性状或疾病相关的罕见变异是公认的难题——大量无害变异会造成统计学「背景噪音」。埃克塞特大学 MRC 研究员 Gareth Hawkes 将 AlphaGenome Atlas 应用于英国生物银行 5.4 万余名参与者的全基因组数据，按预测的分子效应对罕见变异分组后，识别出 22% 此前因统计噪音无法检测的非编码遗传关联，并确定了调控人体内关键循环蛋白水平的特定调节变异，涉及与衰老相关的 PLA2G7 和重要细胞氧感受器 EGLN1。Hawkes 还利用该图谱分析了英国生物银行中数亿个非编码变异与体重指数（BMI）的关联：聚焦 Atlas 预测影响最大的 1% 非编码变异后，鉴定出 19 个相关遗传区域。
识别基因组的调控「词汇」。Atlas 还可用于识别在不同细胞类型中驱动不同分子过程的重复短序列（motif），例如定位转录因子（开启或关闭基因的蛋白质）的结合位点，为解读非编码变异提供额外线索。斯托瓦斯医学研究院的 Julia Zeitlinger 与 Melanie Weir 利用该资源区分了仅影响 DNA 可及性的转录因子，以及同时具备基因开关功能的转录因子。
获取方式与后续计划
DeepMind 将 AlphaGenome Atlas 定位为基线而非终点：随着 AlphaGenome 等 AI 模型的迭代，全基因组图谱将日趋完整精确。目前，该资源已可通过直观的网站门户、AlphaGenome API 使用，并作为 Google Antigravity 中的一项技能提供；非商业用途自发布之日起开放，商业用途将很快登陆 Google Cloud。AlphaGenome 基础模型此前已可在 GitHub 和 AlphaGenome API 上以学术用途获取，企业用户则可通过 Google Cloud 上的 Model Garden 调用。
DeepMind 表示，这些工具将帮助研究人员及产业合作伙伴加快生物学发现，包括识别新的治疗靶点、加深对遗传性疾病的理解，并推动下一波有针对性的实验验证。
致谢
本项目感谢埃克塞特大学、布罗德研究所、波士顿儿童医院、斯托瓦斯医学研究院、哈佛大学、纪念斯隆·凯特琳癌症中心、麻省总医院基因组医学中心及堪萨斯大学医学中心等机构的合作研究者，以及 Jun Cheng、Kyle R. Taylor、Joshua Pan 等论文作者和 DeepMind 团队成员的技术支持。DeepMind 同时感谢 Evie Gray、Adriana Fernandez Lara、Alex Wilkins 等人为本文传播所做的贡献。
AlphaGenome Atlas 提供的信息不构成专业医疗建议、诊断或治疗的替代方案。AlphaGenome 尚未经过临床用途验证或批准。
