AlphaGenome预计算90亿种变异：一张图谱不等于临床答案

Google DeepMind于2026年9月8日发布AlphaGenome Atlas，将AlphaGenome对约90亿种可能单核苷酸变异的分子效应预测预先计算为约1PB的数据集，并推出AlphaGenome Variant Impact（AVI）评分。Google DeepMind的发布说明 称，研究者现可通过网页门户、AlphaGenome API和Google Antigravity技能访问该资源，非商业用途已经开放，商业访问计划随后通过Google Cloud提供；同一页面明确说明AlphaGenome未获准用于任何临床用途。

这次发布建立的是可查询的预测图谱，并不是发现了90亿个患者身上的真实变异，更不是给这些变异逐一作出临床判定。9月9日刊发的 《自然》独立报道 确认，Atlas覆盖约90亿种可能的单字母改变，相关研究报告在发布时仍是预印本；因此，它现阶段的角色是研究基础设施和候选排序工具。

90亿种预测如何组成1PB图谱

人类基因组约有30亿个DNA位置，每个位置的参考字母都可能被另外三种字母替换，由此得到约90亿种可能的单核苷酸变异。这个数字描述的是计算空间，不代表受试者数量，也不意味着这些改变都已经在人群中出现。

预计算解决的是调用成本和检索速度问题。研究者不必为每个候选位点单独运行一次AlphaGenome，而可以直接查询Atlas已有的分子效应预测；每个变异还关联AVI评分、评分的特征归因以及相关DNA序列基序位置。

Atlas提供的不只是“有影响”或“无影响”的二元标签。它保存了涉及基因表达、RNA剪接、染色质可及性及其他调控过程的预测，并涵盖多种细胞和组织背景。约2%的基因组直接编码蛋白质，其余非编码区域包含大量调节基因活动的序列；Atlas同时覆盖两类区域，但全基因组可查询不等于所有区域都具有相同的预测准确度。

AVI回答影响排序，不回答患病概率

AVI把AlphaGenome给出的调控效应预测与AlphaMissense对蛋白改变的预测合并为一个便于比较的分数。它回答的是“哪个候选变异更值得优先研究”，而不是“携带者有多大概率患病”。

特征归因进一步显示，剪接、基因表达、蛋白影响、染色质可及性或保守性等因素如何推动某个变异的总分。这让研究者能够从排名转向可检验的机制假设，但归因仍来自模型计算，并非对患者样本的直接测量。

高AVI分数表示一个变异在模型和评分体系中被判为可能产生较强分子影响。临床致病性还取决于变异与表型是否吻合、遗传方式、家系共分离证据、组织和发育阶段，以及其他遗传与环境因素；低分同样不能独自排除疾病关联。

从输入到验证，Atlas只覆盖证据链的一部分

AlphaGenome Atlas在研究流程中的位置可以概括为“输入—预测—AVI排序—实验验证”：

1. 输入：将测序或队列研究得到的候选变异及其基因组位置交给查询系统。
2. 预测：查看Atlas为相应变异预计算的表达、剪接、染色质或蛋白影响。
3. AVI排序：依据综合分数和特征归因缩小候选范围，提出可能的作用机制。
4. 实验验证：在适当的细胞、组织或功能实验中检验预测，再结合患者表型、家系资料和既有医学证据解释结果。

这条流程能把有限的实验资源集中到优先级更高的候选对象上，却不能取消后续验证。模型对剪接位点或启动子等类别的表现可能较好，对某些增强子以及由调控蛋白水平变化间接产生的效应则可能遗漏；输入的组织背景不匹配，也会削弱预测对具体疾病的解释力。

合作案例中，哪些结果已经过实验检验

Broad Institute与GREGoR Consortium研究者在一例癫痫性脑病研究中，用AVI重新排列此前未解决的候选变异，锁定DNM1基因中的一个非编码变异。《财富》对合作研究的报道 显示，模型预测该变异会形成异常剪接位点并使蛋白延长13个氨基酸，实验室实验随后确认了剪接效应，新增证据支持将该变异重新归类为“可能致病”。

这个案例验证的是一个具体变异对应的分子机制，而不是对Atlas中90亿条预测的整体认证。它也说明AVI的价值在于从大量候选中提出可实验检验的对象；最终分类仍依赖预测之外的证据。

埃克塞特大学研究者则把Atlas用于超过5.4万名UK Biobank参与者的全基因组数据，寻找影响血液蛋白水平的罕见非编码变异。按预测分子效应筛选后，分析获得的关联比不使用Atlas时多22%，其中一个区域的候选数量从526个缩小到4个。这里得到的是队列层面的统计关联和优先名单，不能据此认定每个入选变异都具有因果作用。

临床边界没有因覆盖规模而改变

AlphaGenome Atlas目前提供的是模型预测、统一评分和研究访问渠道，不是经过临床验证或监管批准的诊断产品。医生不能仅凭AVI高分确定病因，研究者也不能用低分替代排除性证据；官方还明确表示，其信息不能替代专业医疗建议、诊断或治疗。

Atlas论文中的基准结果可用于评价特定数据集和任务上的候选识别能力，却不能外推为对所有组织、祖源、疾病机制和变异类别都同样可靠。发布时仍待独立团队回答的问题包括：AVI能否在前瞻性病例中维持表现，不同人群和生物背景下的误差如何变化，以及实验能在多大范围复现模型给出的机制解释。

因此，这张图谱带来的变化是把“先查哪个变异、先验证哪种机制”变得更快，而不是提前给出临床答案。已经确认的是大规模预计算资源及其研究用途；具体变异是否致病，仍须由实验、患者表型、家系资料和临床标准共同建立证据。