{"schema_version":"1.0","service":"Publicasta","type":"article","id":560,"slug":"alphagenome_atlas_nine_billion_dna_variants_research_tool","title":"AlphaGenome Atlas 将九十亿种潜在 DNA 变化变成研究地图","excerpt":"Google DeepMind 推出的 AlphaGenome Atlas，预先计算人类基因组中每一种单字母替换可能产生的分子影响。它帮助研究人员决定下一步该验证什么，但不能替代实验、遗传学专业判断或临床诊断。","language":"zh","default_language":"en","canonical_url":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool?lang=zh","image":{"url":"https://publicasta.com/storage/projects/16/pages/560/2026/09/696fd60b-90ae-4e40-a02c-2e3be16a5fd3.webp","alt":"发光的 DNA 双螺旋悬浮在抽象的基因组数据与调控信号图谱之上。"},"publisher":{"id":16,"slug":"good_tech_news","name":"Good Tech News","url":"https://publicasta.com/good_tech_news"},"author":{"name":"Anton R"},"published_at":"2026-09-08T17:42:01+00:00","updated_at":"2026-09-08T17:42:01+00:00","content_markdown":"一个遗传变异可能只比参考序列多出或少了一个 DNA 字母，却依然很难解释。问题不是可观察的变异太少，而是恰恰相反：人类基因组包含数量极其庞大的潜在变化，这些变化分布在各种调控环境中，研究人员不可能把它们逐一放进实验室测试。大多数变异也不位于蛋白质编码区域，而是处在基因组中相对陌生的部分。这些区域参与决定基因何时开启、在哪些细胞中开启，以及开启到什么程度。\n\n ![发光的 DNA 双螺旋悬浮在抽象的基因组数据与调控信号图谱之上。](https://publicasta.com/storage/projects/16/pages/560/2026/09/696fd60b-90ae-4e40-a02c-2e3be16a5fd3.webp)\n\n 2026 年 9 月 8 日，Google DeepMind 推出 AlphaGenome Atlas。这是一套可搜索的预测目录，覆盖人类基因组中大约九十亿种潜在的单核苷酸变异。这里的数字指参考基因组每一个位置上所有可能的单字母替换：每个 DNA 碱基都有另外三种碱基可供替换，因此每个位点会产生三种可能变化。Atlas 预先计算 AlphaGenome 模型对这些替换的预测，涉及基因表达、RNA 剪接、染色质活性和 DNA 接触等分子过程。\n\n 这个定义很重要。Atlas 不是九十亿个已确认致病突变的清单，也不是个人诊断数据库，更不能证明某个预测到的分子变化会导致疾病。它眼下提供的东西更克制，却也更实用：让生物学家在投入时间和经费开展实验之前，先对研究假设进行排序。\n\n ## 真正的瓶颈是解释，而不是测序\n\n 现代测序能够发现的遗传差异，远远多于临床团队或研究团队能够有把握解释的差异。一份测序报告中，可能同时包含已经充分理解的变异、证据很强但仍不完整的变异，以及意义未明变异。最后一类不是诊断，而是说明现有证据还不足以支持可靠分类。\n\n 在蛋白质编码区域之外，这个问题尤其突出。蛋白质编码外显子只占人类基因组的大约 2%，而调控 DNA 则帮助不同细胞类型和组织控制基因活性。调控元件发生变化后，可能影响一个基因是否被转录、产生多少 RNA，或者 RNA 转录本如何进行剪接。相关证据可能分散在一段很长的 DNA 中，而且只有在特定生物学环境下才有意义。\n\n 因此，仅仅根据最近的基因制作一张简单查询表并不够。某个变异可能影响距离较远的基因，在不同组织中产生不同效果，或者改变某个分子步骤，却没有显而易见的临床后果。研究人员需要的不只是染色体上的一个位置，还需要一组可检验的预测，用来判断这个序列变化可能改变了什么。\n\n AlphaGenome 正是为这类预测而设计。它能够处理最长达一百万个碱基对的 DNA 序列，并以高分辨率生成多种类型的输出。模型会比较参考序列和携带变异的序列，然后估计分子性质发生了哪些变化。这些输出包括基因表达信号、转录因子结合、染色质可及性、三维 DNA 接触，以及 RNA 剪接模式。\n\n Atlas 把这种方法应用到一个通常不是单个研究团队能够复现的规模：对每一种潜在的单字母变化进行计算。Google DeepMind 表示，最终生成的预计算数据集约为 1 PB。研究人员不必各自为每个候选变异运行模型，而是可以通过面向学术研究的网页界面和 API 获取预测结果。\n\n ## Atlas 实际增加了什么\n\n 原版 AlphaGenome 已经允许研究人员为选定的变异打分。新 Atlas 改变的是工作流程。它把一部分工作从按需计算转移到准备好的参考资源上，于是科学家可以先探索某个区域或候选变异，不必先搭建一套庞大的计算流程。\n\n 这种变化在几类场景中很有用。罕见病团队可能拿到一组在患者或家族成员身上发现的变异，需要决定哪些非编码变化值得进行功能测试。群体遗传学团队可能想研究某个基因附近的罕见变异是否可能产生相似的调控效果。研究基因调控的实验室可能需要从大量替换中挑选少量候选，用于报告基因实验、CRISPR 扰动或 RNA 测量。对这些任务来说，模型可以帮助缩小搜索范围。\n\n Atlas 还引入了 AlphaGenome Variant Impact score，即 AlphaGenome 变异影响评分，简称 AVI score。DeepMind 将其描述为一种综合评分，结合 AlphaGenome 对调控影响的预测，以及 AlphaMissense 对改变蛋白质的变异所作的预测。单一分数不能替代底层证据，但可以帮助研究人员整理长长的候选清单，并优先查看那些在多个可用信号中都显得影响较大的变异。\n\n 这正是预测和证明之间的实际区别。当一个分数能够改善科学家调查问题的先后顺序时，它就有价值；当它被当成最终裁决时，就会产生误导。理解 Atlas 的最佳方式，是把它看作叠加在生物学研究之上的优先级筛选层，而不是判断某个变异对某个人意味着什么的自动权威。\n\n ## 早期案例显示了它应该怎样使用\n\n Google DeepMind 介绍了两项早期应用。其中一个案例中，Broad Institute 的研究人员使用 AVI score，为一宗尚未解决的罕见病病例筛选优先候选。系统标出了 DNM1 基因中的一个变异，并预测它可能形成异常剪接位点。这一预测为案件提供了支持性证据，而病例后来是在更广泛的基因组调查流程中得到解决的。\n\n 关键在于“支持性”这个词。结果并不是模型单独得出的。罕见病诊断通常依赖患者表型、家族关系、群体频率、基因与疾病之间的关联、既往观察结果，以及在条件允许时取得的功能证据。关于剪接变化的预测，可以让某个候选更值得进入实验室研究或专家复核，但不能免除其他证据线索的必要性。\n\n 在另一个案例中，一位研究人员把 Atlas 的预测与超过 54,000 名 UK Biobank 参与者的数据结合起来。据报告，按照预测的分子影响对变异分组后，相比没有同样利用预测影响的分析方法，研究发现的非编码遗传关联增加了 22%。在影响最高的变异中，分析还找到了 19 个与身体质量指数相关的基因组区域。\n\n 这个结果展示的是模型如何帮助进行统计组织，而不是直接给出新的医学结论。研究人员经常面对一批嘈杂的罕见变异，每个变异出现得都太少，难以单独分析。如果预测能够把看起来扰动同一种调控机制的变异归为一组，这些组就可能更容易研究。但关联仍然需要独立分析和生物学验证。\n\n 这些案例也说明 Atlas 不打算做什么。它不会根据一个人的基因组解释其完整表型，不会计算个人未来的健康状况，也不会判断某个变异在每种组织、每个年龄阶段和每一种环境条件下会如何表现。它识别的是可以与其他证据结合的分子假设。\n\n ## 为什么非编码 DNA 这么难分析\n\n “非编码 DNA”这个说法容易造成误解。非编码不等于没有用，也不代表每一个碱基都已经拥有明确的调控功能。它只表示这段序列不会直接编码蛋白质。许多非编码区域确实会帮助控制基因活性，但调控功能通常具有条件性。一段序列可能在肝细胞中重要，在神经元中却不重要；可能在发育阶段发挥作用，成年后不再明显；也可能只有当某种信号激活一条通路之后才会产生影响。\n\n 因此，对 AlphaGenome 这类模型来说，训练数据和模型架构同样重要。DeepMind 表示，AlphaGenome 使用来自 ENCODE、GTEx、4D Nucleome 项目和 FANTOM5 等公共资源的测量结果进行训练。这些项目在选定的人类和小鼠细胞类型及组织中，测量基因调控的不同方面。它们提供了有价值的覆盖范围，却并没有完整记录每个人的每一种细胞状态。\n\n 模型只能从已被测量的内容中学习模式。如果某种组织、发育阶段、祖源群体或细胞条件在训练数据中的代表性不足，模型在该环境下可利用的信息也可能不够可靠。输出仍然可以作为研究假设，但这种不确定性不应被一个看起来精确的数字掩盖。\n\n 第二个难点是生物学距离。基因调控并不局限于基因周围的一小段区域。增强子和其他调控元件可以跨越很长距离发挥作用，而 DNA 会折叠成三维结构，使相距很远的区域彼此接触。AlphaGenome 可以使用最长一百万个碱基对的上下文，这已经明显长于许多序列模型，但它仍然只是一个有限窗口。Google 的技术文档把一兆碱基的上下文范围列为限制，这意味着超出该距离的相互作用无法在一次预测查询中被捕捉。\n\n 分子输出和个体层面的结果之间也存在差异。模型可能预测某个变异改变了 RNA 剪接信号，或者降低了基因表达信号。但这本身并不能证明该变化会导致疾病、决定疾病严重程度，或对某种治疗产生特定反应。从 DNA 走向健康结果，中间还包括细胞生物学、发育、生理过程、环境和偶然因素。\n\n ## 有用的地图仍然需要真实世界的验证\n\n 得到 Atlas 预测之后，最有价值的下一步通常不是再做一次预测，而是围绕具体主张设计实验或证据审查。如果模型预测剪接发生改变，研究人员可以测试相关组织中的 RNA，或使用经过验证的细胞实验。如果模型预测增强子活性发生变化，他们可以在报告系统中比较参考序列和替代序列，然后检查结果是否能在更接近真实情况的细胞模型中重现。如果某个变异与某种性状有关，就还需要统计学重复验证和可信的生物学机制。\n\n 实验设计之所以重要，是因为计算预测可能与模型训练或评估所使用的数据相关。一个在计算机中看起来很有说服力的结果，换到不同细胞类型或不同实验方法中测试时可能失败。反过来，模型也能帮助实验室选择那些原本数量过多、成本过高而难以尝试的实验。它最强的作用，往往是让验证过程更有选择性。\n\n 临床基因组学有自己组合证据的规则。ClinGen 关于变异分类的指导采用 ACMG/AMP 框架，把群体数据、计算证据、功能研究、共分离、表型和其他信息结合起来。计算预测只是这个流程中的一部分，不能取代专家整理和判断。ClinGen 明确提醒，该指导不适合在没有遗传学专业人员审核的情况下直接用于诊断或医疗决策。\n\n AlphaGenome 自己的使用条款同样清楚。Google DeepMind 表示，AlphaGenome Atlas 尚未经过临床用途验证或批准。该模型面向研究使用，预测结果不应被当作医疗建议或诊断，也不应作为改变治疗方案的依据。这个边界并非无关紧要的免责声明，而是研究证据生成工具与受监管临床检测之间的区别。\n\n ## 研究人员现在可以怎样使用它\n\n 对于学术用户来说，Atlas 同时降低了几道门槛。科学家可以查询候选变异，而不必在本地运行完整模型。团队可以检查那些原本很难排序的非编码变异。学生可以探索一个单字母变化可能同时影响哪些分子过程。计算研究小组则可以通过 API 开展规模较小的分析，并围绕返回的评分建立自己的比较。\n\n 这个资源还可能让阴性结果更有信息量。如果某个变异在多个相关分子输出中都显示出较小的预测影响，它可能会在实验室的优先级清单中后移。这并不能证明它无害，却可以帮助研究团队分配有限的实验能力。反过来，较强的预测影响也能指出值得深入研究的候选，但不能因此宣布它具有致病性。\n\n 实际使用仍有边界。公开 API 面向非商业研究，项目文档称它更适合小规模或中等规模分析，不太适合一次请求超过一百万个预测。研究人员还必须记录分析使用的基因组版本、参考序列、转录本选择和生物学环境。缺少这些元数据的坐标，不能构成可复现的结果。\n\n 预计算也带来版本管理责任。基因组 Atlas 不是永远不变的答案。模型可能更新，参考组装可能改变，注释可能改进，实验数据也可能推翻早先的解释。一项严肃分析应保存模型或 Atlas 版本、查询的变异、参考基因组、输出字段和访问日期。没有这些记录，后来使用结果的人可能无法理解它为何发生变化。\n\n ## 这是一条值得谨慎表述的技术好消息\n\n 好消息不是 AI 已经解决了基因组问题，它并没有。真正值得注意的是，一个熟悉的研究瓶颈正在以具体方式得到处理。研究人员不必再从几乎无法管理的单字母变化空间中完全凭人工挑选，AlphaGenome Atlas 为这片空间提供了广泛且可搜索的第一轮筛查。它可以把非编码变异带入与编码变异相近的实际工作流程，并帮助研究人员把一个候选变异周围的不同分子信号联系起来。\n\n 这很重要，因为科学发现往往取决于下一步该测试什么。实验室没有无限的时间、样本和经费。更好的优先级排序，可以缩短从基因组观察到精心设计的实验之间的距离。在罕见病研究中，它可能帮助团队发现一个可信的调控或剪接机制。在群体研究中，它可能帮助把变异归入具有生物学意义的集合。在基础研究中，它可能揭示哪些基因组区域值得进行更细致的测量。\n\n 局限同样重要。Atlas 预测的是分子影响，不是完整的临床结果。它覆盖的是一个参考基因组，而不是每个人独特的基因组环境。对于数据中缺失或代表性较弱的生物学过程，它无法提供同样可靠的判断。有限的序列窗口会让部分长距离相互作用保持未解。它的输出需要验证、谨慎评估不确定性，并与已经建立的遗传学证据结合。\n\n 这也是评估计算生物学工具时值得坚持的标准。一个研究工具只有在让下一项实验更清楚、如实记录已知范围，并为未知部分留下空间时，才真正值得信任。按照这个标准，AlphaGenome Atlas 看起来像是一张用于导航的地图，而不是诊断神谕：它帮助研究人员面对一个仅靠人工检查已经过于庞大的问题。\n\n ### 来源与延伸阅读\n\n - [Google DeepMind：AlphaGenome Atlas](https://deepmind.google/blog/alphagenome-atlas-a-predictive-map-of-every-possible-dna-letter-change-in-the-human-genome/) —— Atlas 的发布说明、覆盖范围、AVI score，以及早期研究案例。\n- [Google：AlphaGenome Atlas 概览](https://blog.google/innovation-and-ai/models-and-research/google-deepmind/alphagenome-atlas/) —— 数据集规模、访问方式，以及罕见病和 UK Biobank 数据相关案例。\n- [Nature：DeepMind 的新基因组 Atlas](https://www.nature.com/news/deepminds-new-genome-atlas-charts-effects-of-all-9-billion-human-gene-mutations) —— 独立科学新闻背景。\n- [Google DeepMind：AlphaGenome 模型](https://deepmind.google/blog/alphagenome-ai-for-better-understanding-the-genome/) —— 模型输入、预测的分子性质、基准测试和研究用途警告。\n- [AlphaGenome API 文档与代码仓库](https://github.com/google-deepmind/alphagenome) —— 访问方式、支持的输出和实际使用限制。\n- [Google Cloud AlphaGenome 文档](https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/open-models/alphagenome) —— 包括仅限研究用途和一兆碱基上下文范围在内的已声明限制。\n- [ClinGen 变异分类指导](https://www.clinicalgenome.org/tools/clingen-variant-classification-guidance/) —— 计算、功能、临床和群体证据如何纳入专家变异解释。","available_translations":[{"language":"ar","title":"أطلس AlphaGenome يحوّل تسعة مليارات تغيير محتمل في الحمض النووي إلى خريطة بحثية","html_url":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool?lang=ar","markdown_url":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool.md?lang=ar","json_url":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool.json?lang=ar","api_url":"https://publicasta.com/api/public/v1/channels/good_tech_news/articles/alphagenome_atlas_nine_billion_dna_variants_research_tool?lang=ar"},{"language":"de","title":"AlphaGenome Atlas macht neun Milliarden mögliche DNA-Änderungen zu einer Forschungskarte","html_url":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool?lang=de","markdown_url":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool.md?lang=de","json_url":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool.json?lang=de","api_url":"https://publicasta.com/api/public/v1/channels/good_tech_news/articles/alphagenome_atlas_nine_billion_dna_variants_research_tool?lang=de"},{"language":"en","title":"AlphaGenome Atlas turns nine billion possible DNA changes into a research map","html_url":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool?lang=en","markdown_url":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool.md?lang=en","json_url":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool.json?lang=en","api_url":"https://publicasta.com/api/public/v1/channels/good_tech_news/articles/alphagenome_atlas_nine_billion_dna_variants_research_tool?lang=en"},{"language":"es","title":"AlphaGenome Atlas convierte nueve mil millones de cambios posibles en el ADN en un mapa de investigación","html_url":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool?lang=es","markdown_url":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool.md?lang=es","json_url":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool.json?lang=es","api_url":"https://publicasta.com/api/public/v1/channels/good_tech_news/articles/alphagenome_atlas_nine_billion_dna_variants_research_tool?lang=es"},{"language":"fr","title":"AlphaGenome Atlas transforme neuf milliards de changements possibles de l’ADN en carte de recherche","html_url":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool?lang=fr","markdown_url":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool.md?lang=fr","json_url":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool.json?lang=fr","api_url":"https://publicasta.com/api/public/v1/channels/good_tech_news/articles/alphagenome_atlas_nine_billion_dna_variants_research_tool?lang=fr"},{"language":"pl","title":"AlphaGenome Atlas zamienia dziewięć miliardów możliwych zmian DNA w mapę do badań","html_url":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool?lang=pl","markdown_url":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool.md?lang=pl","json_url":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool.json?lang=pl","api_url":"https://publicasta.com/api/public/v1/channels/good_tech_news/articles/alphagenome_atlas_nine_billion_dna_variants_research_tool?lang=pl"},{"language":"ru","title":"AlphaGenome Atlas превращает девять миллиардов возможных изменений ДНК в карту для исследований","html_url":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool?lang=ru","markdown_url":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool.md?lang=ru","json_url":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool.json?lang=ru","api_url":"https://publicasta.com/api/public/v1/channels/good_tech_news/articles/alphagenome_atlas_nine_billion_dna_variants_research_tool?lang=ru"},{"language":"zh","title":"AlphaGenome Atlas 将九十亿种潜在 DNA 变化变成研究地图","html_url":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool?lang=zh","markdown_url":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool.md?lang=zh","json_url":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool.json?lang=zh","api_url":"https://publicasta.com/api/public/v1/channels/good_tech_news/articles/alphagenome_atlas_nine_billion_dna_variants_research_tool?lang=zh"}],"_links":{"self":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool.json?lang=zh","api":"https://publicasta.com/api/public/v1/channels/good_tech_news/articles/alphagenome_atlas_nine_billion_dna_variants_research_tool?lang=zh","html":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool?lang=zh","canonical":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool?lang=zh","markdown":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool.md?lang=zh","json":"https://publicasta.com/good_tech_news/alphagenome_atlas_nine_billion_dna_variants_research_tool.json?lang=zh","channel":"https://publicasta.com/api/public/v1/channels/good_tech_news","channel_articles":"https://publicasta.com/api/public/v1/channels/good_tech_news/articles","search":"https://publicasta.com/api/public/v1/search","documentation":"https://publicasta.com/api-docs#reading-publicasta","openapi":"https://publicasta.com/api-docs/openapi.json","llms":"https://publicasta.com/llms.txt"}}