AlphaGenome Atlas：覆盖90亿种DNA突变的AI基因组图谱

一张覆盖90亿种DNA突变的AI图谱

Google DeepMind近日推出了AlphaGenome Atlas，一个由AI驱动的人类基因组突变影响预测图谱。这个项目的核心目标在于——为人类基因组中所有可能的单碱基突变建立一张完整的预测地图。

人类基因组约含30亿个碱基对，每个碱基位点理论上都可以突变为其他三种碱基（A、T、C、G之间的替换）。这意味着单核苷酸变异（SNV）的组合总数高达约90亿种。所谓单核苷酸变异，是指基因组中某个位置的单个碱基发生改变，例如A变为G。SNV是人类基因组中最常见的遗传变异类型，据估计每个人的基因组中约携带400-500万个SNV。其中大多数是中性的，不会产生明显的功能影响，但少数关键位点的突变可能导致蛋白质功能改变、基因调控紊乱，进而引发疾病。区分哪些SNV是「良性的」，哪些是「致病的」，正是精准医学面临的核心挑战之一。

AlphaGenome Atlas通过预先计算AlphaGenome模型对这全部90亿种可能突变的预测结果，形成了一个规模达**1PB（1000TB）**的庞大数据集。1PB相当于约100万GB，大致等同于2亿张高清照片或13年不间断的高清视频录像的数据量。在生物信息学领域，处理PB级数据集需要分布式存储系统和高效的索引检索架构，传统的关系型数据库在这一规模下往往力不从心，通常需要采用列式存储格式（如Parquet或Zarr）以及分片索引策略来实现毫秒级查询响应。AlphaGenome Atlas能够将如此大规模的预计算结果组织为可检索的知识库，本身就是一项重要的数据工程成就。

这一产品在Product Hunt上线后获得了105个投票，位列当日榜单第6名，被归类于「健康健身」与「人工智能」两大领域。

非编码区突变预测：破解基因组98%的「暗物质」

在基因组学研究中，理解突变的实际功能后果一直是核心难题。传统基因研究大多聚焦于编码区——直接指导蛋白质合成的DNA片段。然而，人类基因组中约98%的序列属于非编码区，它们不直接编码蛋白质，却承担着调控基因表达、控制何时何地开启或关闭基因等关键功能。

非编码区曾长期被误称为「垃圾DNA」，但过去二十年的研究已经彻底改变了这一认知。特别是ENCODE（DNA元件百科全书）计划——于2003年启动，由美国国家人类基因组研究所（NHGRI）资助——旨在系统性地识别人类基因组中所有功能元件。研究发现，非编码区包含大量具有生物学功能的序列，包括增强子（可远距离激活基因表达）、沉默子（抑制基因表达）、启动子（控制基因转录起始）以及非编码RNA基因等。更关键的是，全基因组关联研究（GWAS）发现的疾病相关变异中，约90%位于非编码区，但由于缺乏有效的功能注释工具，这些变异的生物学意义长期难以解读，这正是基因组学中「暗物质」问题的核心所在。

AlphaGenome Atlas的一个突出价值，正是它同时覆盖了编码区与非编码区的变异影响预测。对于研究者而言，这意味着可以在过去难以解读的非编码区域中，快速定位那些可能具有生物学意义的变异位点。

从「逐个测算」到「即查即用」的范式转变

这个项目最具工程意义的设计是「预计算」策略。以往研究者若想用AI模型评估某个突变的影响，需要针对每个变异逐一运行模型推理，既耗时又消耗算力。而Atlas提前将所有90亿种可能突变的预测结果算好并存储下来，研究者只需查询即可获得结果。

这种「用存储空间换实时算力」的策略，在计算机科学中属于经典的「空间换时间」（space-time tradeoff）思想，在AI领域有着广泛应用。例如，搜索引擎通过预先构建倒排索引来加速查询，推荐系统通过离线计算用户-物品评分矩阵来实现实时推荐。在AI for Science领域，预计算策略尤其适用于模型推理成本高但查询模式可预见的场景。DeepMind此前的AlphaFold蛋白质结构数据库同样采用了这一策略——预先计算了超过2亿个蛋白质的结构预测并公开存储，使全球研究者无需自行运行模型即可获取结果。这种范式本质上是将AI模型的「推理能力」转化为「数据产品」，把原本高门槛的AI预测能力转化为一个可随时检索的知识库，极大降低了使用门槛。

AlphaGenome Atlas的三种访问方式

AlphaGenome Atlas提供了分层的访问路径，适配不同深度的研究需求：

• 可视化网页界面：免费开放，任何人都可以通过浏览器探索这张突变图谱，直观查看不同区域的变异影响预测。
• API接口：面向需要程序化调用、批量分析的研究者，可将预测结果整合进自己的研究流程。
• Antigravity访问：面向更深入的研究场景，提供更强的探索与分析能力。

这种设计体现了DeepMind一贯的开放策略——基础能力免费可用，同时为专业研究者保留深度接口。

对生物医学研究和临床基因组学的实际意义

AlphaGenome Atlas的核心价值，不在于给出确定的诊断结论，而在于为研究者提供一个**变异优先级排序（variant prioritization）**工具。

在临床全基因组测序或全外显子组测序中，一个患者的基因组通常会检出数百万个变异位点，其中绝大多数是常见的、无害的多态性。临床遗传学家的任务是从中筛选出可能致病的候选变异，这一过程称为变异优先级排序。传统方法依赖于频率过滤（排除常见变异）、功能注释（如SIFT、PolyPhen-2等工具预测蛋白质损伤）、以及与已知致病变异数据库（如ClinVar）的比对。但对于新发突变（de novo mutation）和非编码区变异，传统工具的能力十分有限。AI模型通过学习大规模基因组数据中的序列模式，有望弥补这一空白，为临床诊断中的「意义不明变异」（Variant of Uncertain Significance, VUS）提供新的解读线索。

借助AlphaGenome Atlas这张图谱，研究者可以先用AI预测快速筛选，把最有可能产生功能影响的变异挑出来，再投入宝贵的实验资源。本质上，这是把AI作为一个「加速漏斗」，让有限的湿实验能力用在最关键的位点上。

AI预测的能力边界

需要强调的是，AlphaGenome Atlas提供的是预测而非确证。AI模型的预测结果反映的是统计规律与模式识别，与真实生物学后果之间仍存在差距。任何关键的科学结论，仍需通过实验验证。因此，它更适合被定位为研究的「起点」与「导航工具」，而非终点。

此外，如此庞大的预测数据集，其准确性会随不同基因组区域、不同类型变异而有所差异，研究者在使用时需结合具体场景审慎判断。

从AlphaFold到AlphaGenome Atlas：DeepMind的生命科学版图

从AlphaFold破解蛋白质结构预测，到AlphaGenome及其Atlas图谱试图解读基因组变异，DeepMind正在系统性地将AI能力延伸到生命科学的核心问题上。

AlphaFold是DeepMind在生命科学领域最具里程碑意义的项目。2020年，AlphaFold2在蛋白质结构预测竞赛CASP14中取得了突破性成绩，将预测精度提升到接近实验测定的水平，解决了困扰生物学界50年的「蛋白质折叠问题」。2022年，DeepMind发布了AlphaFold蛋白质结构数据库，覆盖了超过2亿个蛋白质的预测结构，相当于几乎所有已知蛋白质序列。2024年，AlphaFold的开发者Demis Hassabis和John Jumper因此获得诺贝尔化学奖。

从蛋白质结构到基因组变异，DeepMind的战略逻辑清晰可见：沿着分子生物学的中心法则（DNA→RNA→蛋白质），逐层用AI建立预测能力，最终构建一个从基因序列到分子功能的完整AI预测链条。AlphaGenome Atlas以一个PB级、覆盖全部可能单碱基突变的数据集，把「预测每一个突变的影响」从理论构想变成了可检索的现实工具。

对于基因组学研究社区来说，这不仅是一份数据资源，更释放了一个明确的信号——AI预测正在成为生物学探索不可或缺的第一步。

核心要点