谷歌 DeepMind 发布 AlphaGenome Atlas：预测人类基因组所有单碱基变异影响
98% 的基因组曾是“暗物质”，现在有了预测地图
人类基因组大约有 30 亿个 DNA 碱基对，但长期以来，科学家真正理解的只有其中负责编码蛋白质的约 2%。剩下的 98% 被称为“非编码区”，过去常被误认为是“垃圾 DNA”。实际上，这些区域包含大量调控元件——它们决定基因在何时、何地、以何种强度开启或关闭。问题在于，要搞清楚某个 DNA 字母的改变（即单核苷酸变异）会不会破坏这些调控功能，传统方法既慢又贵。
去年，谷歌 DeepMind 推出了 AlphaGenome 模型。它能接收长达 1 兆碱基的 DNA 序列作为输入，预测数千种分子层面的功能轨迹，分辨率精确到单个碱基对。这些预测涵盖基因表达水平、转录起始位点、染色质是否开放、组蛋白修饰状态、转录因子结合情况、染色质三维接触图谱，以及 RNA 剪接的具体位置和强度。
现在，DeepMind 更进一步，发布了 AlphaGenome Atlas ——一个预计算了人类基因组中所有可能单字母变异影响的数据库。团队用 AlphaGenome 对全部 90 亿种单核苷酸替换（即 A/T/C/G 四种碱基在每个位置上的相互替换）进行了模拟，生成了一个体积达 1PB（100 万 GB）的数据集。作为对比，2022 年轰动学界的 AlphaFold 蛋白质结构数据库约为 30TB，AlphaGenome Atlas 的规模是其 30 多倍。
一个评分，让复杂数据变得可用
面对如此庞大的数据，普通研究人员很难直接使用。为此，Atlas 引入了 AlphaGenome 变异影响（AVI）评分。这是一个单一数值，综合了对编码区和非编码区的预测结果，让使用者无需逐项查看成千上万的分子轨迹，就能快速判断某个变异是否值得关注。
AVI 评分融合了两个模型的能力：AlphaGenome 负责非编码区的调控效应预测，而 AlphaMissense（DeepMind 此前开发的用于预测错义突变影响的工具）则处理编码区的蛋白质结构变化。这样一来，无论变异落在基因的哪个部分，都能得到统一评估。
更重要的是，每个 AVI 评分都附带 特征归因——告诉你这个高分主要是由哪些生物学过程驱动的。比如，某个变异的高 AVI 值可能主要源于它对 RNA 剪接的干扰，而不是影响启动子活性。这种可解释性对后续实验设计至关重要。
此外，Atlas 还整合了一个包含 超过 2500 个重复性 DNA 序列基序 的集合。这些短序列就像基因组中的“单词”，是转录因子识别并结合的关键位点。通过比对变异是否落在这些基序内，研究人员能更精准地推测其功能后果。
目前，AlphaGenome Atlas 已通过网页界面开放访问（https://deepmind.google.com/science/alphagenome/atlas），无需任何编程技能。临床医生、遗传学家甚至高中生都能上传一个变异坐标，立刻看到它的 AVI 评分和潜在机制。
在罕见病研究中找到“被忽略的针”
罕见病诊断的一大难题，是从患者基因组中成千上万个变异里找出真正致病的那个。很多病例经过常规分析后仍无解，被称为“未确诊疾病”。
DeepMind 与 GREGoR 联盟（一个专注于罕见病基因发现的国际研究网络）合作，尝试用 AVI 评分重新审视这些悬案。博德研究所的研究人员将 AVI 应用于一组此前被排除的候选变异，结果发现了一个位于 DNM1 基因 内含子区域的变异。DNM1 与一种严重的癫痫性脑病有关，但这个变异不在编码区，传统方法难以判断其意义。
AlphaGenome 的预测显示，该变异创建了一个 异常的剪接供体位点，导致 mRNA 多出一段不该有的序列，最终产生延长且功能异常的蛋白质。随后的细胞实验验证了这一预测。更关键的是，团队还在附近发现了其他具有类似剪接破坏效应的变异，说明 Atlas 不仅能定位单个致病变异，还能揭示局部基因组的脆弱区域。
从统计噪音中挖出隐藏的遗传信号
除了罕见病，常见性状（如身高、胆固醇水平）也受大量微效变异影响，其中许多位于非编码区。但由于人群中有太多中性变异，真正的信号常被淹没在“背景噪音”中。
埃克塞特大学的 Gareth Hawkes 博士将 AlphaGenome Atlas 应用于 英国生物银行 的 54000 多名参与者的全基因组数据。他没有直接做全基因组关联分析（GWAS），而是先根据 AVI 预测的分子效应，将功能相似的罕见变异聚类分组，再检验这些组是否与特定蛋白质水平相关。
这种方法成功发现了 超过 22% 的新遗传关联，这些关联在传统 GWAS 中完全无法检测到。例如，他精确定位了调控 PLA2G7（一种与炎症和衰老相关的酶）和 EGLN1（细胞感知氧气的关键因子）循环浓度的非编码变异。这些发现不仅揭示了新的生物学机制，也为药物靶点筛选提供了线索。
解码基因组里的“调控词汇”
基因组调控不是随机的，而是依赖于特定的 DNA 序列模式——即基序。不同转录因子识别不同的基序，从而在特定细胞类型中激活或抑制基因。
斯托尔斯医学研究所的 Julia Zeitlinger 和 Melanie Weilert 利用 AlphaGenome Atlas 的高分辨率预测，系统性地分析了这些基序的功能差异。他们发现，有些转录因子结合后仅使染色质变得开放（即可及性增加），但并不直接启动转录；而另一些则能同时打开染色质并强力激活基因表达。
这种区分过去很难通过实验大规模实现，因为需要在多种细胞类型中逐一敲除转录因子并测量下游效应。而现在，只需查看 Atlas 中对应基序变异的预测轨迹，就能推断其功能层级。这为理解基因调控网络的逻辑提供了新视角。
不是终点，而是加速器
AlphaGenome Atlas 并不声称能完全替代湿实验。它的价值在于 大幅缩小搜索范围，把研究人员从“大海捞针”变成“在一小片海域重点打捞”。无论是临床遗传学家解读患者变异，还是基础科学家探索调控机制，都能从中获得可操作的假设。
DeepMind 表示，未来计划将 Atlas 扩展到更多物种，并纳入结构变异（如插入、缺失、倒位）的预测。同时，他们正与制药公司合作，利用该工具识别新的药物靶点——尤其是那些位于非编码区、传统方法难以触及的调控元件。
对于生命科学领域来说，这或许标志着一个转折点：我们不再只是被动读取基因组序列，而是开始主动预测每一个字母变化的后果。那片曾被视为“暗物质”的 98%，正在逐渐亮起。