谷歌把人类基因组“预计算”了一遍：当90亿种变异随手可查，什么才是新的稀缺品

当地时间9月8日，谷歌DeepMind发布AlphaGenome Atlas：把人类参考基因组中超过90亿种可能的单碱基变化全部预计算一遍，打包成约1PB的数据集——规模是AlphaFold数据库的30多倍——通过免费网页门户向全球研究者开放。这被类比为基因组学的“AlphaFold时刻”。但当“读变异”的成本被抹平，真正的瓶颈去了哪里？

1PB的“基因组导航”：AlphaGenome Atlas到底发布了什么

人类基因组约30亿个碱基位点，每个位点有3种替换方式，合计约90亿种单核苷酸变异（SNV）。过去，研究者想评估某个变异的分子影响，需要自行部署模型、准备GPU集群、搭建生信管线——这套门槛把绝大多数实验室挡在门外。Atlas做的事，是用AlphaGenome模型把这90亿种可能性全部提前算完，整理成可查询的公共资源：打开浏览器输入任何一个变异，就能取回它在基因表达、剪接、染色质可及性等维度的预测结果。

底座AlphaGenome于今年1月发表于《自然》杂志，一次可读取约100万个碱基，预测11种分子模态，在26项变异效应基准中25项达到或超越此前最优。为了让90亿次推理可行，团队通过模型蒸馏、GPU内核优化与消除冗余计算，把效率提升约80倍——蒸馏后的模型在单块H100上预测单个变异不到1秒。Atlas经网页门户、API和谷歌Antigravity技能开放，非商业研究免费，商业版将通过Google Cloud提供。

从“按需推理”到“按需查询”：AVI如何给90亿变异排座次

90亿条预测，对人类研究者是不可直接消费的体量。于是Atlas配套发布了AVI（AlphaGenome Variant Impact）变异影响评分：把AlphaGenome的调控效应预测与AlphaMissense的蛋白影响预测，加上保守性、编码注释等特征，压缩成一个PHRED分数——PHRED 10代表全基因组前10%，20代表前1%，30代表前0.1%。它同时覆盖编码区（约2%）和非编码区（约98%）——后者正是大多数疾病相关变异的藏身之地，也是传统工具的盲区。

更难得的是可解释性：每个AVI分数可分解为18个SHAP特征归因，研究者不仅知道“这个变异分数高”，还知道“高在剪接还是染色质开放”。在ClinVar基准上，AVI对内含子变异致病性判别的AUPRC达0.76（次优工具0.44），3'UTR区域0.50对0.18；但在5'UTR类别上与GPN-Star-V基本持平——并非全面碾压，这一点DeepMind自己也承认。

罕见病实证：一个被漏掉的DNM1剪接变异如何被捞回来

Atlas的价值已在真实病例中跑通。Broad研究所与GREGoR联盟在814个三口之家基因组中重排未确诊罕见病变异：一名癫痫性脑病患儿历经多项检测未明病因，AVI把DNM1基因内含子10的一个非编码变异推到首位（PHRED 24.7，69%归因来自剪接特征）——预测它创建了脑特异的隐蔽剪接位点，使蛋白框内延长13个氨基酸。由于该外显子在血液中几乎不表达，此前基于血样的RNA测序根本无法发现。微型基因实验验证后，证据强度足以支持“可能致病”分级。

另一个案例来自埃克塞特大学：用Atlas对UK Biobank中5.4万余人的数据做罕见非编码变异筛选，关联信号检出增加22%，一处分析把526个候选缩小到4个。用研究者的话说，Atlas的价值是“缩小大海捞针的那片海”。

冷思考：假说生成变便宜了，验证没有——中国团队的护城河在哪

热闹之外，边界必须讲清楚。第一，DeepMind明确声明Atlas是研究工具、未获批任何临床用途，预测不能替代实验证据；其准确度远未达AlphaFold在蛋白质结构预测上的水平，也没有公开的独立评估量化过这90亿条预测的整体准确率。第二，瓶颈是位移而非消失——从90亿个候选里挑出100个的成本降到接近零，但这100个仍需MPRA、CRISPR扰动、家系共分离来证实。假说生成变便宜了，假说验证没有。

放到中国坐标系，现实意义更清晰：协和牵头的国家级罕见病基因组诊断项目UPWARDS纳入4.2万余个家系，整体诊断率仅29.58%，未确诊七成的卡点正是非编码变异解读，Atlas可成为本土团队重分析存量数据的“优先级触发器”。但也要看到，Atlas基于hg38参考基因组与欧洲为主的人群频率数据，中国人群特有的变异谱并不在其中——当通用预测变成公共品，人群特异性的高质量数据，反而成了公开图谱无法替代的新护城河。假说可以免费，证据永远稀缺。

原文链接：第一财经

千方医数集编辑部 出品