AlphaGenome Atlas：DeepMind如何用AI破译基因组语言

基因组：生命的语言

如果把人类基因组比作一本书，那它是一本极其冗长又难懂的书。埃克塞特大学讲师Gareth Hawkes博士给出了一个直观的类比：人类基因组包含约30亿个碱基对，如果你给每个碱基对一秒钟的时间去阅读，光是读完一遍就要花上数十年。

这本"生命说明书"里藏着细胞运作的全部指令，但人类真正理解的部分少之又少。来自人口基因组学中心（Center for Population Genomics）的基因组分析师Sam Bryan直言，基因组令人着迷的地方在于——它把海量指令分散在30亿个碱基对里，而我们对这些指令如何彼此交互几乎一无所知。

理解基因组，本质上就是理解生命的语义：这段DNA在"说"什么？我们如何读懂它？又如何用它来认识我们自己？Google DeepMind推出的AlphaGenome及其Atlas平台，正是试图回答这些问题的工具。

AlphaGenome：预测单个突变的后果

AlphaGenome是一个专门建模"生命语言"的AI模型。它的工作方式是：读取一段基因组序列，然后预测——如果对这个区域做一个单点突变，会发生什么。

这套逻辑的价值在于，遗传疾病往往源自基因编码中细微的变化。通过对这种"语言"进行建模，研究者可以判断某个基因突变到底做了什么、是否有害。这相当于让AI去理解DNA字母的排列组合背后隐藏的含义，而不是仅仅记录序列本身。

不过AlphaGenome会为每个位点输出大量预测值——据团队介绍，单个变异可能对应上万个数字。这带来一个现实问题：面对如此海量的多维输出，生物学家该如何快速判断哪个突变值得关注？

单点突变（Single Nucleotide Variant，SNV）是基因组中最常见的变异形式，指DNA序列中某一个碱基被另一个碱基取代。人类个体之间约有99.9%的基因组是相同的，剩余0.1%的差异中，SNV占了绝大多数。然而并非所有单点突变都有影响——绝大多数落在非编码区域或同义位点，对蛋白质功能不造成改变；少数则会破坏调控元件、改变基因表达水平，甚至直接导致蛋白质功能丧失。传统实验方法验证一个突变的功能影响往往耗时数月，而人类基因组中潜在的SNV数量高达数十亿，这正是AlphaGenome这类计算预测工具的核心价值所在——通过模型推断大规模替代实验验证。

AVI评分：把上万个数字压缩成一个

为了解决这个"数字过载"问题，团队设计了AVI（Aggregate Variant Impact，变异影响综合评分）。它的核心动机很直接：如何从AlphaGenome给出的上万个数字，浓缩成一个可以用于高效优先级排序的单一数值。

AVI是一个衡量变异有害程度或影响力的分数。数值越高，意味着这个变异越可能对表型（可观测的人体性状）产生影响，比如导致疾病。团队用了一个形象的比喻：把干草堆缩得越小，就越容易找到那根针。

更值得关注的是规模——团队已经为人类基因组中全部约90亿种可能的单字母变化预先计算了AVI评分。这意味着对任何一个潜在的单点突变，研究者都能直接查到它的影响力评分，而无需临时重新计算。

AlphaGenome Atlas：一个可视化的生命词典

AlphaGenome Atlas被团队称为目前最全面、最精确的变异效应预测平台，其数据规模约为1PB（一千万亿字节）。

Atlas不只是一个庞大的数据资源，同时也是一个网站。团队特别强调它的易用性——目标是让那些不擅长编程的生物学家也能便捷地使用这些预测结果。团队搭建了一个基因组浏览器，用户可以从不同视角观察基因组中哪些区域会"亮起来"。一位团队成员形容，这就像"透过一扇新的窗户去看基因组"。

Atlas的意义在于，它开始成为一份"蓝图"：无论某个碱基对位于哪条染色体、在哪种细胞类型中起作用，都能被纳入这套体系，去理解它如何影响人体性状。用团队的话说，他们正在为"生命的语言"建立一部词典（thesaurus）。

1PB（Petabyte，拍字节）约等于100万GB，这一数据规模意味着Atlas存储的不只是序列本身，而是经过模型推断后的预测结果矩阵——涵盖不同细胞类型、不同分子表型（如基因表达量、染色质可及性、转录因子结合等）在每一个变异位点上的预测值。基因组浏览器（Genome Browser）是基因组学研究中的标准可视化工具，UCSC Genome Browser和Ensembl是领域内两个最广为人知的公共平台，允许研究者以坐标轴形式浏览染色体区域、叠加注释轨道。Atlas在此基础上叠加了AI预测的变异效应层，使研究者可以直接观察到某个区域在特定细胞类型中的预测活性变化，而无需自行运行计算流程。

AI正在改写科研的方式

这项工作反映出一个更大的趋势：AI正在从根本上改变科研的进行方式，让科学进步的速度远超以往。

DeepMind的野心不止于单一模型。团队透露，他们正在构建一个更广义的"智能体框架"（agentic framework），把从AlphaFold到AlphaGenome等一系列专业化模型整合起来，帮助科学家应对人类面临的最重大挑战。

从蛋白质结构预测（AlphaFold）到基因组变异解读（AlphaGenome），DeepMind正在逐步拼接一张覆盖生命科学核心问题的AI能力地图。对于研究者而言，任何在这一领域取得的进展，都可能带来巨大的影响。

AlphaFold于2020年在CASP14竞赛中以压倒性优势解决了困扰结构生物学50年的"蛋白质折叠问题"，即从氨基酸序列预测蛋白质三维结构。该成果被《科学》杂志评为2021年年度突破，并直接推动了2024年诺贝尔化学奖授予DeepMind联合创始人Demis Hassabis及AlphaFold核心开发者John Jumper。AlphaFold解决的是"结构"问题，而AlphaGenome则试图在基因组层面回答"调控"问题——即DNA序列如何决定基因在何时、何地、以何种强度被表达。二者共同构成了从序列到功能的两条关键推断链路，智能体框架的目标正是将这些链路串联为一个可协同工作的研究助手系统。