Google DeepMind发布基因组数据库“AlphaGenome Atlas”，利用AI在分子层面对人类基因组中约90亿种可能出现的单核苷酸变异（SNV）进行影响预测。该数据库旨在帮助研究人员从海量遗传变异中更快筛查出与疾病相关的候选变异，并分析其潜在生物学效应，从而加快基因组研究和新药研发进程。

据《The Verge》等外媒当地时间8日报道，AlphaGenome Atlas是一套对人类基因组单核苷酸变异（SNV）影响进行预计算的图谱。人类DNA由A、C、G、T四种碱基组成，整个基因组约有30亿个碱基位点；如果将每个位点可能发生的其他碱基替换全部纳入计算，潜在的单碱基变异总量约为90亿种。

这些变异中，一部分几乎不会产生明显影响，但也有一些会导致个体差异，甚至与疾病发生相关。问题在于，要通过实验逐一验证数十亿种变异几乎不现实。为此，AlphaGenome Atlas调用AI模型AlphaGenome，对每一种变异在基因调控、蛋白生成等分子生物学过程中的潜在影响进行预测。

AlphaGenome Atlas的一大特点，是不仅覆盖约占人类基因组2%的蛋白编码区，也将预测范围扩展至其余非编码区。虽然非编码区不直接生成蛋白，但会调控基因在何时、何地以及以何种程度被激活。该数据库可针对每种变异预测基因表达、RNA剪接、染色质可及性、进化保守性等数千项分子层面效应，并提供数百种人类和小鼠细胞、组织相关信息。

Google DeepMind还公布了“AlphaGenome变异影响评分”（AVI），用单一分值量化变异的潜在影响大小。AVI整合了AlphaGenome对非编码区基因调控效应的预测结果，以及AlphaMissense对蛋白变化的预测结果。借助这一评分，研究人员可以从数十亿种变异中更快锁定更值得优先筛查的对象，并进一步查看其可能影响的具体生物学过程。

此外，AlphaGenome Atlas还纳入了基因组中重复出现的2500多种短DNA序列及其位置信息，用于分析特定DNA序列在不同细胞中对基因表达的激活或抑制等调控作用。

目前，该数据库已经在研究中得到应用。Broad Institute研究团队利用AVI缩小了一例病因未明罕见病的候选变异范围，并定位到与癫痫性脑病高度相关的DNM1基因变异。AlphaGenome预测，该变异会形成错误的RNA剪接位点，进而生成异常偏长的蛋白，后续实验也验证了这一结果。

英国Exeter University医学研究委员会研究员Gareth Hawkes则将AlphaGenome Atlas用于UK Biobank超过5.4万名参与者的全基因组数据分析。依据预测的分子效应对罕见变异分组分析后，团队在非编码区与性状之间发现的关联较以往增加22%。此外，研究人员在分析数亿个非编码变异与体质指数（BMI）的关系后，将范围缩小到AlphaGenome预测影响最高的前1%，最终确认了19个遗传区域。

AlphaGenome Atlas所依托的底层模型AlphaGenome，是一款此前发布的AI模型，主要用于预测DNA变异对生物学过程的影响。DeepMind基因组学负责人Žiga Avsec表示，虽然基础模型已经发布，但要将其构建成覆盖全基因组的大规模数据库，仍需对数十亿种变异的预测结果进行预计算和系统分析，因此耗时较长。

AlphaGenome Atlas的数据规模约为1PB，超过AlphaFold数据库的30倍。研究人员无需自行编程，即可通过网页门户检索相关变异；同时，也可以通过面向大规模分析的AlphaGenome API，以及Google开发平台Antigravity中的AlphaGenome功能进行调用。

Google DeepMind表示，从即日起，AlphaGenome Atlas将通过官网向非商业研究用途开放；商业用途后续将通过Google Cloud提供。该公司同时强调，数据库中的信息属于基于AI生成的研究资料，尚未经过临床使用所需的验证或批准，不能替代诊断、治疗等临床判断。