谷歌 DeepMind 发布 AlphaGenome Atlas：90 亿个 DNA 突变的影响，先替你算好了

一句话结论：9 月 8 日，Google DeepMind 正式上线 AlphaGenome Atlas——一个把人类基因组中所有 90 亿种可能的单核苷酸变异的影响提前算完的预测数据库，规模 1 PB，通过网页门户免费开放给非商业用途，生物学家不用写一行代码就能查。本文基于多家媒体转述整理。

这到底是什么？

人类基因组约 30 亿个碱基对，其中只有约 2% 直接编码蛋白质，其余 98%（大量负责调控基因开关的非编码区）至今仍是谜。单个"字母"的变化（单核苷酸变异，SNV）可能影响基因表达、剪接、染色质结构，进而与疾病风险相关——但一个变异一个变异地去跑 AI 预测，速度和门槛都卡住了研究进度。

DeepMind 去年发布了 AlphaGenome 模型，能预测单个 DNA 字母变化对分子过程的影响。此前约 9000 名研究者通过 API 调用它的预测，但必须会写代码。Atlas 的思路简单粗暴：把参考基因组上每一个字母的三种可能替换全部预先算完——90 亿个变异、1 PB 数据——再配一个零代码的查询网站。DeepMind 说这个做法的灵感来自 AlphaFold 数据库：2 亿多个蛋白结构预测摆在那里，谁都能查，用的人也就多了。

最重要的几件事

• 覆盖全：90 亿个 SNV 全部预计算，另外收录了 1 亿多个在真实人类基因组中观察到的短插入/缺失变异。
• 一个分数看懂：新增 AVI（AlphaGenome Variant Impact）综合评分，把编码区和非编码区的预测结果合并成一个易读的分数，研究者可以快速排出"最值得优先研究的变异"。
• 免费、零门槛：网页门户直接查，非商业用途免费，商业化访问另行授权。

它已经干成了什么？

DeepMind 给出了两个实证案例：

• 破解罕见病悬案：Broad Institute 团队用 AVI 评分给一例多年未解的罕见病候选变异排序，工具标出 DNM1 基因上一个关键变异，预测它会制造一个错误的剪接位点——这成了最终解开病例的关键支持证据。
• 挖掘复杂性状关联：研究者把 Atlas 用到 54,000 多名 UK Biobank 参与者的数据上，按预测的分子效应给变异分组，多找出了 22% 的非编码遗传关联；聚焦影响最大的前 1% 变异后，定位到 19 个与 BMI 相关的基因区域。

和以前的方案比，变化在哪？

以前：会编程的研究者逐个调 API，跑一次预测等一次结果；不会编程的生物学家基本被挡在门外。现在：查询即时返回，常见变异直接查表。用 AlphaGenome 团队负责人 Žiga Avsec 的话说，"即时访问是一种近乎魔法般的体验"。

不过专家也提醒了边界。柏林 Max Delbrück 分子医学中心的生物信息学家 Martin Kircher 对 Nature 表示，Atlas 不会取代实验，也不能替代疾病诊断中对个体差异的考量——它是"一种放大强力模型可及性的有用且慷慨的方式"，而不是终极答案。

谁该关心、怎么用？

• 遗传病学研究者/临床研究人员：手里有未解病例或 GWAS 结果的，可以直接用网站门户给候选变异排优先级，不需要写代码。
• 群体遗传学/复杂性状研究者：大规模变异数据可以按 AVI 分数分层，先看高影响变异。
• 普通读者：这类数据库的意义在于让"查某个突变意味着什么"从一个月的算力和一段代码，变成一次网页搜索——罕见病诊断和常见病机制研究的速度都可能因此加快。

访问地址：alphagenome.google/atlas（非商业用途免费）。

风险与限制

• 预测来自 AI 模型，不是实验验证结果，关键结论仍需湿实验确认。
• 非商业用途免费，商业使用需要另行授权谈判。
• 覆盖单核苷酸替换与短插入/缺失，更大片段的结构变异不在本次范围内。

本文基于多家媒体转述整理，来源：Google 官方博客、Google DeepMind 官方博客、Nature 新闻、Fortune、Scientific American、IEEE Spectrum、The Verge 等（2026 年 9 月 8–11 日报道）。