在生物信息学领域，一项里程碑式的突破近日由 Google DeepMind 正式揭晓。这家以 AlphaFold 著称的人工智能实验室，推出了全新的 AlphaGenome Atlas（阿尔法基因组图谱）。这一工具的核心在于，它对人类基因组中每一个单核苷酸的变化都进行了预计算，为多达 90 亿个人类 DNA 变异体提供了分子效应预测及 AVI（平均变异影响）评分。这意味着，人类对自身基因组的理解，正从单纯的“序列读取”迈向深度的“功能解析”。
长久以来，人类基因组计划（HGP）虽然确定了人类 DNA 的完整序列，但并未完全解释每一个基因变异背后的生物学意义。在生物学中，这被称为“功能注释”的瓶颈。大多数已知的 DNA 变异（如单核苷酸多态性，SNP）对人类的影响尚不明确。AlphaGenome Atlas 的出现，正是为了解决这一痛点。它利用先进的深度学习模型，模拟了 DNA 序列变化如何影响 RNA 转录、蛋白质结构以及最终的细胞功能。
AlphaGenome Atlas 的覆盖范围极其惊人。它不仅涵盖了人类基因组中的常染色体，还包含了 X 染色体和线粒体 DNA，总计处理了超过 90 亿个潜在的变异位点。对于每一个位点，系统都会给出一个量化评分——即 AVI 分数。这个分数直观地反映了该变异体对基因组功能的潜在影响程度。对于科学家而言，这不再是一个需要通过实验反复验证的盲盒，而是一张可以直接查阅的“功能地图”。通过这张地图，研究人员可以迅速识别出那些可能致病或影响药物反应的变异位点，极大地加速了从基因组数据到临床应用的转化过程。
这一技术的发布，对精准医疗和药物研发领域具有深远的行业影响。在传统的药物发现流程中，筛选靶点往往耗时且昂贵。AlphaGenome Atlas 能够帮助制药公司和生物技术公司更早地识别出潜在的药物靶点和风险变异，从而优化临床试验设计，降低研发成本。此外，对于罕见病患者及其家庭来说，这一工具意味着更快速的基因诊断。通过快速比对患者的基因变异与 Atlas 中的预计算数据，医生可以更快地定位致病原因，为个性化治疗方案提供坚实的数据支撑。
值得注意的是，AlphaGenome Atlas 并非孤立存在，它是 DeepMind 在生物计算领域持续投入的又一力作。此前，AlphaFold 解决了蛋白质结构预测的难题，而 AlphaGenome 则试图攻克基因功能预测的难关。这种从“静态结构”到“动态功能”的跨越，标志着人工智能在理解生命科学核心问题上的能力边界正在不断拓展。随着大数据的积累和算法的迭代，我们有理由相信，未来基因组学的研究将变得更加高效和精确，人类攻克癌症、遗传病等顽疾的希望正随着这些 AI 工具的普及而日益增强。
信息来源：MarkTechPost
原文链接：https://www.marktechpost.com/2026/09/08/google-deepmind-releases-alphagenome-atlas-with-precomputed-molecular-effect-predictions-and-avi-scores-for-9-billion-human-dna-variants/
信息来源：MarkTechPost，原文链接：https://www.marktechpost.com/2026/09/08/google-deepmind-releases-alphagenome-atlas-with-precomputed-molecular-effect-predictions-and-avi-scores-for-9-billion-human-dna-variants/
封面图片来源：Unsplash / 摄影师 Google DeepMind
