DeepMind 的 AlphaGenome Atlas：一张覆盖 90 亿种 DNA 变异的预测地图

Google DeepMind 于 2026 年 9 月 8 日发布 AlphaGenome Atlas。这是一个可检索的研究数据库，汇集了人类基因组中每一种可能的单核苷酸变异（SNV）——也就是 DNA 单个字母替换——的预测分子影响，规模约为 90 亿种变异、1PB 数据。该资源可供学术研究人员通过免费网页门户使用。67

简单说，AlphaGenome Atlas 的目标不是替代实验或给出疾病诊断，而是让研究人员面对海量 DNA 差异时，能更快找到值得优先验证的候选变异。

AlphaGenome 与 Atlas：模型和数据库不是一回事

DNA 由 A、T、C、G 四种“字母”组成。单核苷酸变异指其中一个字母被替换，例如某处的 A 变成 G。这类改变既可能位于直接编码蛋白质的区域，也可能位于不编码蛋白质、但参与控制基因何时何地发挥作用的非编码 DNA 区域。

AlphaGenome 是底层 AI 模型，用于预测 DNA 变异可能怎样影响基因调控等生物学过程；AlphaGenome Atlas 则把该模型针对全基因组可能单字母变化的预测结果预先计算并整理成可查询的参考库。6721

这一差别很关键：过去研究者面对一个候选变异，可能需要单独提交或运行预测；Atlas 相当于先把庞大的“变异影响索引”准备好，让研究者直接查阅。

约 1PB 数据库里有什么？

Atlas 包含约 90 亿种可能的单核苷酸变异及其预测影响，并为每个变异提供一个 AlphaGenome Variant Impact（AVI）评分。16

DeepMind 使用 AlphaGenome 预先计算这些单字母遗传改变的预测调控影响，最终形成约 1PB 的数据集。6 研究人员可以借此从长长的遗传差异清单中，筛出更可能具有生物学意义、值得进入后续研究的变异，并查看模型指向的潜在分子机制。17

但要注意：数据库中呈现的是模型预测，并非实验测量结果，更不是对疾病因果关系的直接裁定。

AVI 评分如何同时覆盖编码区和非编码区？

AVI，即 AlphaGenome Variant Impact，是用于按预测生物学影响对变异进行排序的单一评分。16

它的实用意义在于，把两类常被分开分析的候选变异放进同一个优先级框架：

• 蛋白质编码区变异：可能改变蛋白质的氨基酸序列或加工过程；
• 非编码区变异：可能影响基因表达调控及相关分子活动。

因此，在全基因组分析中，研究者可借助 AVI 更直接地比较编码区和非编码区候选项，而不是只聚焦于较容易解释的蛋白质编码区。16

现有资料将 AVI 描述为便于研究排序的汇总信号，但并未完整说明其数学公式。因此，更稳妥的理解是：它是帮助确定研究优先级的工具，而不是一个可独自证明某变异致病的分数。

研究人员如何获取和使用？

DeepMind 表示，AlphaGenome Atlas 面向学术研究提供直观、免费使用的网页门户。7 其设计目标之一，就是让研究人员不必自己运行模型，也无需编程，即可查询变异的预测影响。

一个合理的研究流程是：先用 Atlas 缩小候选范围，再把排名靠前的变异交由独立遗传学证据、功能实验，以及在适用情况下的专业临床评估来进一步检验。

合作团队报告了哪些早期结果？

发布相关材料提到了两个初步应用案例。

在罕见病研究中，Broad Institute 的团队据称利用 AVI 发现了一个影响 DNM1 的候选变异，该变异会产生异常剪接事件。DNM1 与癫痫性脑病有关。10 这一案例说明，模型有可能帮助研究团队发现原本容易遗漏的线索；但现有材料不足以独立判断该案例的重复验证情况、临床解释或更广泛意义。

在人群遗传学方面，研究人员在超过 5.4 万名 UK Biobank 参与者的全基因组数据中使用 Atlas 后，据称发现的非编码区关联多出 22%。310 UK Biobank 是英国大型生物医学数据库，其参与者数据常被用于研究遗传变异与健康或性状的关联。

不过，关联数量增加本身并不等于每一项新增关联都已经证明具有因果性，也不意味着可以直接转化为临床行动。所提供资料未说明具体研究性状、统计阈值或后续验证细节。310

与 AlphaFold 的策略有什么相似和不同？

AlphaGenome Atlas 延续了 DeepMind 已在 AlphaFold 上采用的一种思路：不仅开发预测模型，也通过广泛可访问的数据库让科研人员能直接使用模型产出。

AlphaFold 蛋白质结构数据库由 DeepMind 与欧洲分子生物学实验室欧洲生物信息学研究所（EMBL-EBI）合作建设，为研究者提供预测蛋白质三维结构；AlphaGenome Atlas 则将类似的开放查询模式用于 DNA 单字母变异的预测分子与调控后果。3134

两者预测对象不同：

• AlphaFold：预测蛋白质的三维结构；
• AlphaGenome Atlas：预测 DNA 单字母改变可能带来的分子和基因调控影响。731

按数据量计，Atlas 据报比 AlphaFold 数据库大 30 倍以上。215

最重要的边界：它提供的是研究线索，不是诊断结论

AlphaGenome Atlas 的价值在于规模和可用性：它把全套可能的人类 DNA 单字母变化对应的 AI 假设，变成可随时查询的研究资源。

但高 AVI 评分不等于该变异一定导致疾病。尤其对于解释仍十分困难的非编码 DNA，预测结果应被视为研究起点——用于候选排序、提出机制假设和安排后续功能或遗传学研究——而不能当作独立的临床诊断依据。16

Atlas 最终能带来多大价值，仍取决于这些 AI 预测能否在实验室研究和人群研究中经受验证。