AlphaGenome
Google DeepMind于2025年发布的基因组深度学习模型，采用序列到功能（sequence-to-function）框架，输入基因组序列并预测基因表达、染色质可及性、组蛋白修饰等多种分子表型
核心事实
时间轴 (近 90 天)
团队将 AlphaGenome 做成 Agent，生成 22 个工具且全部通过自动验证，用时约 45 分钟，成本约 14 美元。
AlphaGenome Atlas背后的核心模型是DeepMind于2024年发布的AlphaGenome
AlphaGenome预测该癫痫病例变异创建了一个错误的剪接位点导致蛋白质异常延长，实验室实验支持了这一预测
AlphaFold解决的是结构问题，而AlphaGenome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
AlphaGenome Atlas 的核心能力来自 DeepMind 的 AlphaGenome 模型，该模型能预测变异对基因表达调控、剪接信号等分子表型的影响，而无需逐一进行湿实验验证
对于训练数据欠覆盖的细胞类型或物种，这类模型的预测结果可靠性会显著下降
以往的功能预测工具如 CADD、PolyPhen-2、SIFT 也能对大量变异打分，但 AlphaGenome 具备从序列预测多维度分子表型的能力
这类模型本质上预测的是变异是否影响某种分子表型，而非直接预测临床表现型，从分子预测到疾病关联仍需额外的生物学推断
AlphaGenome 模型的灵感来源于 Enformer 等早期工作
AI模型的预测本质上是计算假设，仍需实验验证
还有 13 条时间轴事件
全部知识事实 (20)
AlphaFold解决蛋白质结构预测，AlphaGenome Atlas进一步回答基因变化会导致什么功能结果
70%已验证DeepMind正在开发智能体框架，将AlphaFold、AlphaGenome等不同专业化模型整合在一起
85%待验证AlphaGenome Atlas通过预先计算AlphaGenome模型对全部90亿种可能突变的预测结果，形成了规模达1PB（1000TB）的数据集
60%待验证AlphaGenome输出约10,000个多维预测,涵盖不同细胞类型的基因表达、染色质可及性、转录因子结合等生物学特征,并压缩为单一AVI标量值
60%待验证AVI(AlphaGenome Variant Impact)评分是一个衡量基因变异有害程度的单一数值，评分越高表示变异对表型产生影响的可能性越大
60%待验证AlphaGenome代表了变异效应预测的新一代方法，直接从DNA序列学习'语法规则'，类似于自然语言处理中的大型语言模型
60%待验证团队将 AlphaGenome 做成 Agent，生成 22 个工具且全部通过自动验证，用时约 45 分钟，成本约 14 美元。
50%待验证AlphaGenome Atlas背后的核心模型是DeepMind于2024年发布的AlphaGenome
50%待验证AlphaGenome预测该癫痫病例变异创建了一个错误的剪接位点导致蛋白质异常延长，实验室实验支持了这一预测
50%待验证AlphaFold解决的是结构问题，而AlphaGenome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
50%待验证AlphaGenome Atlas 的核心能力来自 DeepMind 的 AlphaGenome 模型，该模型能预测变异对基因表达调控、剪接信号等分子表型的影响，而无需逐一进行湿实验验证
50%待验证对于训练数据欠覆盖的细胞类型或物种，这类模型的预测结果可靠性会显著下降
50%待验证这类模型本质上预测的是变异是否影响某种分子表型，而非直接预测临床表现型，从分子预测到疾病关联仍需额外的生物学推断
50%待验证以往的功能预测工具如 CADD、PolyPhen-2、SIFT 也能对大量变异打分，但 AlphaGenome 具备从序列预测多维度分子表型的能力
50%待验证AlphaGenome 模型的灵感来源于 Enformer 等早期工作
50%待验证AlphaGenome试图建立从DNA序列到分子层面功能读数（如基因表达水平、染色质可及性、剪接模式）的映射关系
50%待验证AlphaGenome依赖于ENCODE等大型基因组功能标注项目积累的公开数据集
50%待验证当前这类工具在特定组织类型或稀有变异上的预测准确度仍需通过大规模独立验证来确认
50%待验证AI模型的预测本质上是计算假设，仍需实验验证
50%待验证AlphaGenome采用了类似大型语言模型的Transformer架构,将DNA序列视为一种语言,通过自注意力机制捕捉序列中远距离碱基之间的相互作用
50%