← 返回 Siami 首頁

Google DeepMind 釋出 AlphaGenome Atlas:1 PB 級人類 DNA 變異預測地圖上線

▲ 90 💬 9
Google DeepMind 釋出 AlphaGenome Atlas:1 PB 級人類 DNA 變異預測地圖上線

編按:本文綜合整理自 Google DeepMind 官方公告、Fortune 報導、IEEE Spectrum 深度分析、Nature 期刊論文,並加入 Siami 編輯部觀點與分析。

人類基因體大約有 30 億個 DNA 鹼基對,但其中僅約 2% 是會編碼蛋白質的區域,科學界對剩下 98% 的「非編碼 DNA」理解仍非常有限。Google DeepMind 於 2026 年 9 月 8 日正式釋出 AlphaGenome Atlas,把 AI 模型對所有 90 億種單一鹼基變異(SNV)的調控影響預先計算完成,整份資料集大小約 1 PB(petabyte,1 千 TB),規模是 AlphaFold 資料庫的 30 倍以上。

AlphaGenome Atlas 是什麼

AlphaGenome 是 DeepMind 在 2025 年發表的深度學習模型,特色是能用單一 API 預測一段 1 Mb 長度 DNA 中每個變異對基因調控的影響。Atlas 則是把這個模型對人類基因體所有可能 SNV 的預測結果「預先計算並打包」,讓研究者不用每次都跑模型,可以直接查詢。

這份 Atlas 是目前最完整的「基因突變如何影響分子生物機制」目錄。── Pushmeet Kohli,DeepMind 科學 VP

新工具最關鍵的設計是 AVI 分數(AlphaGenome Variant Impact):一個整合編碼區與非編碼區預測的單一數值評分,讓研究者快速排序哪個變異值得深入研究,不用在數千個資料點中逐一翻找。


兩個已驗證的研究實戰案例

AlphaGenome Atlas 上線當天就有外部團隊回報使用成果,DeepMind 在官方公告中列出兩個代表性案例:

罕見基因變異研究(Broad Institute):Laura Covill 團隊使用 AVI 分數為未解的罕見疾病研究排序變異,工具成功標記出 DNM1 基因中的一個關鍵變異,預測它會產生錯誤的剪接位點(splice site),為案件提供了重要的佐證並成功結案。

複雜性狀研究(英國生物樣本庫):Gareth Hawkes 博士從 5.4 萬名 UK Biobank 參與者的資料出發,依變異的預測分子效應分組後,比傳統統計方法多找出 22% 的非編碼基因關聯。聚焦在影響力前 1% 的變異後,他辨識出 19 個與 BMI 相關的基因區域,指引下一階段的標靶研究方向。


為什麼這件事重要

「這是史上第一次,全世界的任何研究者只要打開瀏覽器,就能接觸到完整的人類遺傳變異地圖。」── Pushmeet Kohli,DeepMind 科學 VP

這句話呼應了 Kohli 在記者會上引用的比喻:「人類基因體計畫(2003 年完成)讓大家買到了這本書,但大家還不會讀它。」AlphaGenome Atlas 嘗試把「讀」這件事的成本從數十年、數百位博士的人力工作,壓縮到一次模型推論。

對臨床研究的衝擊:罕見疾病患者經常經歷「漫長診斷歷程」(diagnostic odyssey),平均確診時間 5 至 7 年。如果 AVI 分數能幫臨床團隊快速收斂候選變異,這條路可以大幅縮短。

對藥廠的戰略價值:DeepMind 姊妹公司 Isomorphic Labs(專注 AI 藥物發現)已是這個資料集的「第一個內部用戶」。外部藥廠雖然 ToS 限制商業用途,但業界普遍認為未來會有授權或合作模式(HN 留言 @falcor84 與 @mertcikla 都提到這點)。

對學術研究的民主化:DeepMind 強調 Atlas 提供「無需寫程式」的網頁介面,臨床醫師與生物學家不需要會 Python 就能查詢,這跟 AlphaFold DB 的策略一致──把 AI 變成「打開瀏覽器就能用」的公共資源。


數據解讀與質疑

1 PB 是什麼概念? 1 petabyte = 1,024 TB = 1,048,576 GB。一般家用硬碟約 2 TB,所以 Atlas 大小相當於 50 萬台家用硬碟的容量。DeepMind 強調 Atlas 體積比 AlphaFold DB 大 30 倍以上,這也意味著下載與本地部署的門檻極高,絕大多數研究者只能依賴雲端查詢介面。

AVI 分數的限制:IEEE Spectrum 引述專家質疑,「對新細胞類型的泛化能力是巨大限制」,模型也難以捕捉距離較遠的調控互動(distal regulatory interactions)。換句話說,AVI 是「快速篩選器」,不是「最終答案」──研究者用 AVI 排序後,仍需實驗驗證。

商業用途的灰色地帶:Hacker News 上多位開發者質疑 DeepMind 的非商業 ToS(@mertcikla)。雖然 DeepMind 沒有明確回應,但 Isomorphic Labs 已開始商業化使用,這條界線由誰畫、怎麼畫,目前還沒公開標準。

與既有資料庫的關係:Atlas 並非取代 ClinVar、gnomAD、OMIM 等既有基因體資料庫,而是疊加一層 AI 預測分數。研究者仍需交叉比對,才能確認某個變異是否已在文獻中報導。


與其他 DeepMind 生命科學模型的關係

AlphaGenome Atlas 是 DeepMind 「AI for Science」系列的最新進展,跟之前的 AlphaFold(蛋白質結構)、AlphaMissense(有害突變預測)形成互補:

模型預測對象發表時間
AlphaFold蛋白質 3D 結構2018/2020/2024
AlphaMissense錯義突變致病性2023
AlphaGenome非編碼變異調控影響2025
AlphaGenome Atlas90 億 SNV 預先計算2026

Atlas 的規模代表 DeepMind 開始把模型從「推論工具」轉變為「資料庫基礎設施」,這對學術界與產業界的依賴關係都是新格局。


相關資源


Siami 編輯部觀點:AlphaGenome Atlas 不是「又一次 AI 模型發表」,而是 DeepMind 把基因體學的基礎設施重新定義。當 1 PB 的資料透過瀏覽器就能查詢,學術與商業的界線也勢必重新畫線。Siami 將會持續追蹤 Isomorphic Labs 如何商業化運用這份資料,以及各國基因體監管機構(特別是歐盟 GDPR、英國 Genomics England)如何回應這個新工具。

網友熱門留言 (6)

#1 HN @mertcikla 0
雖然不是我的專業,但假設這份資料能用於藥物開發,但 ToS 又限制只能用於非商業用途。請問 DeepMind 是否打算把這些資料賣給藥廠?
#2 HN @parasxos 0
一份來自「另一個還把我導到湖裡」的公司的基因體地圖。
#3 HN @asxndu 0
我真的滿喜歡 DeepMind 的,他們是真的專注在用 AI 讓世界變得更好。
#4 HN @WarmWash 0
Google 在挖掘基因遺傳學的潘朵拉盒子?不知道他們能撐多久才把這東西藏起來...
#5 HN @dekhn 0
個別 SNP 預測對藥物開發沒什麼用。藥廠可能會授權使用,但主要是怕錯過。
#6 HN @falcor84 0
據我所知,他們已經透過 Isomorphic Labs 在做了。