Google DeepMind｜发布AlphaGenome Atlas，预计算约90亿单碱基变异效应

基因组里约98%的非编码区长期像「没有图例的地图」：候选变异太多，实验室测不过来。9月8日，Google DeepMind发布AlphaGenome Atlas：对人类基因组约90亿种可能的单碱基变异预计算分子层面效应，定位为迄今最全面的「突变如何影响分子生物学」目录之一。学术非商业用途可通过免费网页门户查询，并提供API，亦作为技能接入Google Antigravity；商业用途计划很快经Google Cloud提供。

Google DeepMind长期以AlphaFold等工具推动结构生物学普及；AlphaGenome模型此前已可针对特定变异做分子效应预测，Atlas则把「现问现推」升级为「全基因组预计算再检索」。数据集规模公开称约1PB，超过AlphaFold数据库约30倍。平台同时发布AlphaGenome Variant Impact（AVI）评分，融合AlphaGenome与侧重蛋白改变的AlphaMissense，把影响压成可排序的单一分数，并给出染色质可及性、剪接、保守性等特征归因，以及逾2500个基因组基序资源。

资源与应用要点：

1. 覆盖：约90亿单碱基变异的分子效应预计算
2. 评分：AVI及可解释特征归因（剪接、表达、保守性等）
3. 基序：逾2500个反复出现的DNA「词」及位置
4. 协作案例：罕见病候选变异优先化并实验验证剪接异常；英国生物银行人群数据中提升非编码关联发现等（合作方口径）
5. 边界：官方强调不构成诊疗建议，模型未获临床用途批准

所谓预计算图谱，白话是把「现问现推」变成「先算好再检索」；所谓AVI，白话是给海量变异先排个队，再解释「为什么危险」。对临床遗传与人群遗传学研究，这降低了「在噪音里捞针」的门槛；对药企与诊断公司，则打开了把预测写进早期筛选流水线的可能——但仍卡在监管与验证。

放在生物AI工具链上下文里，AlphaFold解决了「蛋白长什么样」，Atlas试图回答「每个字母变一下会扰动哪些分子过程」。两者都押注「开放门户 + 云商用」双轨分发：先让不会写代码的生物学家用起来，再让产业侧付费扩容。竞品若只有局部组织或编码区模型，对照标准会被抬到全基因组预计算。

产业影响上，若AVI成为论文与预印本的常用引用，会形成事实标准；若临床误用风险抬头，免责声明与访问控制会收紧。需要把边界读清楚：合作案例为研究口径，不等于诊疗器械获批。下一观察点是Cloud商用开通节奏与临床研究引用率。