跳到正文
Google DeepMind·· 2026-09-08精選AI 評分70

Google DeepMind 推出 AlphaGenome Atlas,提供人類基因組 9 billion 個單核苷酸變異的預測

AlphaGenome Atlas: A predictive map of every possible DNA letter change in the human genome

AI 導讀

Google DeepMind 推出 AlphaGenome Atlas,提供人類基因組 9 billion 個單核苷酸變異的分子效應預測。平台整合 AlphaGenome 與 AlphaMissense 的預測,推出 AVI 分數,協助研究者排序變異並解讀分子效應,涵蓋編碼及非編碼區域。

推薦理由

UK Biobank 案例顯示,按預測分子效應聚合罕見變異,研究者在逾 54,000 名參與者資料中多找出 22% 的非編碼區域遺傳關聯。

正文 · 繁體中文

2026 年 9 月 8 日科學

AlphaGenome Atlas 團隊

預測人類基因組中每種可能的單字母 DNA 變異所造成的分子影響,如何有助加快我們對生物學的理解。

今天,我們推出 AlphaGenome Atlas:這個平台(詳情載於我們的論文)包含人類基因組中90 億個單核苷酸變異——即每一種可能的單字母變化——的影響預測。這是目前最全面的基因突變對分子生物學影響目錄,並透過網站入口免費開放學術研究使用,介面簡單易用。

DNA 是生命的語言。掌握這種語言是科學界的一項重大挑戰,有望改變我們理解生物學和治療疾病的能力。但進展一直受一個根本問題限制:難以解讀基因變異如何在分子層面影響生物學。人類基因組約有 90 億種可能的單字母突變,逐一在實驗室測試幾乎不可能。

Google DeepMind 已透過 AlphaGenome 在這項挑戰上取得進展。這個人工智能(AI)模型能預測基因變異如何影響生物過程。AlphaGenome 有助分析特定變異,並已廣泛應用於研究;不過,我們希望讓研究人員能從更宏觀角度檢視整個基因組中的變異。

我們大規模預先計算 AlphaGenome 的預測,建立了容易存取的資源,大幅擴展模型的適用範圍。正如地圖集會把海拔和位置等地理資訊連繫起來,AlphaGenome Atlas 會描繪 DNA 變異在整個基因組中的分子影響。

為了協助科學家迅速找出影響最大的基因變化,我們亦推出 AlphaGenome Variant Impact(AVI)評分。AVI 結合 AlphaGenome 和 AlphaMissense 的優點;後者是我們用於預測會改變蛋白質的 DNA 變異影響的模型。AVI 把兩個模型的預測濃縮成單一數值,讓研究人員可以迅速排列變異優先次序,同時解讀其分子效應。

我們的外部合作夥伴已使用 AlphaGenome Atlas,在未解罕見疾病研究中找出並透過實驗驗證關鍵變異,也找到了與常見性狀相關的罕見變異。

AlphaGenome Atlas 即日起可透過簡單易用的網站入口、我們的AlphaGenome API,以及作為Google Antigravity中的技能使用。

AlphaGenome Atlas

AlphaGenome Atlas 是一個容量達 1 petabyte 的大型資料集,比 AlphaFold Database 大 30 倍以上。2022 年擴充 AlphaFold Database 時,我們把可用的 3D 結構資料,由約 19 萬個實驗結構增加至超過 2 億個結構預測,涵蓋科學界已知、列入目錄的幾乎所有蛋白質。資料庫提供入口,沒有編碼經驗的研究人員也可使用,透過直觀的視覺化方式,讓大規模蛋白質結構分析更容易進行。它迅速成為重要資源,推動生命科學各領域的發現,至今仍不斷加快研究人員在無數領域的重要工作。

建構 AlphaGenome Atlas 時,我們亦希望讓預測更容易取得,並為科學家提供直觀方式探索大型資料集。

AlphaGenome Atlas 提供多種互相連繫的強大資源,讓研究人員可直接把變異連結至受其影響的功能性 DNA 序列。

  • 分子效應預測Atlas 為每種變異提供數千項分子效應預測,涵蓋基因調控的多個重要層面,涉及數百種人類和小鼠細胞類型及組織。這是其他延伸資源的起點。
  • AVI 評分以單一數值描述每種基因變異的影響。
  • AVI 特徵歸因每個 AVI 評分亦會連結至推動評分的具體生物特徵,例如 AlphaGenome 預測的基因調控層面,或 AlphaMissense 給出的蛋白質影響分數。
  • DNA 序列基序全面收錄超過 2,500 種反覆出現的 DNA 序列——即基因組的「詞語」——及其所在位置。

這些資源合力支援各類基因研究任務,從快速排列變異優先次序,到深入研究變異功能,皆可應用。

AlphaGenome Atlas 的設計經過社羣廣泛合作。AVI 評分可根據每種變異的潛在影響,協助研究人員迅速評分和排序。重要的是,它同時適用於編碼區域(基因組中負責編碼蛋白質的 2%)和非編碼區域(其餘 98%);後者負責協調基因活動,並包含大多數與性狀相關的變異。

測試顯示,AVI 評分在多項變異致病性和罕見疾病基準測試中表現領先。為協助解讀這些分數,我們亦計算 AVI 特徵歸因,指出每種變異預計最會破壞哪些分子過程,例如 RNA 剪接或基因表達。

AlphaGenome Atlas 概覽。(1)預先計算人類基因組中超過 90 億個單核苷酸變異的影響。(2)根據這些結果,為每種變異得出具等位基因解析度的 AlphaGenome Variant Impact(AVI)評分。為方便解讀變異,AlphaGenome Atlas 再把 AVI 評分拆解為不同可解讀類別的加總特徵貢獻,例如染色質可及性、剪接和保守性。(3)預先計算的變異效應、AVI 評分和 AVI 特徵歸因彼此連結,並與全基因組新生基序彙編整合,讓研究人員深入瞭解變異功能的作用機制。

實際影響:從罕見疾病到羣體遺傳學和分子生物學

AlphaGenome Atlas 提供高解析度的全基因組視野。這些大規模預測在用於特定研究問題時最有價值。學術合作夥伴已把資料轉化為可採取行動的生物學洞見,發掘基因變異與疾病之間的關聯。

瞭解未解罕見疾病。研究罕見疾病的一大障礙,是必須在數千個候選項目中找出少數致病變異,難度極高。研究人員與GREGoR Consortium合作,運用 AVI 評分為未解罕見疾病研究中這些大海撈針般的基因變異排列優先次序。Broad Institute 的Laura Covill、Anne O’Donnell-Luria及同事利用 AVI 評分,優先篩選在過往研究中被忽略、可能導致罕見疾病的變異,最終發現一種影響名為DNM1基因的變異;該基因與癲癇性腦病密切相關。

關鍵的是,AVI 評分背後的 AlphaGenome 預測清楚顯示該變異如何發揮作用:它創造了一個錯誤剪接位點(即細胞遺傳指令中的錯誤),導致產生的蛋白質異常延長。實驗篩查驗證了研究預測,並發現附近還有具相似效應的變異,顯示 Atlas 是理解具重大影響基因組變異的強大工具。

繪製與蛋白質水平及複雜性狀相關的罕見變異。AlphaGenome Atlas 不只適用於個別罕見疾病研究,也能協助揭示一般人口常見性狀的遺傳架構。要識別與特定性狀或疾病相關的罕見非編碼變異,向來十分困難,因為大量無害基因變化會形成統計上的「背景雜訊」。

為了測試 AlphaGenome Atlas 能否提升我們找出影響人類性狀的非編碼變異的能力,埃克塞特大學醫學研究委員會研究員Gareth Hawkes把 AlphaGenome Atlas 應用於超過 54,000 名 UK Biobank 參與者的全基因組資料,令這些難以察覺的訊號更明顯。Hawkes 按照預測的分子效應把罕見變異分組,找出多 22% 的非編碼基因關聯;若不如此處理,這些關聯便會被統計雜訊掩蓋。這讓 Hawkes 找出推動人體內關鍵蛋白質含量變化的特定調控變異,包括 PLA2G7(與衰老有關)和 EGLN1(重要的細胞氧氣感測器)。

Hawkes 更進一步採用這種方法,利用 AlphaGenome Atlas 研究 UK Biobank 中數億個非編碼變異可能如何與身體質量指數相關。他聚焦於 Atlas 預測影響最大的 1% 非編碼變異,找出 19 個基因區域,有助引導下一階段針對這項性狀進行研究。

識別基因組中的調控「詞語」。Atlas 亦可用來識別哪些反覆出現的短序列(即基序),會在不同細胞類型中推動不同基因的分子過程。這些基序可提供重要線索,例如找出轉錄因子(控制基因開啟或關閉的蛋白質)的結合位點,並進一步解讀非編碼變異。Stowers Institute for Medical Research 的Julia Zeitlinger和Melanie Weilert便使用這項資源,分類哪些轉錄因子只會影響 DNA 可及性,哪些亦能開啟或關閉基因。

加快基因組發現

透過 AlphaGenome Atlas,我們正建立更多資訊層面,進一步加深對人類遺傳密碼的理解。我們希望它能成為科學家的寶貴資源,但也視之為基礎,而非終點。隨着 AlphaGenome 等 AI 模型改進,我們對整個人類基因組的圖譜將愈來愈全面、精確。

AlphaGenome Atlas 單獨使用已十分強大,同時也是我們邁向生物學家廣泛統一方案的一步。它的資源可整合到Google Antigravity等更廣泛的代理式系統,協助完善端到端科學工作流程。

AlphaGenome Atlas 的科學知識廣泛開放同樣重要,因此我們由今天起透過網站提供非商業用途存取,並預計很快在 Google Cloud 上支援商業用途。(AlphaGenome 基礎模型已可在GitHub和AlphaGenome API供學術使用,亦可透過Cloud 上的 Model Garden作商業用途。)

這些工具將協助研究人員和業界合作夥伴加快生物學發現步伐:找出新的治療靶點、更深入瞭解遺傳疾病,並推動下一波具針對性的實驗驗證。

鳴謝

我們感謝以下研究合作夥伴:University of Exeter、Broad Institute、Boston Children’s Hospital、Stowers Institute for Medical Research、Harvard University、Memorial Sloan Kettering Cancer Center、Massachusetts General Hospital 的 Center for Genomic Medicine,以及 University of Kansas Medical Center。

本項工作得以完成,有賴 Jun Cheng, Kyle R. Taylor, Lauren Nicolaisen, Joshua Pan, Clare Bycroft, Matteo Perino, Tom Ward, Raina W. Thomas, Natasha Latysheva, Gareth Hawkes, Laura E. Covill, Melanie Weilert, Maile J. Hirschmann, Xi Dawn Chen, Robin N Beaumont, V Kartik Chundru, Michael N Weedon, Simon Bourdareau, Hoyin Chu, Dhavi Hariharan, Thais Kagohara, Lucas Tenório, Yosuke Ushigome, Amanda Stafford, Courtney A. Shearer, Barbara Ikica, Ada Fang, Mouad Naciri, Victoria Johnston, Richard Green, Elisa Lai Hong Wong, Vincent Dutordoir, Anne Mottram, Adam Gayoso, Eirini Arvaniti, Guido Novati, Heidi L. Rehm, Fei Chen, Caleb A. Lareau, Caroline F Wright, Anne O'Donnell-Luria, Julia Zeitlinger, Pushmeet Kohli, Žiga Avsec 的貢獻。

我們亦感謝隊友和合作夥伴提供技術支援和意見,包括 Kathryn Tunyasuvunakool, Alexander Karollus, Risha Patel, Francesca Pietra, Alisha Eastep, Doga Fadillioglu, Charlie Taylor, Raphael Aboyeji, Uchechi Okereke, Gemma Gibbs, Olufemi Duduyemi, Juan Mateos-Garcia, Mariana Felix, Sahar Abdulrahman, Antonia Mould, Rachael Tremlett, Chang Yun, Salil Deshpande, Anshul Kundaje, Samantha Bryen, Greg Findlay, Phoebe Dace, Kinga Bujakowska, Emma Sherrill, Aubrie Soucy Verran, Boxun Zhao, Tim Yu, Francesca Pietra, Brendah Namugamba, Cassie Gray, Daniel MacArthur, Lingyi Wang, Marc Mansour, Mohamad Hajjari, Mounica Vallurupalli, Philip Montgomery, Phoebe Dace, Roisin Sullivan, Sam Bryen, Teresa Niccoli。

最後,我們感謝 Evie Gray, Adriana Fernandez Lara, Alex Wilkins, Danielle Breen, Mariana Montes, Inês Ayer, Ryan Smith, Ross West 和 Gaby Pearl,感謝他們運用專業知識協助傳達這項工作。


AlphaGenome Atlas 提供的資訊不能取代專業醫療意見、診斷或治療,亦不構成醫療或其他專業意見。AlphaGenome 尚未經驗證,亦未獲批准用於任何臨牀用途。

來源:Google DeepMind · deepmind.google