Google DeepMind 放大招：1PB AlphaGenome Atlas 把 98% 非编码区一次性预计算，开源给 7 万研究者

DeepMind AlphaGenome Atlas 1PB数据+AVI评分：把非编码基因组从“研究级”推到“基础设施级”

趋势前瞻 × 药企研发负责人 ｜ 深度研报

9月8日，DeepMind正式发布AlphaGenome Atlas：一个规模达到1PB的非编码基因组数据集，首次将AlphaGenome的非编码调控预测能力与AlphaMissense的蛋白质功能评分整合为统一的AVI评分体系，覆盖约90亿预计算SNV——这意味着”非编码基因组“这一长期被研究界视作高门槛、低产出的领域，正在被推向工业化、可调用的基础设施级别。

一、从模型到数据集：AlphaGenome Atlas的三层架构

AlphaGenome Atlas的发布不是单一的模型升级，而是一个三层架构的系统级产出：第一层是覆盖98%非编码区的AlphaGenome深度学习模型，提供染色质可及性、转录因子结合、RNA剪接等多维预测输出；第二层是与AlphaMissense合并而来的AVI（Alpha Variant Integrator）评分体系，首次提供端到端的变异效应打分；第三层是1PB规模、约90亿SNV预计算的数据集，可直接下载与二次分析。

这三层彼此咬合——模型负责在线推理，评分体系负责统一输出格式，数据集负责离线分析。药企研发负责人从此可以在自己的计算环境中直接复用DeepMind的预计算结果，不必每次重新部署模型，也无需为每一次迭代重新准备训练数据。

从”研究级“基础设施跃迁角度，这一次发布的意义不亚于AlphaFold在蛋白质结构领域的破局：它把”高门槛专家级任务“封装为”开箱即用的资源“，让中小药企与学术实验室均能享受同等起点。学术界过去需要数月才能完成的非编码变异筛选任务，今天有可能压缩到小时级。

二、技术拆解：98%非编码区覆盖与多维输出

AlphaGenome Atlas的核心技术指标是98%的人类非编码区覆盖——这一比例意味着研究人员在面对任意一个位于非编码区的变异时，都能从Atlas中获得标准化的预测输出，而非仅得到”功能未知“的注释。

输出维度方面，Atlas一次性提供四类关键信号：变异评分（AVI）、染色质可及性预测、转录因子结合位点影响、RNA剪接效应。这四类信号正好对应非编码变异的四个核心生物学机制——调控强度、组织特异性、调控精度、转录后修饰，使得研究者不必再拼接多种工具即可完成多视角评估。

计算成本层面，DeepMind将90亿SNV的预计算结果向研究者开放，等于把”买不起GPU也得跑超大规模推理“的门槛完全取消。对药企而言，这意味着在GWAS hit prioritization、罕见病致病变异识别、药物靶点优先级排序三类典型场景中，可以直接调用预计算结果作为第一轮筛选，团队再针对高优先级变异做二次深度分析。

三、验证案例：DNM1等罕见病致病变异的识别能力

任何模型的价值最终需要落到验证案例上。AlphaGenome Atlas在发布时同步披露了与**GREGoR联盟（Genomics Research to Elucidate the Genetics of Rare Diseases）**的合作验证结果。

GREGoR联盟长期聚焦罕见发育性疾病的致病机制研究，其中DNM1相关发育性癫痫性脑病是经典的难诊病例——致病性变异多落在非编码调控区，传统注释工具给出的”功能未知“比例极高。Atlas在DNM1案例中识别出多个位于调控区的功能变异，并通过了细胞功能实验验证，证明其预测并非仅仅停留在统计相关性层面。

这一案例说明，Atlas对”调控区致病变异“的识别能力，已经具备临床级证据的雏形。对于罕见病诊断公司，这意味着可调用的底层基础设施上了一个台阶——以往需要自建团队、自训模型的环节，现在可通过标准化评分替代，从而把更多预算投入到临床证据收集与解读流程建设上。

四、商业路径：Isomorphic Labs的”基础设施-应用“分工

AlphaGenome Atlas的商业化路径展现出DeepMind与关联药企Isomorphic Labs清晰的分工：DeepMind负责基础设施层的模型与数据集，Isomorphic Labs负责在基础设施上构建商用药物研发管线。

Isomorphic Labs成立于2021年，由DeepMind联合创始人Demis Hassabis亲自推动，定位为AI驱动的药物发现公司，与诺华、礼来等大型药企签订过数十亿美元的合作协议。Atlas为其商业管线提供”非编码变异效应“维度的输入，使靶点选择、先导化合物筛选、可成药性评估等关键环节的输入特征更丰富。

商业化路径上，Isomorphic Labs很可能采取API调用+数据库订阅+联合开发的复合收费模式。药企若希望以最快速度把Atlas能力嵌入自有pipeline，API调用是首选；若希望构建内部知识库，数据库订阅更契合；若涉及具体管线共研，联合开发模式则更灵活，从而形成多层级、面向不同体量客户的商业模式矩阵。

五、全球合作生态：NIH/UK Biobank/gnomAD/Genomics England

AlphaGenome Atlas并非孤立产品，而是嵌入在一张全球基因组数据合作网络之中。其训练与验证数据集来源涵盖NIH 1000 Genomes计划、UK Biobank、gnomAD、Genomics England等多个国际旗舰项目。

这种生态嵌入带来三类实际效益：第一，模型在多人群覆盖下表现更稳健，不局限于某一祖先群体的遗传背景；第二，预计算结果可与已知队列（如UK Biobank的50万人表型库）快速对接，研究人员可直接做表型关联分析；第三，跨国合规与伦理流程已被预先梳理，学术界复用阻力显著下降。

对中国研发机构而言，Atlas也提供了新机会——可在符合数据出境合规框架的前提下，与国内自有的队列数据做联合分析，提升变异解读精度与靶点发现速度。这种”国际基础设施+本土队列“的组合，预计将成为未来若干年中国精准医学研发的主流打法。

六、对药物研发下游的三重影响

AlphaGenome Atlas对下游药物研发的影响至少体现在三个层面。

第一层是罕见病诊断——长期以来困扰遗传咨询门诊的”罕见变异意义不明（VUS）“问题，有望因AVI评分体系的引用而显著缓解。临床实验室在出具报告时，可将AVI作为参考证据之一，提高对致病变异的判读信心，缩短诊断延迟时间。

第二层是GWAS hit优先级排序——全基因组关联研究每天产出大量统计信号，但下游功能验证成本高昂。Atlas可在数小时内为研究者提供每个GWAS hit的功能预测分数，将实验资源集中在高置信信号上，从而把单次GWAS研究的”有效转化率“提升一个数量级。

第三层是药物靶点优先级——对于已有线索的非编码调控区，Atlas的预计算结果可帮助药企评估”调控该基因对特定细胞类型的影响“，从而判断靶向干预的可行性。这种”在调控层面算清楚功能后果“的能力，将让药物靶点选择从经验主义走向系统化数据驱动。

长远看，AlphaGenome Atlas或将与AlphaFold形成”蛋白质-非编码“的双基石结构，共同支撑AI驱动的下一代药物研发。当基础设施足够扎实，应用层的创新密度才可能真正爆发。

原文链接：https://deepmind.google/discover/blog/alphagenome-atlas/

千方医数集编辑部 出品