DeepMind绘制90亿种可能的DNA变异图谱
DNA经常被解释为一本编码书或一套用于生产蛋白质、并最终形成生命的说明书。DNA中的一些片段被称为基因，负责编码蛋白质，但绝大多数DNA被认为是"非编码"的。其中一部分没有已知功能，而另一些片段则对调控基因活性至关重要。
这些调控元件之间的相互作用方式十分复杂，其影响在不同细胞和组织中也会有所不同。有些调控元件还会影响基因组中相距很远的基因。英属哥伦比亚大学基因组学家Carl de Boer表示，理解DNA变化如何影响这种调控作用"对理解大多数疾病来说都是基础性的"。
正因如此，研究人员一直致力于理解人类基因组中每一种可想象到的微小变异，可能对基因调控产生怎样的意义。谷歌DeepMind为此目的打造的一款近期AI工具AlphaGenome，最初于2025年公布。今年1月，一篇发表在《自然》杂志上的论文提供了更多细节，该模型也已发布供公众非商业用途使用。这款AI模型能够比较原始DNA序列与改变后的序列，并预测这种变化可能如何影响基因表达及其他调控活动。但此前研究人员必须自行选择想要测试的变异、编写代码并运行这一计算量巨大的模型。
现在，DeepMind已经提前完成了这项工作，针对参考人类基因组中全部90亿种可能的单字母变化进行了计算。今天，也就是9月8日，DeepMind宣布创建并公开发布AlphaGenome图谱，这是一个在线资源库，收录了使用AlphaGenome模型预先计算好的预测结果。该图谱为科学家们提供了一个更加友好的界面，无需自行编写代码或运行AlphaGenome模型。它还包含了一项备受期待的新功能——一个单一数值的影响评分，旨在让人一眼就能看出某个变异是否可能具有重要意义。
谷歌DeepMind科学副总裁Pushmeet Kohli表示："理解我们的DNA是一项重大挑战。理解这门生命的语言，可以开启诸多可能。"
AlphaGenome的预测存在一些重要局限性。例如，许多疾病与多个基因变异相关联。此外，尽管AlphaGenome会分析变异位点周围相对较大的一段DNA区域——达100万个碱基对，但一些被称为增强子的DNA序列，能够在非常远的距离上调控基因，其范围有时会超出模型的观测视野。这类效应很难预测。
但该图谱仍有望帮助科学家筛选可能性，并优先安排实验室实验来验证其预测结果。DeepMind基因组学负责人Ziga Avsec表示，通过这种方式，该图谱可以大大加速基础生物学、疾病研究和治疗开发方面的工作。
de Boer表示："看起来他们为大家打造了一个有用的资源。"他最近协助创建了一个框架，用于更好地比较与AlphaGenome类似的计算模型，但他本人与DeepMind没有关联。
尽管de Boer认为AlphaGenome是"该领域的领先模型"，但他也指出该模型"运行速度非常慢，且计算量巨大"。该图谱可以让那些无法使用较新硬件的人受益，或者简单地减少人们重复进行相同模拟计算的次数。
该图谱可免费用于非商业性研究，同时也存在商业授权的可能性。
计算90亿种预测结果
整个人类基因组大约包含30亿个碱基对。每个位置上都存在三种可能的单核苷酸替换，因此图谱中共有90亿种变异。完整数据集大小约为1拍字节（PB）。
Avsec表示："当我们开始考虑这个项目时，从计算角度来看似乎是不可能完成的。"早期估算显示，团队需要将计算速度提高80倍，才能在合理时间内完成图谱的编制工作。
为达成这一目标，团队运用了几种不同技术获得了优势，包括模型蒸馏、GPU内核优化，以及消除冗余计算等。Avsec说："为了实现这样的规模，我们进行了大量的思考和工程设计工作。"
AlphaGenome及其图谱建立在DeepMind多年相关工作的基础之上。2020年，AlphaFold实现了根据氨基酸序列预测蛋白质三维结构。2023年，AlphaMissense对7100万种可能改变蛋白质的变异进行了预测，判断其可能是良性还是致病性的。与新推出的图谱类似，这些项目的预测结果也都已在公开数据库中提供。
该图谱允许科学家查询单个变异，并查看模型预测的更详细信息，包括11种不同的输出类型。但最核心的数据是一个单一数值的影响评分，从其本质来看，这是对众多预测结果各方面情况的一种简化处理。
de Boer表示："它有明确的用途，但也很可能容易被误读。我们讨论的是一个非常复杂的系统，其中有很多变动的部分。"
Q&A
Q1：AlphaGenome图谱是什么？
A：AlphaGenome图谱是谷歌DeepMind发布的一个在线资源库，收录了使用AlphaGenome模型预先计算好的预测结果，涵盖参考人类基因组中全部90亿种可能的单字母DNA变化，帮助科学家无需编写代码或自行运行模型即可查询变异信息。
Q2：AlphaGenome图谱能帮助解决什么问题？
A：该图谱可以帮助科学家筛选可能性、优先安排实验室实验来验证预测结果，从而加速基础生物学、疾病研究和治疗开发方面的工作，尤其有助于理解DNA变化如何影响基因调控，这对理解大多数疾病都很重要。
Q3：AlphaGenome图谱存在哪些局限性？
A：该图谱存在一些重要局限，比如许多疾病与多个基因变异相关联，而AlphaGenome分析的DNA区域范围有限（约100万个碱基对），一些被称为增强子的序列能在很远距离上调控基因，可能超出模型观测视野，其效应难以预测。此外单一数值的影响评分也容易被误读。
