編按:本文綜合整理自 Google DeepMind 官方部落格、Nature 報導、Fortune、IEEE Spectrum,並加入 Siami 編輯部觀點與分析。
AlphaGenome Atlas 是什麼
Google DeepMind 於 2026 年 9 月 8 日正式推出 AlphaGenome Atlas,這是一份涵蓋人類基因體中 90 億種單一字母變異(single-nucleotide variants,SNV)分子效應預測的完整目錄。用人話說:人類基因體約有 30 億個「字母」(A、T、C、G),每一個位置都可能突變成另外三種字母,總共加起來就是約 90 億種可能。DeepMind 把這 90 億種突變的分子影響全部用 AI 預先算好,免費開放下載與查詢。
這是繼 2020 年 AlphaFold(預測蛋白質 3D 結構)之後,DeepMind 在生物學領域的下一個重大突破。Atlas 的資料量高達 1 PB(petabyte,百萬 GB),比 AlphaFold 資料庫還大 30 倍。
為什麼這件事重要
AlphaGenome 這套 AI 模型早在 2025 年 6 月就發表了,但當時只能「一個變異、一個變異」分析。對於遺傳學家來說,要從成千上萬個候選突變中找出「哪一個才是造成疾病的元凶」,就像在大海撈針。
Atlas 把整個搜尋過程變成「查表」:研究人員不再需要自己跑模型,直接到 AlphaGenome Atlas 網站或 API 查詢任何一個 DNA 變異,馬上就能拿到這個變異對基因表現、RNA 剪接、染色質結構等分子層面的影響預測。
更具突破性的是,DeepMind 同步發布了 AVI 分數(AlphaGenome Variant Impact),把 AlphaGenome 與 AlphaMissense(預測蛋白質變異影響)的預測結果整合成單一可解讀的分數。AVI 不只涵蓋會製造蛋白質的 2% 編碼區,連過去難以研究的 98% 非編碼區也一併納入,這是遺傳學界長久以來的痛點。
實際應用案例
1. 找出兒童肝癌的隱藏變異
GREGoR Consortium 的研究人員用 AVI 分數從上千個候選變異中,挖出一個先前未發現的突變,會導致侵略性兒童肝癌。AlphaGenome 不只告訴他們「這個變異有害」,還具體指出突變如何破壞 RNA 剪接位點,導致蛋白質異常延長。實驗驗證完全吻合預測。
2. 用 UK Biobank 50,000 人基因體找 BMI 相關位點
University of Exeter 的 Gareth Hawkes 把 Atlas 套用到 54,000 名 UK Biobank 參與者的全基因體資料,鎖定 BMI 相關的非編碼變異。從數億個候選中聚焦到最關鍵的 1%,最後找出 19 個與 BMI 相關的基因區域,其中 6 個前所未見。
3. 解開「未解」的罕見疾病
對罕病研究來說,最大的瓶頸是「找不到致病變異」。Atlas 提供 AVI 分數讓研究人員快速排序、聚焦,解決大海撈針的問題。
數據解讀:規模、限制、質疑
規模亮點:
- 90 億種變異預測全部完成
- 1 PB 資料量,是 AlphaFold 資料庫的 30 倍
- 同時覆蓋編碼區(2%)與非編碼區(98%)
- 透過 Google Cloud 開放商業使用(學術免費)
專家質疑(Science Media Centre):
- 「AlphaGenome 還遠遠不完美,仍有大量工作要做。AI 模型的表現取決於訓練資料。」
- 非編碼區預測的準確度仍待大規模實驗驗證
- 從「預測」到「臨床應用」還有很長距離,DeepMind 自己也聲明「未經臨床驗證、不適用於臨床決策」
與 AlphaFold 的對比:
| 項目 | AlphaFold (2020) | AlphaGenome Atlas (2026) |
|---|---|---|
| 預測對象 | 蛋白質 3D 結構 | DNA 變異的分子效應 |
| 規模 | 2 億個結構 | 90 億個變異預測 |
| 資料量 | ~33 TB | 1 PB(30 倍) |
| 涵蓋範圍 | 蛋白質編碼基因 | 全基因體含非編碼區 |
Siami 觀點:基因體 AI 的轉捩點
AlphaGenome Atlas 不是另一個「又一個 AI 模型發布」的故事。它代表 AI 開始接管整個基因體領域的基礎建設。
過去遺傳學家要花數週、甚至數月跑模型分析候選變異;現在他們打開網頁、輸入一段 DNA 序列、幾秒鐘就能拿到答案。這種「從 on-demand 計算到預計算目錄」的典範轉移,跟 2010 年代 Google 把整個網路索引化、讓搜尋從「即時計算」變成「查表」的過程非常類似。
更重要的是,這是 DeepMind 在 AlphaFold 之後的第二個「資料庫級」成果。如果說 AlphaFold 解決了「蛋白質長什麼樣子」,AlphaGenome Atlas 解決的是「基因突變會做什麼」。兩者加起來,就是理解「DNA → RNA → 蛋白質 → 生命」這條中心法則的完整拼圖。
對台灣的讀者來說,這個工具對罕病基因檢測、藥物開發、癌症研究都有直接影響。台灣國家衛生研究院、中研院基因體研究中心等單位若導入這個工具,可大幅縮短罕病確診時間。
接下來看什麼
- 臨床驗證:AVI 分數能否在真實臨床決策中達到醫療器材等級的準確度?
- 客製化基因體:人類參考基因體有「單一族群偏誤」(主要來自歐洲血統),Atlas 對亞洲、非洲族群的預測準確度還需驗證
- 與其他 AI 工具整合:DeepMind 提到會把 Atlas 整合進 Google Antigravity(agentic AI 系統),未來可能實現「AI 自動分析基因體」
AlphaGenome Atlas 已在 官方網站 開放下載(學術免費),商業用途透過 Google Cloud 提供。
網友熱門留言 (4)