谷歌AlphaGenome Atlas：预测90亿种DNA变化，破解罕见病基因之谜

当外界的目光聚焦在OpenAI的数学奖方案、Anthropic研究员离职争议时，谷歌DeepMind悄然推出了一项可能改变生物医学研究格局的成果——AlphaGenome Atlas。这个系统能够预测人类基因组中所有可能的单碱基变化所带来的分子效应，覆盖范围高达90亿种变异。研究人员已经用它成功揭示了一个长期未解的严重癫痫病例的遗传学解释，并通过实验室实验得到了验证。

从「读懂」到「理解」：DNA研究的核心难题

谷歌把DNA描述为「生命的语言」。人类目前已经能够读取一个人的完整基因组，识别序列中的变化，但真正的难点在于——弄清楚哪些变化重要，以及它们实际做了什么。

DNA由A、C、G、T四种化学字母书写。改变其中一个字母，有时会带来显著的生物学效应，有时却完全无害，或只是造成人与人之间的普通差异（比如眼睛颜色）。所以当研究一种遗传病时，发现变异只是起点，你还需要判断它是否相关、如何致病。

更棘手的是结构问题：人类基因组中只有约2%直接编码蛋白质，我们对这部分的变化影响已经理解得相对透彻。而剩下的98%属于「非编码DNA」，它们不直接编码蛋白质，却包含大量控制基因活性的「开关」和「音量控制器」。

这98%中并非每个字母都有功能，但确实隐藏着许多我们尚未理解的关键生物学过程，比如这些区域如何调控真正制造蛋白质的基因活性。这正是AlphaGenome想要攻克的盲区。

非编码DNA曾长期被称为「垃圾DNA」，科学家一度认为它只是进化过程中的残留碎片。但过去二十年的研究，尤其是ENCODE项目（DNA元素百科全书计划）的成果，彻底改变了这一认识。研究人员发现，非编码区域中密布着启动子（promoter）、增强子（enhancer）、沉默子（silencer）等调控元件，它们控制着基因在何时、何地、以多大强度被「读取」。这些元件发生变异，可能不会改变蛋白质本身的结构，却会让本应高度活跃的基因沉默、或让本应关闭的基因过度表达。许多常见复杂疾病（如糖尿病、心脏病、精神疾病）的遗传风险变异，大多数就落在这片非编码区域，而非蛋白质编码区——这正是传统遗传分析工具的最大盲点所在。

AlphaGenome Atlas：一张覆盖90亿变异的基因组地图

AlphaGenome模型本身此前已经推出，它能预测遗传变异如何影响基因表达和RNA剪接——前者指基因信息如何被利用，后者是细胞在制造蛋白质前处理RNA的关键步骤。模型通过比较原始DNA序列和改变后的版本，预测这些过程可能受到的影响。

而这次的AlphaGenome Atlas，则是谷歌预先计算了整个人类基因组的所有此类预测，并向研究人员广泛开放。这就是「90亿」这个数字的来源：基因组约有30亿个位置，每个位置的现有字母可以被其他三个字母中的任意一个替换，30亿×3就得出约90亿种单碱基变化。

生成的数据量约为1PB（相当于约100万GB）。但仅有规模并不足以让它实用——科学家需要方法从海量数据中筛出真正相关的信息。为此，谷歌还引入了AlphaGenome变异影响评分（AVI）。

AVI评分：把上万个数字浓缩成一个

AVI将AlphaGenome的预测，与来自AlphaMissense（评估蛋白质改变）等其他生物特征的信息整合成单一评分，帮助研究人员按预测影响对变异排序。据参与该项目的谷歌研究科学家解释，AVI的核心动机就是：如何把AlphaGenome输出的上万个数字，转化为一个可以用来高效排序优先级的单一数字。

评分越高，该变异对表型（如是否导致疾病）产生影响的可能性就越大。用研究人员的话说，这是在把「干草堆做小」，从而更容易找到那根「针」。需要强调的是，高分本身并不等于某个变异一定导致了疾病，它提供的是一个更具体、值得进一步验证的假设。

RNA剪接（RNA splicing）是理解本文的一个关键概念。细胞在利用DNA指令合成蛋白质时，首先将DNA转录成前体RNA，但这条RNA并非直接使用——其中包含不编码蛋白质的「内含子」片段，需要被精确剪除，剩余的「外显子」片段拼接在一起，才能形成成熟的信使RNA（mRNA），最终翻译为蛋白质。如果DNA变异破坏了剪接信号，细胞就可能在错误位置切割或拼接RNA，导致蛋白质缺失关键片段、或带入多余序列，功能随之丧失。这类「剪接变异」在遗传病中相当普遍，却因为不直接改变蛋白质氨基酸序列，极易被传统变异分析方法忽略，AlphaGenome能够预测这类效应正是其核心价值之一。

实战案例：癫痫病例的遗传学突破

博德研究所（Broad Institute）的科学家与Gregor联盟合作，用AVI评分调查未解决的罕见病病例。在一个严重癫痫病例中，AVI帮助他们把注意力集中到一个此前被忽视的变异上——它位于DNM1基因，而该基因已知与癫痫性脑病有很强关联。

AlphaGenome预测该变异创建了一个错误的剪接位点，导致生成的蛋白质异常延长——通俗地说，细胞会在错误区域处理RNA，使得制造蛋白质的指令中留下多余材料。研究人员随后在实验室测试了这一预测，实验结果支持了预测，同时还识别出附近具有类似效应的变异。结合其他证据，这足以建议将该变异归类为「可能致病」。

这是朝着解释该疾病病因迈出的真实进展——尽管开发治疗方法仍是另一个挑战，但对一个长期未解的罕见病病例找到可能的解释，本身就是巨大一步，并证明了这些预测能引导研究走向经实验验证的现实结果。

大规模人群研究：从数据中挖出更多信号

Atlas同样能服务于大规模人群研究。当研究人员寻找与特定特征相关的罕见变异时，大量无害变化会产生统计背景噪音，淹没真正相关的信号。

埃克塞特大学的Gareth Hawkes将Atlas应用于英国生物样本库（UK Biobank）超过5.4万名参与者的基因组数据，研究罕见变异与血液循环蛋白质水平的关联。通过按预测的分子效应对变异分组，他发现的非编码遗传关联增加了22%——这些新发现正来自那被忽视的98%区域。他还用Atlas调查了与体质指数（BMI）的关联，聚焦预测影响最大的1%非编码变异，确定了19个可供进一步研究的遗传区域。

关键在于，这些数据研究人员早已拥有（想想23andMe这类服务积累的海量遗传数据），而这类工具几乎能一夜之间从中挖掘出更有用的信息，帮助他们更好地决定下一步测试什么。

通往「通用生物学系统」的一步

谷歌将Atlas定位为一个起点。随着AlphaGenome本身的改进，这些地图应该会变得更加全面和精确。但背后有一个更大的构想：最终将所有Alpha系列模型整合进一个巨大系统——AlphaGenome预测DNA变化的作用、AlphaMissense评估蛋白质改变、AlphaFold理解蛋白质结构。

这个愿景是整合这些能力，创建人类生物学的完整图景，并最终在计算机模拟中准确重现生物学，从而运行几乎无限的测试和编辑。谷歌正在悄然向一个「通用生物学系统」迈进，而这可能领先于其他顶级AI实验室的方向。

最值得关注的是，谷歌选择的是构建底层工具、让全球科学界更快做出发现，而非将成果留给自己。这意味着世界各地研究不同疾病的团队，都有机会用这些系统发现原本会错过的东西——这或许才是它真正「改变世界」的地方。

AlphaFold是谷歌DeepMind于2020至2021年发布的蛋白质结构预测系统，被誉为生物学领域近五十年来最重要的AI突破之一。蛋白质的功能由其三维折叠结构决定，但从氨基酸序列预测结构一直是计算生物学的世纪难题。AlphaFold几乎以原子精度解决了这一问题，并已预测了超过2亿种蛋白质的结构，全部免费公开。AlphaMissense则是在此基础上的延伸，专门评估蛋白质编码区的单氨基酸变异是否致病。谷歌现在的构想，是将AlphaFold（结构）、AlphaMissense（蛋白质层面的变异影响）、AlphaGenome（基因调控层面的变异影响）连接成一条完整的分析链，从DNA变异出发，经由RNA处理、蛋白质合成，一路追踪到结构与功能改变——这将是迄今为止最接近「数字细胞」的系统。