Google DeepMind 發布 AlphaGenome Atlas，預測全人類基因組 90 億種變異的分子影響。

一名留著鬍子、頭戴藍色頭巾的男士坐在室內窗前，身穿白色襯衫，前方桌面放著筆記型電腦與紙張，畫面頂端疊加顯示藍色標題與「AlphaGenome Atlas Mapping every possible DNA letter change to understand biology」字樣。

核心定位 AlphaGenome Atlas 是一個可搜尋的 AI 資料庫，收錄人類基因組全部 90 億種單核苷酸變異的預測結果，目標是讓研究人員從全基因組尺度理解遺傳變化如何影響分子生物學。Google DeepMind 表示，逐一在實驗室測試這些變異並不可行，因此先以 AlphaGenome 大規模預先計算分子效果，建立一個可供研究使用的全基因組資源。官方於 AlphaGenome Atlas 公告中將它定位為研究基線，而非最終版本；隨著 AlphaGenome 等 AI 模型改進，這份基因組地圖也會持續更新。

資料與解讀架構 Atlas 被描述為 1 PB 的資料集，規模超過 AlphaFold Database 的 30 倍；每個變異包含數千項分子效果預測，涵蓋數百種人類與小鼠細胞類型及組織。平台把多層資訊連結起來，讓研究者能從變異追查受影響的功能性 DNA 序列：

Molecular effect predictions：提供基因調控等多個面向的全基因組分子效果預測。 AlphaGenome Variant Impact（AVI）score：把 AlphaGenome 與 AlphaMissense 的預測濃縮成單一分數，用於快速排序變異並協助解讀其影響。 AVI feature attributions：將 AVI score 拆解成可理解的特徵貢獻，例如染色質可及性、RNA 剪接、基因表現與保守性。 DNA sequence motifs：收錄超過 2,500 種反覆出現的 DNA 序列 motif，以及它們在基因組中的位置，協助研究者尋找轉錄因子結合位置與非編碼變異的功能線索。

AVI score 同時涵蓋編碼區與非編碼區：前者約占基因組 2%，後者約占 98%，並負責調控基因活動及承載多數與性狀相關的變異。

研究案例 Google DeepMind 引述外部合作研究，說明 Atlas 如何縮小候選變異範圍。在 GREGoR Consortium 合作的未解罕見疾病研究中，Laura Covill、Anne O’Donnell-Luria 與 Broad Institute 團隊利用 AVI score 優先排序候選變異，找出影響 DNM1 的變異。AlphaGenome 預測該變異會形成錯誤的剪接位置，導致產生異常延長的蛋白質；後續實驗篩選驗證了這項預測，也發現鄰近變異具有相似效果。

在族群遺傳研究中，Gareth Hawkes 使用超過 54,000 名 UK Biobank 參與者的全基因組資料，依預測分子效果分組罕見非編碼變異，找出多 22% 的非編碼遺傳關聯，並定位與 PLA2G7、EGLN1 蛋白質含量相關的調控變異。針對身體質量指數，研究再聚焦於 Atlas 預測影響最大的 1% 非編碼變異，找出 19 個遺傳區域，作為後續研究方向。

AlphaGenome Atlas 影片展示基因組變異瀏覽介面、蛋白質結構視覺化與實驗室畫面。

存取方式與適用範圍 AlphaGenome Atlas 目前可透過網站入口、AlphaGenome API，以及 Google Antigravity 中的 skill 使用。網站自即日起提供非商業用途，Google Cloud 的商業存取則預計 soon 才會提供；公告未說明商業方案的上線時間、價格或配額。Google 另指出，AlphaGenome 基礎模型已可供學術使用，並可透過 GitHub 與 AlphaGenome API 存取，也能在 Cloud 的 Model Garden 用於商業用途，但這些條件不應與 Atlas 網站目前的非商業範圍混為一談。

性能主張與限制官方表示，AVI score 在多項變異致病性與罕見疾病 benchmark 中達到 best-in-class 表現，但這是 Google DeepMind 的第一方測試主張；公告沒有提供完整 benchmark 對照矩陣、資料集、評估指標或比較基準，因此無法從原文重建這項排名的具體依據。來源也未說明使用者實際需要的運算資源、API 配額、儲存空間、資料授權條款或存取要求。

最重要的適用限制是，AlphaGenome 尚未經過臨床用途驗證，也未獲准用於任何臨床用途。AlphaGenome Atlas 提供的是研究用預測與排序工具，不可取代專業醫療建議、診斷或治療；如何在非臨床研究中校準預測結果及其不確定性，仍取決於後續方法文件與實驗驗證。

原文：https://easyvibecoding.app/curated/3290-google-deepmind-alphagenome-atlas-predicts-genome-variant

Google DeepMind 發布 AlphaGenome Atlas，預測全人類基因組 90 億種變異的分子影響

EasyVibeCoding Podcast

Google DeepMind 發布 AlphaGenome Atlas，預測全人類基因組 90 億種變異的分子影響