Google DeepMind发布AlphaGenome Atlas：90亿种DNA单字母变异的1PB预测图谱

DeepMind 9月8日发布AlphaGenome Atlas，基于其AlphaGenome模型预先计算了人类基因组中每个可能单字母变异的分子效应，1PB数据集约为AlphaFold数据库30倍；配套AVI影响评分，免费供学术研究者查询；外部合作者已用其在罕见病与复杂性状研究中识别关键变异并实验验证。

AlphaFold打开了"按需预测蛋白质结构"的入口；AlphaGenome Atlas则把"按需预测DNA变异效应"变成"预先算好的、可浏览器直查的数据库"。1PB体量、覆盖90亿种SNV、覆盖编码与非编码双区，这种规模释放的"研究产能"在基因组学上不可逆。Goto:AI✹DEepthink.cn

一、背景

人类基因组约30亿碱基对，其中仅约2%编码蛋白质（编码区），98%为非编码区，承担调控基因表达等"指令集"角色。AlphaMissense覆盖编码区单字母变异效应预测；AlphaGenome（2025年DeepMind已发布）专门覆盖非编码区单变异的功能预测，但此前研究者需自行写代码调用API、且需要为每个变异单独计算。Atlas的目标是：把"算一遍"前置成"查一遍"。

二、难点

DNA 有 30 亿个字母位置，每个位置可突变成另外 3 种字母——合计约 90 亿种单字母变异。在实验室逐个测试在物理上不可能；用 AlphaGenome 逐个现算，对绝大多数实验室来说算力也不可行。

DeepMind 的解法是两步：Goto:AI✹DEepthink.cn

把模型提速 80 倍：模型蒸馏（小“学生”模型学大“教师”模型）+ GPU 内核优化 + 去冗余计算。蒸馏后单个变异的全模态预测在一张 H100 上不到 1 秒——预计算 90 亿次才变得可行。
一次性全部算完存下来：对参考基因组做“计算饱和诱变”，把结果变成任何人打开浏览器就能查的“查找表”。此前 AlphaGenome API 已有约 9,000 名研究者使用，但需要写代码；Atlas 把门槛降到零。

三、研究方法

DeepMind技术细节：

对hg38人类参考基因组进行全基因组"in silico饱和突变"，每个位点评估3种可能碱基替换，并覆盖超过1亿个观测到的短插入/缺失。
每个变异平均产生约27,000个实验特定标量预测，覆盖数百种人类和小鼠细胞类型与组织。
配套AlphaGenome Variant Impact（AVI）综合评分：融合AlphaGenome、AlphaMissense、保守性与功能缺失特征，将每个变异压缩为单一数字，并对编码区与非编码区均有效。
同时索引2,601个反复出现的DNA motif，绘制转录因子在不同细胞系中的结合位点。

四、研究结果

数据集规模：1PB（约为AlphaFold数据库30倍）。可访问性：通过网页门户（零代码）、AlphaGenome API、Google Antigravity中的Skill开放，静态AVI评分下载采用宽松许可。早期外部验证成果：

1. 罕见病

Broad 研究所联合 GREGoR 联盟用 AVI 评分重新排序，锁定 DNM1 基因内含子变异——预测它制造了异常剪接位点，实验验证确认与癫痫性脑病相关。此前该变异被常规分析漏掉。

2. 群体遗传学

Exeter 大学 Hawkes 将 Atlas 应用于 54,000+ 名 UK Biobank 参与者全基因组数据，按预测机制分组后，非编码与循环蛋白的关联多检出 22%（如 PLA2G7、EGLN1），并筛出 19 个与 BMI 相关的基因组区域。

3. 调控语法Goto:AI✹DEepthink.cn

Stowers 研究所用模体库区分了“只改变 DNA 可及性”与“真正开关基因”的转录因子。

五、横向对比

工具	覆盖区	单次成本	单变异效应预测数	是否需编程
AlphaMissense	仅编码区	中	1项蛋白影响	需要
AlphaGenome（2025）	编码+非编码	高（自建算力）	数千	需要
AlphaGenome Atlas	编码+非编码	零（学术免费）	数千+AVI	不需要

六、安全与伦理

往大了说，AlphaFold 回答了“蛋白质长什么样”，Atlas 开始回答“DNA 字母在说什么”——90 亿个“如果”被一次性算完，人类第一次拥有非编码“暗物质”的完整预测地图；往小了说，它把罕见病诊断的起点从“猜哪个变异”变成“查一张表”。

临床边界：DeepMind明确强调Atlas及其评分未经临床验证，不能作为独立诊断证据 ，仅是研究工具；模型遗漏了部分细胞系与非多聚腺苷酸化 RNA。
商业与学术的边界：静态AVI评分下载采用宽松许可，但完整商业托管要在Google Cloud上提供；研究界担心"开源基础设施最终被云平台托管"。
隐私边界：Atlas来自群体预测，不涉及个体基因组数据。

七、扩展分析

1. 产业链影响

罕见病诊断产业链会先被重塑——多个罕见病联盟（如GREGoR、Undiagnosed Diseases Network）工作流将AVI评分纳入第一道筛选。
药物靶点发现环节，非编码调控区变异的相关性证据生成会从"耗时数月"压缩为"数小时"。

2. 意义Goto:AI✹DEepthink.cn

这是继AlphaFold之后，DeepMind在生命科学基础设施层的第二个"开放数据库级"动作。AlphaFold用结构重塑了结构生物学，Atlas的赌注更大：用"全变异效应预计算"重塑功能基因组学。如果未来被纳入临床决策辅助路径，影响力会远超今天的科研工具属性。