AI for Science
AlphaGenome Atlas 預先計算 90 億種單鹼基變異,將基因效應推論變成資料查詢
Google DeepMind 把 AlphaGenome 對全人類基因組可能出現的單鹼基替換預先運算成 1 PB 圖譜,並以 AVI 分數統一排序編碼區與非編碼區變異。它大幅降低大規模篩選成本,但資料仍是模型預測,不能取代功能實驗或臨床診斷。

Google DeepMind 發布 AlphaGenome Atlas,把原本需要逐次呼叫模型的基因變異分析,改造成可直接查詢的預計算資料層。團隊針對人類基因組約 30 億個位置的三種替代鹼基,生成約 90 億筆單核苷酸變異預測,資料總量達 1 PB;入口包括無程式碼網站、AlphaGenome API,以及可在 Google Antigravity 科學工作台調用的技能。
Atlas 不只保存 AlphaGenome 對基因表現、RNA 剪接、染色質可及性等分子表型的預測,也新增 AlphaGenome Variant Impact(AVI)分數。AVI 結合 AlphaGenome 的調控效應與 AlphaMissense 的蛋白質影響預測,讓編碼區、非編碼區變異可用同一尺度排序;系統另提供特徵歸因,指出高分可能來自剪接、表現量或保守性等訊號。技術上的主要改變不是新骨幹模型,而是把昂貴推論轉為低延遲查表,使全基因組佇列與大型族群分析更可行。
首方案例顯示,Broad Institute 團隊利用 AVI 鎖定 DNM1 的異常剪接變異,後續實驗確認相關效應;另一項對逾 5.4 萬名 UK Biobank 參與者的分析,報告非編碼關聯訊號增加 22%。不過這些案例不能直接證明跨疾病或跨族群的泛化能力。Nature 引述外部研究者提醒,Atlas應用於排序研究假設,而非替代個體背景、臨床證據及濕實驗。
工程與研究團隊接下來應觀察 API 配額、批次匯出方式、AVI 的跨祖源校準,以及單一分數是否掩蓋互相衝突的分子訊號。90 億筆核心圖譜主要涵蓋單鹼基變異,複合變異、長距離調控與大型結構變異仍不能由這套查詢層完整回答。