Карта некодуючої ДНК від Google DeepMind: AlphaGenome Atlas між амбіцією та межами точності

8 вересня 2026 року Google DeepMind представила AlphaGenome Atlas — цифровий архів попередньо обчислених передбачень щодо молекулярного впливу варіантів людської ДНК. База охоплює дев'ять мільярдів однонуклеотидних варіантів, тобто картує будь-яку можливу зміну однієї літери в геномі. За обсягом близько петабайта — понад у тридцять разів більше за базу AlphaFold — Atlas зосереджений на некодуючій ДНК, яка становить приблизно 98% генетичного матеріалу й керує активністю білків. Досі робота з моделлю AlphaGenome вимагала серйозних навичок програмування та помітної обчислювальної інфраструктури; з цим релізом компанія переносить обчислення на свій бік і віддає результати напряму через вебпортал, безкоштовний для некомерційного використання.

Щоб завершити картування, команда розробників мусила пришвидшити обчислення моделі приблизно у вісімдесят разів, повідомляє IEEE Spectrum. Керівник напряму геноміки в Google DeepMind Жиґа Авсец (Žiga Avsec) наголосив на величезних інженерних зусиллях, яких це вимагало, а віцепрезидент компанії Пушміт Колі (Pushmeet Kohli) заявив, що розуміння цієї мови життя здатне відкрити дуже багато. Atlas запроваджує показник AlphaGenome Variant Impact (AVI) — єдину оцінку, задуману для впорядкування та узагальнення передбачень AlphaGenome і AlphaMissense, застосовну і до кодуючих, і до некодуючих ділянок. Хронологія моделей чітка: після AlphaFold у 2020-му та AlphaMissense у 2023-му модель AlphaGenome анонсували у 2025-му й описали у статті в Nature в січні 2026-го. За даними Scientific American, комерційним користувачам — приміром, фармкомпаніям — потрібна ліцензія, тоді як для академічних дослідників доступ лишається безкоштовним; блог DeepMind обіцяє комерційне використання в Google Cloud «незабаром», без дати і без цін.

При всій потенційній вазі наукова спільнота та незалежні джерела вказують на низку задокументованих прогалин. Scientific American пише, що Atlas значно менш точний за базу AlphaFold і його слід сприймати винятково як відправну точку. Модель має структурні обмеження: вона не здатна оцінювати патології, що потребують одночасної присутності кількох варіантів, а енхансери, які регулюють гени з дуже великої відстані, можуть опинитися за межами вікна в мільйон пар основ, яке модель розглядає навколо кожного варіанта. Щодо оцінки впливу геномік з Університету Британської Колумбії Карл де Бур (Carl de Boer) зауважує, що застосування в неї зрозуміле, але хибно витлумачити її, ймовірно, буде легко. Про цінність роботи він каже однозначно: зрозуміти, як зміни впливають на регуляцію, принципово важливо для розуміння більшості хвороб. Сама DeepMind уточнює, що дані Atlas не замінюють медичної консультації, діагнозу чи лікування й не перевірені та не схвалені для клінічного застосування. У методологічній площині лишається відкрите питання: стаття в Nature за січень 2026 року стосується моделі AlphaGenome, тоді як щодо Atlas блог відсилає до технічного документа в PDF; немає свідчень, що реліз супроводжує рецензована праця.

Стратегія DeepMind повторює схему, знайому з AlphaFold: спершу модель, потім база, яка робить її доступною тим, у кого немає ні коду, ні GPU. Зведення біологічної складності до єдиного індексу, який відкривається в браузері, знижує поріг входу, але справжня користь вимірюватиметься тим, чи зуміють лабораторії не сплутати попередньо обчислену карту з клінічними даними — тим паче за відсутності незалежної перевірки. — Olya