AlphaGenome Atlas DeepMind memetakan 9 bilion perubahan DNA yang mungkin

Google DeepMind telah melancarkan AlphaGenome Atlas pada 8 September 2026: sebuah pangkalan data boleh carian yang menghimpunkan ramalan kesan molekul bagi setiap kemungkinan perubahan satu huruf DNA dalam genom manusia—kira-kira 9 bilion varian nukleotida tunggal. Data itu berjumlah lebih kurang 1 petabait (PB) dan disediakan percuma untuk penyelidikan akademik melalui portal web. 67

Bagi memahami skala ini, varian nukleotida tunggal ialah pertukaran pada satu “huruf” DNA. Ia boleh berlaku dalam bahagian DNA yang mengekod protein, atau dalam DNA bukan pengekod yang membantu mengawal masa, lokasi dan tahap sesuatu gen diaktifkan.

Bukan model baharu, tetapi atlas ramalan berskala besar

Penting untuk membezakan dua nama ini:

• AlphaGenome ialah model AI yang meramal bagaimana perubahan DNA boleh mempengaruhi proses biologi berkaitan kawal selia gen.
• AlphaGenome Atlas ialah pangkalan rujukan besar yang dibina daripada ramalan model itu, yang telah dikira lebih awal untuk semua kemungkinan perubahan satu huruf DNA. 6721

Maksudnya, penyelidik tidak perlu menjalankan ramalan baharu untuk setiap calon varian. Mereka boleh membuat carian, menilai isyarat kesan yang diramal, kemudian menentukan varian yang patut diberi keutamaan untuk analisis genetik atau eksperimen susulan.

Apa yang terkandung dalam 1 petabait data itu?

Atlas mengandungi ramalan kesan bagi kira-kira 9 bilion varian nukleotida tunggal yang mungkin, termasuk skor AlphaGenome Variant Impact (AVI) bagi setiap varian. 16

Fungsinya bukan memberi jawapan klinikal muktamad. Sebaliknya, ia membantu mengecilkan senarai panjang perbezaan DNA kepada calon yang lebih munasabah untuk disiasat, di samping memberi petunjuk tentang mekanisme molekul yang mungkin terjejas. 17

Skor AVI: satu cara membandingkan varian di seluruh genom

AlphaGenome Variant Impact (AVI) ialah skor tunggal untuk menyusun keutamaan varian mengikut kesan biologi yang diramal. Ia menggabungkan maklumat daripada dua kelompok utama:

• Varian pengekod protein, yang boleh mengubah urutan atau pemprosesan protein;
• Varian bukan pengekod, yang boleh mempengaruhi kawal selia gen dan aktiviti molekul berkaitan.

Dengan kerangka bersama ini, calon daripada kedua-dua bahagian genom boleh dibandingkan dengan lebih terus dalam analisis berskala genom. 16

Sumber yang diberikan menerangkan AVI sebagai skor praktikal untuk pengutamaan, tetapi tidak memperincikan rumusan matematik penuhnya. Oleh itu, skor tersebut patut dianggap sebagai isyarat ringkasan untuk menentukan keutamaan penyelidikan—bukan ukuran kendiri tentang sama ada sesuatu varian menyebabkan penyakit.

Akses untuk penyelidik akademik

Menurut DeepMind, AlphaGenome Atlas boleh digunakan untuk penyelidikan akademik menerusi portal laman web yang intuitif dan percuma. Portal itu direka supaya pengguna boleh menyoal data tanpa perlu menulis kod atau menjalankan model AlphaGenome sendiri. 7

Ini menjadikannya lapisan saringan awal: penyelidik boleh menyemak sesuatu varian, melihat kesan yang diramal, lalu merancang eksperimen fungsi atau analisis genetik seterusnya.

Dapatan awal yang dilaporkan oleh kolaborator

Dua penggunaan awal mendapat perhatian ketika pelancarannya.

Dalam penyelidikan penyakit jarang ditemui, sebuah pasukan di Broad Institute dilaporkan menggunakan AVI untuk mengenal pasti varian pada gen DNM1 yang menghasilkan peristiwa splicing atau pencantuman RNA yang tidak tepat. DNM1 dikaitkan dengan ensefalopati epileptik. 10 Ini menunjukkan bagaimana model boleh membantu menonjolkan calon varian yang mungkin terlepas pandang, namun bahan yang tersedia tidak mencukupi untuk menilai replikasi, tafsiran klinikal atau kepentingan kes itu secara bebas.

Dalam genetik populasi, penyelidik yang menganalisis genom penuh lebih daripada 54,000 peserta UK Biobank dilaporkan menemui 22% lebih banyak perkaitan bukan pengekod dengan Atlas. 310 Namun, peningkatan jumlah perkaitan tidak dengan sendirinya membuktikan sebab-akibat atau kegunaan klinikal. Sumber yang diberikan tidak menyatakan ciri yang dikaji, ambang statistik atau proses pengesahan susulan bagi dapatan tersebut.

Strategi yang mengingatkan kepada AlphaFold, tetapi sasaran berbeza

Pendekatan ini menyerupai strategi AlphaFold DeepMind: menggabungkan sistem AI ramalan dengan pangkalan data yang mudah diakses oleh komuniti saintifik. Pangkalan Data Struktur Protein AlphaFold, yang dibangunkan bersama EMBL-EBI, menyediakan struktur protein ramalan secara meluas; AlphaGenome Atlas menggunakan idea akses yang serupa bagi kesan perubahan DNA. 3134

Namun, objek saintifik yang diramal adalah berbeza:

• AlphaFold meramal struktur tiga dimensi protein.
• AlphaGenome Atlas meramal kesan molekul dan kawal selia yang berkaitan dengan perubahan satu huruf DNA. 731

Dari segi jumlah data, Atlas dilaporkan lebih daripada 30 kali lebih besar berbanding Pangkalan Data AlphaFold. 215

Batas utama: ramalan ialah petunjuk, bukan keputusan perubatan

Ramalan Atlas bukan ukuran eksperimen. Skor AVI yang tinggi juga tidak membuktikan bahawa satu varian DNA menyebabkan penyakit. Sumber ini paling sesuai digunakan sebagai asas penyelidikan untuk mengutamakan varian, membentuk hipotesis mekanistik, dan merancang kajian genetik atau fungsi susulan. 16

Peringatan ini amat penting bagi DNA bukan pengekod, yang tafsirannya masih sukar. Aliran kerja yang munasabah ialah menggunakan Atlas untuk menyaring banyak calon, kemudian menilai calon utama melalui bukti genetik bebas, kajian fungsi dan, jika berkaitan, penilaian klinikal yang sewajarnya.

Nilai utama AlphaGenome Atlas terletak pada skala dan kemudahcapaiannya: ia menyediakan peta hipotesis yang dijana AI untuk keseluruhan ruang perubahan satu huruf DNA manusia. Nilai saintifik sebenar atlas ini akhirnya bergantung pada sejauh mana ramalan tersebut dapat diuji di makmal dan disahkan dalam kajian manusia.