AI解码人类基因组：AlphaGenome Atlas揭示单碱基突变全景

谷歌旗下DeepMind团队于2026年9月8日宣布推出全新数据库AlphaGenome Atlas，该数据库借助人工智能模型，对人类基因组中每一种可能发生的单核苷酸变异所产生的影响进行了系统预测，被视作迄今关于基因突变如何作用于分子生物学的最全面目录。此举有望大幅缩短科研人员从海量基因数据中锁定关键变异的时间，为罕见病诊断和复杂性状研究提供新的基础设施。

覆盖非编码区：从2%到100%的跨越

人类基因组由约30亿个碱基对构成，但其中绝大部分区域的功能仍属未知。长期以来，科学家对约占基因组2%、负责编码蛋白质的区域已有较深理解，而对其余98%的非编码区域认知有限。此前，DeepMind的AlphaGenome模型已证明，非编码区域中的单个碱基变化足以干扰蛋白质合成等分子过程，但科学界始终缺乏全局视图。

为填补这一空白，研究团队调用AlphaGenome模型，预先计算了全部90亿种单字母基因变化可能引发的调控影响，由此生成一个高达1PB（拍字节）的庞大数据集，构成AlphaGenome Atlas的核心。为便于科研人员快速检索和分析，团队专门设计了AlphaGenome变异影响评分（AVI Score）。该评分整合编码区与非编码区的预测结果，形成单一、易用的指标，研究者无需逐一筛查海量数据，即可迅速锁定最具研究价值的方向。

应用初显：罕见病与复杂性状研究获突破

AlphaGenome Atlas已在多个科研场景中展现辅助价值。在罕见基因变异研究方面，布罗德研究所的劳拉·科维尔（Laura Covill）及其团队借助AVI评分，在一项长期未解的罕见病研究中锁定DNM1基因中的一处关键变异，该工具预测此变异会形成错误的剪接位点，为破解该疑难病例提供了关键证据。

在复杂性状研究领域，识别与复杂性状相关的罕见非编码变异一直受统计噪音困扰。加雷斯·霍克斯（Gareth Hawkes）博士将AlphaGenome Atlas应用于英国生物样本库（UK Biobank）中超过5.4万名参与者的数据，通过依据预测的分子效应对变异进行分组，成功多识别出22%的非编码基因关联。进一步聚焦影响最显著的前1%变异后，他确定了19个与体重指数（BMI）相关的基因区域，为后续靶向研究指明了方向。

开放共享：加速基因组学发现

AlphaGenome Atlas目前通过一个直观易用的网页门户向全球开放，用户无需编程技能即可使用，这使得临床研究人员和生物学家能轻松访问。谷歌DeepMind方面表示，此举是持续致力于加速基因组学发现、推动科学普惠的一部分，AlphaGenome Atlas提供的扎实洞见有望进一步加快生物学研究步伐。

从行业视角看，该数据库的发布意味着AI在基因组学领域的应用从单点突破走向系统化基础设施。随着人类基因组非编码区功能被逐步解析，未来或可推动精准医疗、药物研发甚至基因编辑的靶点选择。然而，如何将海量预测数据转化为临床可用的决策依据，仍需更多验证与跨学科协作。