AlphaGenome Atlas: ฐานข้อมูล 1 เพตะไบต์ที่ช่วยคัดกรองความเปลี่ยนแปลง DNA ของมนุษย์

Google DeepMind เปิดตัว AlphaGenome Atlas เมื่อวันที่ 8 กันยายน 2026 ฐานข้อมูลที่ค้นหาได้สำหรับผลกระทบระดับโมเลกุลซึ่ง AI คาดการณ์ไว้ของการเปลี่ยนแปลง DNA แบบนิวคลีโอไทด์เดี่ยวทุกความเป็นไปได้ในจีโนมมนุษย์ หรือราว 9 พันล้าน การเปลี่ยน “ตัวอักษร” DNA ทีละตำแหน่ง ฐานข้อมูลมีขนาดราว 1 เพตะไบต์ และเปิดให้นักวิชาการใช้งานผ่านเว็บไซต์โดยไม่คิดค่าใช้จ่าย 67

Atlas ต่างจาก AlphaGenome อย่างไร

การเปลี่ยนแปลงแบบนิวคลีโอไทด์เดี่ยว (single-nucleotide variant หรือ SNV) คือการที่ตัวอักษร DNA เพียงหนึ่งตำแหน่งเปลี่ยนไป เช่น จาก A เป็น G การเปลี่ยนแปลงเช่นนี้อาจอยู่ในส่วนของ DNA ที่เข้ารหัสโปรตีน หรืออยู่ในส่วนที่ไม่เข้ารหัสโปรตีนแต่มีบทบาทควบคุมว่า ยีนจะทำงานเมื่อไร ที่ใด และมากน้อยเพียงใด

จุดที่ควรแยกให้ชัดคือ AlphaGenome คือโมเดล AI ซึ่งทำนายว่าการเปลี่ยนแปลงในลำดับ DNA อาจกระทบกระบวนการควบคุมยีนและชีววิทยาระดับโมเลกุลอย่างไร ส่วน AlphaGenome Atlas คือคลังอ้างอิงขนาดใหญ่ ที่นำผลทำนายของโมเดลมาคำนวณเก็บไว้ล่วงหน้า 216

กล่าวอีกแบบหนึ่ง แทนที่นักวิจัยจะต้องส่งตัวแปรพันธุกรรมแต่ละรายการไปให้โมเดลประเมินใหม่ Atlas ทำหน้าที่คล้ายแผนที่ค้นหาได้ทันทีสำหรับความเป็นไปได้ทั้งหมดที่ครอบคลุมการเปลี่ยนตัวอักษร DNA ทีละตำแหน่งในจีโนมมนุษย์ 67

มีอะไรอยู่ในฐานข้อมูลขนาด 1 เพตะไบต์

Atlas มีผลทำนายของตัวแปรแบบนิวคลีโอไทด์เดี่ยวประมาณ 9 พันล้านแบบ พร้อม คะแนน AlphaGenome Variant Impact หรือ AVI สำหรับตัวแปรแต่ละรายการ 16

เป้าหมายคือช่วยให้นักวิจัยเปลี่ยนจากรายชื่อความแตกต่างของ DNA จำนวนมาก ไปสู่รายชื่อผู้ต้องสงสัยที่ควรศึกษาต่ออย่างละเอียด ระบบไม่ได้ออก “คำตัดสินทางคลินิก” ว่าตัวแปรใดทำให้เกิดโรค แต่ให้สัญญาณจากโมเดลว่าการเปลี่ยนแปลงใดอาจมีผลทางชีววิทยามากกว่า และอาจเกี่ยวข้องกับกลไกระดับโมเลกุลแบบใด 17

เข้าถึงได้อย่างไร

DeepMind ระบุว่า Atlas เปิดให้ใช้สำหรับงานวิจัยเชิงวิชาการผ่านพอร์ทัลเว็บไซต์ที่ใช้งานได้ฟรีและออกแบบให้ค้นหาได้ง่าย นักวิจัยจึงสามารถตรวจดูผลทำนายของตัวแปรที่สนใจได้โดยไม่จำเป็นต้องเขียนโค้ดหรือรันโมเดล AlphaGenome ด้วยตนเอง 7

การใช้งานที่เหมาะสมคือเป็น “ชั้นแรก” ของการคัดกรอง: ตรวจตัวแปรที่พบในข้อมูลพันธุกรรม ดูผลกระทบที่ระบบคาดการณ์ แล้วใช้ข้อมูลนั้นช่วยกำหนดว่าควรทำการทดลองหรือการวิเคราะห์พันธุกรรมใดต่อไป

คะแนน AVI ช่วยอะไรบ้าง

AVI เป็นคะแนนเดียวที่ออกแบบมาเพื่อช่วยจัดอันดับตัวแปรตามผลกระทบทางชีววิทยาที่คาดการณ์ไว้ จุดสำคัญคือคะแนนนี้รวมข้อมูลจาก DNA สองกลุ่มหลักไว้ในกรอบเดียวกัน ได้แก่

• ตัวแปรในส่วนเข้ารหัสโปรตีน ซึ่งอาจเปลี่ยนลำดับหรือการประมวลผลของโปรตีน
• ตัวแปรในส่วนไม่เข้ารหัสโปรตีน ซึ่งอาจกระทบการควบคุมยีนและกิจกรรมระดับโมเลกุลที่เกี่ยวข้อง

การมีกรอบจัดลำดับร่วมกันทำให้ผู้วิจัยเปรียบเทียบผู้ต้องสงสัยจากทั้งส่วนเข้ารหัสและไม่เข้ารหัสของจีโนมได้สะดวกขึ้นในการวิเคราะห์ระดับทั้งจีโนม 16

อย่างไรก็ดี แหล่งข้อมูลที่ให้มาไม่ได้อธิบายสูตรคำนวณ AVI อย่างครบถ้วน จึงควรมองคะแนนนี้เป็นสัญญาณสรุปเพื่อช่วยเรียงลำดับความสำคัญ ไม่ใช่ตัวชี้วัดที่แปลได้เองว่าเป็นเหตุของโรค

ผลการใช้งานระยะแรกที่รายงานโดยผู้ร่วมวิจัย

DeepMind และรายงานเกี่ยวกับการเปิดตัวชี้ให้เห็นการนำไปใช้ในระยะแรก 2 กรณี

กรณีแรกเป็นงานโรคหายาก ทีมจาก Broad Institute รายงานว่าใช้ AVI เพื่อชี้ไปยังตัวแปรในยีน DNM1 ซึ่งทำให้เกิดเหตุการณ์การตัดต่อ RNA (splicing) ที่ผิดปกติ โดย DNM1 มีความเชื่อมโยงกับภาวะสมองอักเสบจากโรคลมชัก (epileptic encephalopathy) 10 กรณีนี้เป็นตัวอย่างที่อาจสะท้อนว่าโมเดลช่วยดึงเบาะแสที่อาจหลุดจากการคัดกรองทั่วไปขึ้นมาได้ แต่ข้อมูลที่มีอยู่ยังไม่เพียงพอสำหรับประเมินการทำซ้ำผล การตีความทางคลินิก หรือความสำคัญในวงกว้างของกรณีดังกล่าวโดยอิสระ

อีกกรณีเป็นงานพันธุศาสตร์ประชากร นักวิจัยที่วิเคราะห์จีโนมทั้งชุดของผู้เข้าร่วม UK Biobank มากกว่า 54,000 คน รายงานว่าพบความเชื่อมโยงทางพันธุกรรมในส่วนไม่เข้ารหัสเพิ่มขึ้น 22% เมื่อใช้ Atlas 310 อย่างไรก็ดี การพบความเชื่อมโยงเพิ่มขึ้นไม่ได้หมายความว่าความเชื่อมโยงเหล่านั้นเป็นสาเหตุของลักษณะหรือโรคโดยตรง หรือพร้อมนำไปใช้ทางคลินิก เพราะแหล่งข้อมูลที่ให้มาไม่ได้ระบุลักษณะที่ศึกษา เกณฑ์ทางสถิติ หรือผลการยืนยันในขั้นต่อมา

แนวทางเดียวกับ AlphaFold แต่ตอบคนละคำถาม

AlphaGenome Atlas เดินตามแนวทางที่ DeepMind เคยใช้กับ AlphaFold นั่นคือจับคู่โมเดลทำนายด้วยฐานข้อมูลที่เข้าถึงได้กว้าง เพื่อให้นักวิทยาศาสตร์นำผลไปใช้ต่อได้ AlphaFold Protein Structure Database ซึ่งพัฒนาร่วมกับ EMBL-EBI เปิดให้เข้าถึงโครงสร้างโปรตีนที่ทำนายไว้ ขณะที่ Atlas นำรูปแบบการเข้าถึงนี้มาใช้กับผลกระทบที่คาดการณ์จากความเปลี่ยนแปลงของ DNA 3134

แต่สิ่งที่ทั้งสองระบบศึกษานั้นต่างกันชัดเจน:

• AlphaFold ทำนายโครงสร้างสามมิติของโปรตีน
• AlphaGenome Atlas ทำนายผลระดับโมเลกุลและการควบคุมยีนที่สัมพันธ์กับการเปลี่ยนตัวอักษร DNA ทีละตำแหน่ง 731

ในแง่ปริมาณข้อมูล Atlas มีรายงานว่ามีขนาดมากกว่าฐานข้อมูล AlphaFold กว่า 30 เท่า 215

ข้อจำกัดสำคัญ: ผลทำนายคือเบาะแส ไม่ใช่ข้อพิสูจน์

ผลใน Atlas เป็นการคาดการณ์จากโมเดล ไม่ใช่ผลการวัดจากการทดลอง และคะแนน AVI ที่สูงไม่ได้พิสูจน์ว่าตัวแปร DNA นั้นเป็นสาเหตุของโรค ฐานข้อมูลนี้จึงเหมาะจะใช้เป็นจุดตั้งต้นเพื่อคัดกรองตัวแปร สร้างสมมติฐานเรื่องกลไก และวางแผนการศึกษาต่อยอดด้านพันธุศาสตร์หรือการทดลองเชิงหน้าที่ 16

ข้อควรระวังนี้สำคัญเป็นพิเศษสำหรับ DNA ส่วนไม่เข้ารหัส ซึ่งการตีความยังซับซ้อน แนวทางที่รอบคอบคือใช้ Atlas ลดจำนวนผู้ต้องสงสัยจากชุดข้อมูลขนาดใหญ่ ก่อนประเมินตัวแปรอันดับต้น ๆ ด้วยหลักฐานทางพันธุกรรมอิสระ การทดลองเชิงหน้าที่ และการประเมินทางคลินิกที่เหมาะสมหากเกี่ยวข้อง

คุณค่าหลักของ AlphaGenome Atlas จึงอยู่ที่ขนาดและการเข้าถึงง่าย: นักวิจัยได้แผนที่ของสมมติฐานที่ AI สร้างไว้สำหรับความเปลี่ยนแปลง DNA แบบตัวอักษรเดียวทั้งหมดที่เป็นไปได้ในมนุษย์ ส่วนคุณค่าทางวิทยาศาสตร์ในระยะยาวจะขึ้นอยู่กับการทดสอบในห้องปฏิบัติการและการยืนยันผลในงานศึกษามนุษย์ต่อไป