DeepMind推出AlphaGenome Atlas：90亿DNA变异的AI预测图谱

AlphaGenome Atlas是什么

一个覆盖90亿种单碱基DNA变异预测影响的可搜索数据库正式亮相。据发布方介绍，AlphaGenome Atlas是一个由AI驱动的资源，旨在系统性地映射人类基因组中所有可能的单个字母（碱基）变化对生物学功能的预测影响。

所谓「单碱基变化」，指的是基因组中某个位置上A、T、C、G四种碱基之一被替换为另一种。人类基因组约有30亿个碱基位置，理论上每个位置都可以发生三种不同的替换，由此产生的组合数量高达约90亿。AlphaGenome Atlas的核心价值，就在于对这一庞大的变异空间进行了系统化的预测标注。

为什么这件事值得关注

长期以来，理解某个特定DNA突变会带来什么样的生物学后果，是遗传学和基础生物学研究中的核心难题。绝大多数变异位于不编码蛋白质的调控区域，其功能影响难以通过传统实验逐一验证——实验成本高、周期长，且90亿种组合远超任何实验室的通量极限。

AI预测模型的介入，提供了一条截然不同的路径。通过对基因组序列与功能数据的学习，模型可以对未曾实验验证的变异给出功能影响预测。AlphaGenome Atlas把这种预测能力封装成一个可搜索的数据库，意味着研究者无需自行运行复杂模型，就能直接查询感兴趣位点的预测结果。

AlphaGenome Atlas背后的核心模型是DeepMind于2024年发布的AlphaGenome，其前身可追溯至更早的Enformer等序列到功能预测模型。这类模型的基本思路是：将一段基因组DNA序列作为输入，预测该区域的一系列分子表型输出，例如基因表达水平、染色质可及性（ATAC-seq信号）、组蛋白修饰状态以及转录因子结合位点等。通过分别输入参考序列和含有目标变异的替代序列，再对比两者的预测输出差异，即可量化该变异对各类功能信号的预测影响程度（即"in silico突变效应预测"，ISM）。与早期仅关注编码区氨基酸变化的工具不同，此类模型可以处理非编码区的调控变异，而人类遗传疾病相关变异中超过90%实际上落在非编码区域，这正是该方法的核心优势所在。

对研究者意味着什么

发布方强调，这个工具的目标是帮助研究者「更好地理解我们的生物学」。从实际应用场景看，这类资源至少在几个方向上具备潜力：

加速变异功能筛选

面对全基因组测序中发现的大量变异，研究者往往需要优先判断哪些变异更可能具有功能意义。一个覆盖所有可能变异的预测图谱，可以作为初筛工具，帮助缩小需要实验验证的候选范围。

支持疾病相关变异的解读

在临床遗传学与疾病机制研究中，判断一个罕见变异是「致病」还是「良性」是关键挑战。AI预测的功能影响评分，能够为这类判断提供额外的参考维度，尤其对于缺乏既往报道的新发变异。

在临床遗传学领域，变异解读通常遵循美国医学遗传学与基因组学学会（ACMG）制定的分类框架，将变异划分为"致病""可能致病""意义未明（VUS）""可能良性"和"良性"五个等级。目前全球各大基因变异数据库（如ClinVar）中积累了数百万条VUS记录，其临床意义悬而未决，给遗传咨询和患者管理带来巨大困难。AI功能预测评分有望作为新的ACMG证据条目（目前部分工具已获认可，如SpliceAI用于剪切位点变异），帮助推动VUS的重新分类，但监管层面的验证标准和临床采纳门槛仍是主要障碍。

为调控区域研究提供线索

非编码区域的变异功能一直是研究盲区，而基于序列的AI模型在捕捉调控信号方面展现出优势。系统化的预测数据可能揭示此前被忽视的调控位点。

非编码调控区域涵盖启动子、增强子、沉默子、绝缘子以及各类非编码RNA基因等功能元件，它们在空间和时间维度上精细调控基因的表达。传统的大规模突变效应实验技术（如MPRA，大规模平行报告基因分析）虽然可以在细胞模型中批量测试调控元件活性，但通量仍远不足以覆盖90亿级别的变异空间，且难以在组织特异性和发育动态背景下重现体内真实调控状态。基于序列的AI预测模型通过学习数十种细胞类型的多组学功能数据，在一定程度上捕捉了调控信号的细胞类型特异性，这使得系统化的预测图谱有望成为靶向设计后续实验的"导航工具"，而非替代实验本身。

需要保持的审慎

必须清醒地认识到，AlphaGenome Atlas提供的是「预测」而非「结论」。AI模型的输出本质上是基于已有数据的统计推断，其准确性受限于训练数据的覆盖范围与模型本身的能力边界。对于预测结果，研究者仍需通过实验加以验证，尤其在涉及临床决策时更应谨慎。

从当前公开的信息看，这次发布主要传递了产品定位与愿景，关于模型的具体架构、预测准确率的基准测试、以及数据库的访问方式等技术细节，还有待进一步披露。这些信息将直接决定该工具在真实科研场景中的实用价值。

小结

AlphaGenome Atlas代表了AI在基础生物学研究中日益深入的趋势——从辅助分析走向系统性地构建可查询的知识资源。将90亿种DNA变异的预测影响整理成一个可搜索数据库，本身就是一项工程与科学结合的尝试。它能否真正推动生物学理解的进步，取决于预测的可靠性以及研究社区的实际采纳程度。对于关注计算生物学与AI for Science方向的研究者，这是一个值得持续跟踪的进展。