← 返回首页

AlphaGenome Atlas:Google用AI预测了人类基因组中90亿种变异的影响

📅 2026-09-21 ✎ 小学子 🏷 AI·科学·基因组

引言:被忽视的98%

2026年9月,Google DeepMind发布了一份高达1PB的数据集——AlphaGenome Atlas。这份数据集的核心内容只有一个:人类基因组中,每一种可能的单字母碱基变异(A→G、A→C……),共计90亿种变异,AI预测了它们对生命分子过程的影响。

这听起来像是科幻,但它是真实的科学。

在聊AlphaGenome Atlas之前,我们需要先理解一个反直觉的事实:人类基因组中,只有约2%是直接编码蛋白质构建指令的基因序列。科学家们对那2%已经研究得相当透彻。

但剩余的98%呢?它不是"垃圾DNA",它是生命的控制面板——数百万个"开关"和"旋钮",告诉身体何时、何地、以何种强度生产某种蛋白质。

理解遗传变异如何影响这98%的控制区域,一直是医学和生物学最大的挑战之一。传统的实验方法昂贵、缓慢,而且只能研究极少数的变异。而现在,AlphaGenome Atlas把这90亿种变异的影响预测,全部免费开放给全球研究者。

一、AlphaGenome的工作原理

1.1 从AlphaFold到AlphaGenome

Google DeepMind最著名的科学贡献是AlphaFold——那个预测蛋白质三维结构的AI模型,改变了结构生物学。AlphaFold解决的是"序列→结构"的问题。

AlphaGenome则更进一步,解决的是"变异→功能"的问题。

它的核心任务是:当基因组的某个字母发生变化时,这个变化会如何影响细胞的分子过程?

这种影响不是单一维度的。变异可能:

  • 破坏基因的剪接(splicing)过程
  • 改变染色质的开放程度
  • 影响DNA的折叠方式
  • 干扰转录因子结合位点
  • 改变增强子的活性
  • AlphaGenome需要同时预测这些所有维度的影响,并给出一个统一的、可比较的分数——AVI(AlphaGenome Variant Impact)分数。

    1.2 90亿次预测意味着什么

    人类基因组约有30亿个碱基对。对于每个位置,理论上可以有3种替代方式(A→G、A→T、A→C,以及它们的反向互补)。所以每个位置有6种可能的单字母替换(如果考虑插入/删除会更多)。

    Google DeepMind对所有可能的单字母变异做了预测——这是90亿次的计算。

    这背后的工程量是惊人的:

  • 数据集大小:1PB(约100万GB)
  • 覆盖范围:人类基因组中每一个可能的单字母核苷酸变异
  • 每个变异都附带AVI分数和AI生成的生物学解释
  • 1.3 从"大海捞针"到"缩小干草堆"

    传统的遗传学研究面临一个根本困境:发现有意义变异的效率极低。

    以UK Biobank研究为例,研究者想找与某种血浆蛋白水平相关的罕见非编码变异。传统方法会一次检测数百万个候选位点,但非编码区域的变异真假难辨——大量被统计方法纳入的变异实际上并不影响蛋白质功能,稀释了真实信号。

    使用AlphaGenome Atlas后,研究者可以先用AVI分数预筛选:只选最有可能产生影响的变异进入实验验证。

    案例:一项分析从526个候选变异缩减到仅4个变异,后续验证率大幅提升。

    二、AlphaGenome Atlas的实际应用案例

    2.1 Broad Institute:找到罕见疾病的致病元凶

    Laura Covill(Broad Institute)的研究方向是罕见遗传疾病的未知病因。罕见疾病的难点之一是:患者携带的基因变异往往是独特的、私有的——全世界上可能只有几例。

    当拿到一个患者的基因数据时,科学家面对的是数百万个未知意义的变异。Covill使用AlphaGenome的AVI分数来排序这些变异。

    关键发现:在一名罕见疾病患者的DNM1基因中,AlphaGenome发现了一个关键的编辑错误——这个变异严重影响了该基因的正常剪接。结合文献和后续实验验证,这个变异被重新归类为致病原因。

    这个发现的意义在于:过去需要数月甚至数年的文献挖掘和实验筛选,现在被AI引导的精确排序大幅加速。

    2.2 Exeter大学:54000人的基因组分析

    Dr. Gareth Hawkes(University of Exeter)利用AlphaGenome Atlas分析了UK Biobank中54000多名参与者的队列数据,寻找与非编码变异相关的性状。

    传统方法在非编码区域做负担检验(burden testing)时,往往把大量非因果变异打包在一起,统计信号被稀释。Hawkes用AlphaGenome的AVI分数预先筛选变异,将真正有功能影响的变异精准提取出来。

    正如Hawkes所说:

    "人类基因组是一个巨大的搜索空间。找到一个对特定疾病或性状有意义的基因变异,就像在干草堆里找一根针。AlphaGenome Atlas帮我们缩小了干草堆,让我们最大化找到那根针的机会。"

    2.3 Stowers研究所:解码细胞身份的"开关语言"

    每个细胞都包含完整的人类基因组,但细胞的身份——它是肝细胞还是神经元——取决于哪些基因被打开、打开多少。

    Julia Zeitlinger(Stowers Institute for Medical Research)使用AlphaGenome来定义哪些短DNA序列扮演着"开关"和"旋钮"的角色——即调控基因表达的顺式调控元件(cis-regulatory elements)。

    每个细胞类型"说不同的语言",所以很难知道哪些规则是通用的。AlphaGenome让Zeitlinger能够快速查询多种细胞类型,寻找哪些基因被激活或抑制的通用模式。

    2.4 Copenhagen大学:阿尔茨海默病不只是大脑的疾病

    这是最令人惊讶的发现之一。

    César Cunha(University of Copenhagen)在Tuomas Kilpeläinen教授指导下,试图理解一个医学谜题:肥胖和2型糖尿病为何会增加阿尔茨海默病风险?

    这两类疾病共享的生物学基础是什么?

    Cunha使用AlphaGenome追踪阿尔茨海默病的遗传风险因子如何在整个身体中运作,而不仅仅是大脑。

    关键发现:AlphaGenome揭示,许多阿尔茨海默病的遗传风险信号实际上是通过免疫组织和代谢组织发挥作用的,而不仅仅是传统认为的大脑。

    更重要的是,AlphaGenome还发现了在这些免疫和代谢细胞中,调控基因的"开关"发生了重新接线(rewiring)——这是一种遗传风险通过非大脑组织影响阿尔茨海默病的新机制。

    Cunha说:

    "对于阿尔茨海默病,大多数风险变异都在基因组的'暗物质'区域——基因之外的地方。AlphaGenome的巨大突破在于,我们不再局限于理解疾病风险变异如何影响基因表达,而是可以追踪它在剪接、染色质、甚至是基因组折叠层面的全谱影响。这让我们能够将阿尔茨海默病的遗传风险信号从大脑追踪到免疫和代谢组织。"

    三、技术细节:如何读懂AVI分数

    3.1 什么是AVI分数

    AlphaGenome Variant Impact(AVI)分数是AlphaGenome Atlas的核心产品。

    对于每一个可能的单字母变异,AlphaGenome给出一个AVI分数,表示该变异对分子表型产生功能性影响的可能性和强度。

    分数越高,该变异越有可能产生有意义的生物学影响。

    3.2 可视化与解释

    AlphaGenome Atlas不仅给出分数,还提供:

  • ref/alt图:直观展示参考序列与变异序列的分子影响对比
  • AI生成的生物学解释:自动说明为什么某个变异被高度排名,指出具体是哪种生物学过程被破坏(如剪接缺陷、染色质开放性改变等)
  • 与Atlas网站的直接链接:从聊天窗口直接跳转到相关基因组的可视化轨道
  • 3.3 从预测到验证的闭环

    关键的一点是:AlphaGenome Atlas是预测工具,不是最终结论。任何高AVI分数的变异都需要实验验证。

    但它的价值在于:传统方法需要逐一验证数百万个候选变异,现在只需要验证经过AI预筛选的、排名最高的几十或几百个。

    四、为什么这很重要

    4.1 民主化基因组医学

    AlphaGenome Atlas免费向全球研究者开放。这意味着:

  • 资源有限的大学和医院也能做高水平的基因组研究
  • 发展中国家的研究者不再受制于测序成本和实验设施
  • 罕见疾病研究从"个案特例"变成系统性的AI辅助筛选
  • 4.2 连接"暗物质"与疾病

    人类基因组98%的非编码区域一直是医学研究的"暗物质"——我们知道它重要,但一直没有有效工具研究它。

    AlphaGenome正在改变这个局面。它让研究者第一次能够系统性地评估:任何位置的任何变异,可能产生什么样的分子功能影响。

    4.3 与AlphaFold的互补

    AlphaFold解决了蛋白质结构问题;AlphaGenome正在解决变异功能问题。两者结合,Google DeepMind在构建一个从基因序列到蛋白质功能、再到疾病机制的完整AI理解框架。

    五、局限性与展望

    5.1 当前局限

    1. 仅覆盖单字母变异:大片段插入、缺失、结构变异尚未包含 2. 预测不等于验证:AVI分数需要实验验证,不能直接作为临床依据 3. 人群特异性:训练数据主要来自特定人群,对全球人群的覆盖仍有优化空间 4. 细胞类型特异性:基因组在不同细胞中的行为不同,Atlas需要持续扩展细胞类型覆盖

    5.2 未来方向

  • 扩展到结构变异(Structural Variants)
  • 加入时间维度(发育阶段、疾病进程中的变异影响)
  • 与药物研发结合:预测变异对药物反应的影响
  • 临床转化:作为罕见疾病诊断的常规工具
  • 六、结语

    AlphaGenome Atlas的意义,不仅仅是"又一个大模型"。

    它是人类第一次用AI系统性地理解了基因组中那些我们一直想知道但无法知道的答案——每一种可能的字母替换,会对我们的细胞产生什么样的分子影响?

    90亿次预测,1PB数据,免费开放。

    这不是在加速科学研究。这是在重新定义科学研究的可能边界。

    当一个大学生可以在笔记本上查询任何基因变异的AVI分数时;当一个罕见疾病患者家属可以在全球数据库中寻找与自家病例匹配的变异时;当一个非洲的研究者不需要昂贵的实验设备就能做前沿的基因组分析时——

    这不只是AI的胜利。这是科学的民主化。

    相关资源

  • AlphaGenome官网:https://deepmind.google/science/alphagenome/
  • AlphaGenome Atlas数据集:已向全球研究者开放
  • AlphaGenome论文:DeepMind研究团队发表中
  • *本文基于Google DeepMind官方发布的AlphaGenome Atlas技术文档整理撰写。*