DeepMind 发布 AlphaGenome Atlas：1 PB 数据集覆盖 90 亿种 DNA 单核苷酸变异，学术免费

9 月 8 日，谷歌 DeepMind 上线 AlphaGenome Atlas——一个 1 PB（1024 TB）规模的数据集，覆盖人类基因组中 90 亿种可能的单核苷酸变异（SNV），是迄今最完整的”DNA 变异分子效应图谱”。学术界可通过免费门户网站和 AlphaGenome API 访问，非商业研究零成本。这是 AlphaFold 之后 DeepMind 又一次把 AI 推上”生命科学基础设施”的位置。

一、为什么 90 亿这个数字重要

人类基因组由约 30 亿个碱基对组成。理论上每个位置都可能突变成其他三种碱基，所以所有可能的 SNV 数量是 30 亿 × 3 ≈ 90 亿。过去任何实验室都不可能在物理上逐一测试这 90 亿种变异对细胞功能的影响。AlphaGenome Atlas 的核心贡献是：先用 AlphaGenome 模型预测每个 SNV 在数百种人类和小鼠细胞中的分子效应，再把预测结果预先计算并打包发布，科学家直接查表即可。

数据集大小比 AlphaFold 数据库还要大 30 倍以上。DeepMind 同时发布了 AlphaGenome Variant Impact（AVI）评分，把 AlphaGenome 的调控预测和 AlphaMissense 的蛋白质影响预测浓缩成单一数值，让研究者能像排序商品一样给变异按潜在影响排序。

二、谁已经用上了

博德研究所（Broad Institute）团队用 AVI 评分筛选罕见病相关变异，发现了一个之前被忽略的、与癫痫性脑病密切相关的 DNM1 基因变异，实验验证确认了预测结果。埃克塞特大学研究人员用该平台对英国生物样本库 54000 多名参与者的全基因组数据做分析，多发现了 22% 的非编码基因关联，精准定位了调控关键蛋白质水平的特定变异。

这些不是”未来可能有用”的设想，是已经发表或正在投稿的成果。AlphaGenome Atlas 把”AI 给出的变异排序”从研究阶段推到临床候选阶段，缩短了罕见病诊断和新药靶点发现的周期。

三、覆盖了编码区 2% + 非编码区 98%

特别值得说明的是，AVI 评分同时覆盖编码区（占基因组 2%，负责编码蛋白质）和非编码区（占基因组 98%，负责调控基因活性）。过去 AI 模型对非编码区预测能力弱，正是因为非编码区的”功能读数”难以在实验室规模化测定。AlphaGenome Atlas 通过把预测和实验数据在 2500 多个 DNA 序列基序（motif）上对齐，把这 98% 的”暗物质”区域第一次系统性地照亮。

四、谁可以忽略，谁必须关注

如果你不在做基因组学、药物靶点发现或罕见病诊断，这个数据集和你没有直接关系。但它的发布意味着两件事：第一，AI 公司开始愿意为学术研究免费开放大规模基础设施（前一代 AlphaFold 也是免费）；第二，”主权 AI”和”主权科学”将在 2027 年成为全球并行的话题——大模型和大数据正在成为国家科技能力的一部分。

更直接的影响在产业链。AI 模型对”未在实验室测过的变异”给出可信预测，会让传统 CRO（合同研究组织）公司面临压力——过去一个变异的功能验证报价几千到几万美元，现在 AI 评分可以秒级完成。DeepMind 在 AlphaGenome Atlas 公告里没有提及商业 API 定价，但官方表示后续将在谷歌云开放商业使用权限。可以预见，到 2027 年，AI 变异评分会变成药企和诊断公司的常规工具，就像今天用 BLAST 比对序列一样基础。

— END —
LC 智趣厅 · 科技与生活的交点
ihygg.cn