DeepMind繪製90億種可能的DNA變異圖譜
DNA經常被解釋為一本編碼書或一套用於生產蛋白質、並最終形成生命的說明書。DNA中的一些片段被稱為基因，負責編碼蛋白質，但絕大多數DNA被認為是"非編碼"的。其中一部分沒有已知功能，而另一些片段則對調控基因活性至關重要。
這些調控元件之間的相互作用方式十分複雜，其影響在不同細胞和組織中也會有所不同。有些調控元件還會影響基因組中相距很遠的基因。英屬哥倫比亞大學基因組學家Carl de Boer
表示，理解DNA變化如何影響這種調控作用"對理解大多數疾病來說都是基礎性的"。
正因如此，研究人員一直致力於理解人類基因組中每一種可想像到的微小變異，可能對基因調控產生怎樣的意義。谷歌DeepMind為此目的打造的一款近期AI工具AlphaGenome，最初於2025年公布。今年1月，一篇發表在《自然》雜誌上的論文提供了更多細節，該模型也已發布供公眾非商業用途使用。這款AI模型能夠比較原始DNA序列與改變後的序列，並預測這種變化可能如何影響基因表達及其他調控活動。但此前研究人員必須自行選擇想要測試的變異、編寫代碼並運行這一計算量巨大的模型。
現在，DeepMind已經提前完成了這項工作，針對參考人類基因組中全部90億種可能的單字母變化進行了計算。今天，也就是9月8日，DeepMind宣布創建並公開發布AlphaGenome圖譜，這是一個在線資源庫，收錄了使用AlphaGenome模型預先計算好的預測結果。該圖譜為科學家們提供了一個更加友好的界面，無需自行編寫代碼或運行AlphaGenome模型。它還包含了一項備受期待的新功能——一個單一數值的影響評分，旨在讓人一眼就能看出某個變異是否可能具有重要意義。
谷歌DeepMind科學副總裁Pushmeet Kohli表示："理解我們的DNA是一項重大挑戰。理解這門生命的語言，可以開啟諸多可能。"
AlphaGenome的預測存在一些重要局限性。例如，許多疾病與多個基因變異相關聯。此外，儘管AlphaGenome會分析變異位點周圍相對較大的一段DNA區域——達100萬個鹼基對，但一些被稱為增強子的DNA序列，能夠在非常遠的距離上調控基因，其範圍有時會超出模型的觀測視野。這類效應很難預測。
但該圖譜仍有望幫助科學家篩選可能性，並優先安排實驗室實驗來驗證其預測結果。DeepMind基因組學負責人Ziga Avsec表示，通過這種方式，該圖譜可以大大加速基礎生物學、疾病研究和治療開發方面的工作。
de Boer表示："看起來他們為大家打造了一個有用的資源。"他最近協助創建了一個框架，用於更好地比較與AlphaGenome類似的計算模型，但他本人與DeepMind沒有關聯。
儘管de Boer認為AlphaGenome是"該領域的領先模型"，但他也指出該模型"運行速度非常慢，且計算量巨大"。該圖譜可以讓那些無法使用較新硬體的人受益，或者簡單地減少人們重複進行相同模擬計算的次數。
該圖譜可免費用於非商業性研究，同時也存在商業授權的可能性。
計算90億種預測結果
整個人類基因組大約包含30億個鹼基對。每個位置上都存在三種可能的單核苷酸替換，因此圖譜中共有90億種變異。完整數據集大小約為1拍字節（PB）。
Avsec表示："當我們開始考慮這個項目時，從計算角度來看似乎是不可能完成的。"早期估算顯示，團隊需要將計算速度提高80倍，才能在合理時間內完成圖譜的編制工作。
為達成這一目標，團隊運用了幾種不同技術獲得了優勢，包括模型蒸餾、GPU核心優化，以及消除冗餘計算等。Avsec說："為了實現這樣的規模，我們進行了大量的思考和工程設計工作。"
AlphaGenome及其圖譜建立在DeepMind多年相關工作的基礎之上。2020年，AlphaFold實現了根據胺基酸序列預測蛋白質三維結構。2023年，AlphaMissense對7100萬種可能改變蛋白質的變異進行了預測，判斷其可能是良性還是致病性的。與新推出的圖譜類似，這些項目的預測結果也都已在公開資料庫中提供。
該圖譜允許科學家查詢單個變異，並查看模型預測的更詳細資訊，包括11種不同的輸出類型。但最核心的數據是一個單一數值的影響評分，從其本質來看，這是對眾多預測結果各方面情況的一種簡化處理。
de Boer表示："它有明確的用途，但也很可能容易被誤讀。我們討論的是一個非常複雜的系統，其中有很多變動的部分。"
Q&A
Q1：AlphaGenome圖譜是什麼？
A：AlphaGenome圖譜是谷歌DeepMind發布的一個在線資源庫，收錄了使用AlphaGenome模型預先計算好的預測結果，涵蓋參考人類基因組中全部90億種可能的單字母DNA變化，幫助科學家無需編寫代碼或自行運行模型即可查詢變異資訊。
Q2：AlphaGenome圖譜能幫助解決什麼問題？
A：該圖譜可以幫助科學家篩選可能性、優先安排實驗室實驗來驗證預測結果，從而加速基礎生物學、疾病研究和治療開發方面的工作，尤其有助於理解DNA變化如何影響基因調控，這對理解大多數疾病都很重要。
Q3：AlphaGenome圖譜存在哪些局限性？
A：該圖譜存在一些重要局限，比如許多疾病與多個基因變異相關聯，而AlphaGenome分析的DNA區域範圍有限（約100萬個鹼基對），一些被稱為增強子的序列能在很遠距離上調控基因，可能超出模型觀測視野，其效應難以預測。此外單一數值的影響評分也容易被誤讀。
