人类基因组里有约30亿个碱基对，但只有不到2%直接编码蛋白质。剩下的98%，曾被科学界称为“垃圾DNA”——直到人们发现，这些区域恰恰是绝大多数疾病相关变异藏身的地方。问题在于，这98%的解读难度，比那2%高出了不止一个数量级。2026年9月8日，谷歌DeepMind给出了一个“暴力”解法：不是等到研究人员需要时才运行模型，而是把人类所有可能的单核苷酸变异——约90亿种——全部预计算完，打包成一个1PB的公开平台，命名为AlphaGenome Atlas。
从“按需推理”到“按需查询”
2023年，DeepMind在《科学》杂志上发表了AlphaMissense，第一次用AI模型预测了人类蛋白质组中所有7100万种可能的错义（missense）变异——即改变蛋白质氨基酸序列的单点突变。AlphaMissense将其中89%的变异分类为“可能致病”或“可能良性”。这在当时就已是一项里程碑。
但AlphaMissense只覆盖了“把蛋白质写错”的变异。人体内更多的变异落在非编码区域——那些不直接编码蛋白质但调控基因表达的DNA序列。它们不改变氨基酸，但可能改变某个基因的开关、剪接方式或表达水平。这类变异的数量级远超错义变异：人类基因组中每个位置都可能发生三种不同的单核苷酸替代，全基因组约30亿个位置，合计约90亿种可能的单核苷酸变异（SNV）。
AlphaGenome的模型本身已于2026年1月发表在《自然》杂志上（Nature, 649, 1206–1218）。它一次处理100万个碱基对的DNA序列，以单核苷酸分辨率预测5930种人类基因组信号（及1128种小鼠信号），覆盖基因表达、RNA剪接、染色质可及性、组蛋白修饰、转录因子结合和三维染色质接触图等11种模态。在26项变异效应预测基准测试中，它在25项上达到或超越了此前最好的专项模型。在eQTL（表达数量性状位点）方向预测上，AlphaGenome比此前最好的模型Borzoi相对提升了25.5%，并在90%的符号预测准确率阈值下，恢复的GTEx eQTL数量是Borzoi的两倍以上（41%对19%）。
但模型和能力是一回事，让全世界的科学家能用是另一回事。AlphaGenome Atlas所做的，就是把AlphaGenome和AlphaMissense两个模型的全基因组预计算结果，变成一个可查询的公共资源。
1PB意味着什么
AlphaGenome Atlas的数据规模达到1PB（拍字节）。作为参考，人类全基因组参考序列（GRCh38）约3GB，单个全基因组测序数据约100–200GB，而AlphaGenome Atlas的1PB相当于约5000个全基因组测序数据集的体量。这1PB里包含了每个SNV的分子效应预测分数、AVI（AlphaGenome Variant Impact）评分、特征归因结果，以及跨模态的预测数据。
平台的核心创新在于：它不只是一个数据库，而是一个“预先完成推理的计算结果集”。研究人员不需要自己运行AlphaGenome模型——那需要高端GPU和大量计算时间——而是直接查询已经计算好的结果。这相当于把“每次都要从头跑一遍的推理”变成了“一次查询”，把变异分析从算力密集型任务变成了数据检索任务。
非编码区——基因组学的“最后一公里”
非编码区的变异解读，一直是基因组学最棘手的难题之一。编码区的变异可以通过改变蛋白质序列来推断功能，而非编码区变异的作用机制更加间接——它们可能影响增强子、启动子、沉默子、绝缘子、剪接位点等调控元件，而这些元件的位置和功能本身就不完全清楚。
AlphaGenome Atlas所做的，本质上是在解决“基因组暗物质”的解读问题。通过将非编码区变异纳入覆盖范围，它把可解读的变异空间从7100万种（AlphaMissense）扩展到了约90亿种——扩大了约127倍。
这一扩展的临床意义正在显现。博德研究所（Broad Institute）和埃克塞特大学（University of Exeter）等团队已经利用AlphaGenome Atlas发现了新的致病变异。博德研究所本身就是AlphaGenome模型训练数据的提供方之一，他们的数据集被用于训练AlphaGenome，反过来又利用平台加速自己的研究——这是一个典型的“数据-模型-平台”正反馈循环。
从AlphaFold到AlphaGenome——DeepMind的“科学基础设施”战略
AlphaGenome Atlas不是DeepMind第一个做成“基础设施”的科学AI产品。回顾其产品线：AlphaFold把蛋白质结构预测从数年缩短到数分钟，AlphaFold DB把2亿多个蛋白质结构变成公开数据库；AlphaMissense把所有蛋白质错义变异预测公开；现在AlphaGenome Atlas把全基因组变异预测也做成了公开资源。
这条路径有一个清晰的模式：先建立一个能解决核心科学问题的AI模型，然后把这个模型的能力预计算成公开数据集，最后变成任何人都可以免费使用的科学基础设施。区别在于，AlphaFold解决的是“蛋白质结构”问题，而AlphaGenome解决的是“基因组功能”问题——后者比前者更复杂，因为基因组不是静态的，它在不同细胞类型、不同发育阶段、不同环境下有不同的调控状态。
这背后是DeepMind（以及谷歌）对AI for Science的独特理解：不是“用AI做科研助理”，而是“用AI把科学发现变成公共品”。这些公共品反过来又降低了整个科研生态系统的门槛，加速了药物发现、疾病诊断和精准医疗的进程。
挑战与局限
AlphaGenome Atlas的发布无疑是巨大的进步，但仍有几个关键问题需要正视。
细胞类型特异性。基因组调控是高度细胞类型特异性的。一个变异在肝细胞中可能无害，在神经元中可能致病。AlphaGenome模型的训练数据来自有限的细胞类型和实验条件，其预测结果在尚未覆盖的细胞类型中的可靠性需要进一步验证。
预测不等于实验验证。AlphaGenome的所有预测都是计算模型的结果，而非实验验证。虽然基准测试表现优异（25/26），但计算预测和真实生物学功能之间仍有差距。高度依赖计算预测而忽视实验验证，可能带来假阳性和假阴性的风险。
数据规模带来的访问门槛。1PB的数据量意味着，即使平台免费开放，研究人员也需要足够的存储和计算能力来有效利用这些数据。对于资源有限的研究机构，这仍然是一个实际障碍。
变异解读只是起点。知道一个变异在分子层面“可能有什么影响”，和知道它“是否真的导致疾病”，中间还有很长的路。从分子效应到临床意义，需要实验验证、群体关联研究和临床数据的综合判断。
从“算力稀缺”到“信息过剩”
AlphaGenome Atlas的发布，标志着基因组学进入了一个新阶段：变异解读正在从“算力稀缺”走向“信息过剩”。
在AlphaGenome Atlas之前，一个研究团队要分析全基因组范围内的变异，需要自己部署模型、准备计算资源、运行推理——整个过程可能需要数周甚至数月。现在，一个研究生可以在一小时内查询完所有已知变异和候选变异的功能预测。这种“把推理变成查询”的转变，类似于搜索引擎对知识获取的改变——不是每次从头思考，而是直接从已有的知识中检索。
这带来的不仅是效率提升，更是研究范式的改变。当一个领域的核心问题从“如何计算”变成“如何提问”时，整个领域的创新节奏会加快。博德研究所和埃克塞特大学已经用平台发现了新变异，这只是开始。
对于中国研究者而言，AlphaGenome Atlas免费开放意味着全球学术界的“起跑线”被拉平了。基因组的“语言”是通用的，不依赖于国家或语言。DeepMind把解码结果公开，本质上是把人类的遗传信息变成了一种“公共知识”。
但AlphaGenome Atlas也提出了一个更深层的问题：当AI可以预计算所有变异，当“解读基因组”不再需要推理而只需要查询，剩下的最困难的问题是什么？答案是：把变异的功能解读和临床意义之间的鸿沟填平。那不是把模型做得更大就能解决的，它需要基础生物学、临床医学和计算科学的持续交汇。
90亿个变异，1PB的数据，一次免费开放。谷歌DeepMind把基因组暗物质变成了可查询的公共知识——从“算力推理”到“按需查询”，科学发现的经济学已经被改写。
快报