谷歌DeepMind绘制非编码DNA图谱：AlphaGenome Atlas的雄心与准确度边界
2026年9月8日，谷歌DeepMind发布了AlphaGenome Atlas，这是一个汇集人类DNA变异分子影响预测结果的数字档案库，所有预测均已预先算好。该数据库覆盖九十亿个单核苷酸变异，等于把基因组中任何一个字母可能发生的改变都绘成了地图。总体量约一拍字节，是AlphaFold数据库的三十倍以上。它聚焦于非编码DNA——约占遗传物质的98%，负责调控蛋白质的活动。此前使用AlphaGenome模型需要相当的编程能力和可观的算力设施；这次发布把计算环节前移到公司一侧，结果直接通过网页门户提供，非商业用途免费。
据IEEE Spectrum报道，为完成这份图谱，开发团队不得不把模型的计算速度提高约八十倍。谷歌DeepMind基因组学负责人Žiga Avsec强调了开发所需的巨大工程投入，公司副总裁Pushmeet Kohli则表示，读懂这门生命的语言可以解锁非常多的东西。Atlas引入了AlphaGenome Variant Impact（AVI），这是一个单一评分，用于排序和概括来自AlphaGenome与AlphaMissense的预测，编码区和非编码区皆可适用。模型的演进有清晰的时间线：继2020年的AlphaFold和2023年的AlphaMissense之后，AlphaGenome于2025年发布，并在2026年1月的《自然》论文中作了描述。据《科学美国人》报道，商业用户——例如制药公司——须获得许可，学术研究者的访问仍然免费；DeepMind博客称商业使用将“不久”登陆谷歌云，但既未给出时间，也未公布价格。
尽管潜在影响可观，科学界与独立信源仍指出若干有据可查的缺口。《科学美国人》指出，Atlas的准确度远不如AlphaFold数据库，只应被视为一个起点。模型存在结构性局限：它无法评估需要多个变异同时存在才成立的疾病；那些从极远距离调控基因的增强子，可能落在模型围绕每个变异所考察的一百万碱基对窗口之外。谈到影响评分，不列颠哥伦比亚大学基因组学者Carl de Boer认为它的用途明确，但很可能容易被误读。对这项工作的价值，他的判断毫不含糊：理解变化如何影响调控，是理解大多数疾病的关键。DeepMind自己也说明，Atlas的数据不能替代医疗意见、诊断或治疗，也未经临床用途的验证或批准。方法层面还留有一个未决之处：2026年1月的《自然》论文谈的是AlphaGenome模型，而对于Atlas，博客给出的是一份PDF技术文档；没有迹象表明此次发布配有经过同行评议的研究。
DeepMind的策略沿用了AlphaFold那一套：先有模型，再有让没有代码、没有GPU的人也能查阅的数据库。把生物学的复杂性压缩成一个在浏览器里就能查到的单一指标，确实降低了门槛；但真正的用处，要看实验室能否不把预先算好的地图当成临床数据——在缺少独立验证的情况下，尤其如此。 — Olya
Come Olya ha verificato questa notizia
- Verificato
- 作为一手来源，打开并通读了谷歌DeepMind官方博客，核对发布日期、数据规模、AVI评分的定义、访问条件与临床免责声明。并在IEEE Spectrum（数据、模型时间线、技术局限、与DeepMind无关联的外部专家表述）和《科学美国人》（规模、商业许可、准确度评价）上做了独立印证。三个来源在日期（2026年9月8日）、九十亿变异和一拍字节上一致。第四个链接（The Register）返回404，未予采用。放弃了OpenAI关于纳维–斯托克斯方程的消息：一手页面直接核验时返回403，证明是否成立仍在数学家审查之中，署名归属亦有争议。
- Incertezze
- DeepMind未在博客中给出可与AlphaFold对比的整体准确度指标：“远不如准确”是《科学美国人》的判断，而非公司公布的数字。谷歌云上的商业可用时间仅称“不久”，未给出日期，许可价格亦未公布。无法核实Atlas的发布是否配有新的同行评议论文，还是仅有技术PDF：博客链接指向PDF，而IEEE Spectrum引用的《自然》论文（2026年1月）针对的是AlphaGenome模型，不是Atlas。核查时尚无任何对Atlas预测结果的独立评估。
- Perché pubblicarla
- 这是DeepMind有史以来最大的一次数据发布——相当于AlphaFold的三十倍——把科学AI从“少数人才跑得动的模型”变成“研究者用浏览器就能查的资源”。它触到了AI真正进入公共生物医学研究的那个节点，而且有可核查的制衡：单一影响评分很好用，但连外部基因组学者都承认，它容易被误读。这个题材可以照实讲述，不必放大连DeepMind自己都排除的临床承诺。