DeepMind推出AlphaGenome Atlas，预计算全基因组90亿变异，非编码区靶点发现新工具

1 技术背景与靶点发现痛点

在精准医学、基因治疗（CGT）及新药靶点发现领域，解读基因变异对分子生物学的影响长期面临瓶颈。人类基因组包含约 90 亿个单碱基突变，其中 98% 属于非编码区。非编码区调控着基因的表达与剪接，但在传统研究中难以通过湿实验逐一验证，导致大量 GWAS 关联信号被归为噪音，难以直接转化为可成药的分子靶点。

AlphaGenome Atlas 是基于 AlphaGenome 与 AlphaMissense 模型预计算构建的 1 PB 规模数据集（体量约为 AlphaFold 数据库的 30 倍）。平台通过导出 AVI 评分，评估编码区与非编码区突变的致病潜力，并将评分拆解为染色质可及性、RNA 剪接及基因表达等分子机制归因。这种定量评估手段使得非编码区调控元素的机制分析具备了确定性，为稀有突变筛查与新靶点确证提供了可重复的生物学依据。

2 临床应用与科研验证

AlphaGenome Atlas 提供的分子效应预测已被外部合作团队在真实研究中进行验证，涵盖罕见病致病变异筛选、群体遗传学分析及基因调控序列识别：

1. 罕见病致病变异定位：GREGoR 联盟及 Broad Institute 团队应用 AVI 评分筛查未解罕见病数据时，定位到先前被忽略的 DNM1 基因突变。预测显示该变异引入了异常剪接位点并导致蛋白质延伸，后续实验筛选证实了这一机制。
2. 非编码区遗传关联信号解析：英国埃克塞特大学研究人员将 Atlas 应用于 UK Biobank 超过 5.4 万名参与者的全基因组数据。根据预测的分子效应将稀有变异分组后，多检测出 22% 的非编码区遗传关联，准传统定位了调控衰老相关蛋白 PLA2G7 及细胞氧气感受器 EGLN1 的调控变异。另外，在 BMI 相关分析中，通过锁定前 1% 高影响非编码变异，排查出 19 个基因组区域。
3. 基因调控词汇分类：Stowers 研究所应用 Atlas 包含的 2,500 多个基因组序列基序（Motifs），分类整理了转录因子仅影响染色质可及性与同步具备基因开关功能之间的机制差异。

图表一：应用效果与验证数据汇总

3 部署模式与技术定位

AlphaGenome Atlas 属于生物信息学与靶点发现基础设施，定位是通过 AI 预测能力辅助新药研发前沿的靶点识别与机制验证。

官方披露的平台资源组成及发布形式如下：

图表二：AlphaGenome Atlas 平台资源组成

4 后续计划

值得注意的是，Google DeepMind 对该平台的后续推进路径划分为以下几个方向：

1. 商业化部署与云端服务：平台目前已向学术研究免费开放 Web 界面与 API。针对企业级研发需求，计划近期通过 Google Cloud 推出商业化版本（基础模型 AlphaGenome 已在 Cloud Model Garden 提供）。
2. 生态与系统集成：计划将 Atlas 的技能模块集成至 Google Antigravity 系统中，以支持端到端科研工作流。
3. 模型迭代：随着底层 AI 模型更新，逐步提升全基因组预测图谱的精度与覆盖维度。

图表三：AlphaGenome Atlas 后续开发路径

AlphaGenome Atlas 的上线是全基因组变异功能解读领域的一个节点。还有一个点值得关注，即商业化云服务落地后药企管线靶点的实际转化率、系统集成后的实际表现，以及更多临床罕见病与复杂疾病湿实验对该预测图谱的复核结果。