Google DeepMind AlphaGenome Atlas

Google DeepMind 推出了 AlphaGenome Atlas，这是一个全面的数据库，用于预测人类基因组中每一种可能的单核苷酸变异 (SNV) 的影响。通过使用 AlphaGenome AI 模型预先计算 90 亿个遗传变化的调节影响，DeepMind 创建了一个 1 PB 的数据集，旨在帮助研究人员识别非编码 DNA（占基因组的 98%）中的突变如何影响分子过程。

The AlphaGenome Variant Impact (AVI) Score

为了使这一庞大的数据集具有实用性，Atlas 引入了 AlphaGenome Variant Impact (AVI) 分数。这一单一指标结合了编码区和非编码区的预测结果，使科学家能够优先处理高影响变异，而无需手动分析数千个单独的数据点。

Applications in Rare Disease and Complex Traits

AlphaGenome Atlas 正被用于加速临床和人群规模研究中的基因组发现：

• Rare Disease Diagnosis: 研究人员在 Broad Institute 使用 AVI 分数识别出了 DNM1 基因中的一个关键变异。该模型预测该变异产生了一个错误的剪接位点，为解决之前未解决的罕见病病例提供了所需的证据。
• Complex Trait Association: 在一项针对超过 54,000 名 UK Biobank 参与者的研究中，Dr. Gareth Hawkes 使用 Atlas 对变异进行分组，根据预测的分子效应进行分组。这种方法发现了多出 22% 的非编码遗传关联，并识别出了 19 个与身体质量指数 (BMI) 相关的遗传区域。

Accessibility and Deployment

Atlas 可通过一个专为无需编程知识的用户设计的网络门户进行访问，旨在为临床研究人员和生物学家实现访问的民主化。虽然门户网站要求提供机构隶属关系，但用户报告称，输入 "None" 仍可获得该工具的访问权限。

Technical Critique and Community Discussion

虽然此次发布被一些人视为在可访问性方面的重大飞跃，但 Hacker News 上的科学界成员对模型的有效性和发布的性质提出了几点批评意见：

Prediction Reliability and Data Limitations

一些专家质疑当前的基因组数据是否为准确的变异预测提供了足够的背景信息。一位贡献者引用了 Katie Pollard 的一次演讲，暗示仅凭人类变异可能是不够的，并认为需要来自其他物种的比较数据和广泛的实验室诱变实验才能取得实质性进展。

此外，一些用户指出外部研究表明，即使在简单的病毒中，AI 模型也难以预测突变效应。一位评论者指出：

"That study has done in reality what the AlphaGenome Atlas does in fiction... various dedicated AI models all made poor predictions of the results of that experiment... For a human the uncertainty about the effects of a mutation will be far greater than for one of the simplest viruses."

Model Performance vs. State-of-the-Art

基因组学社区内有人声称，AlphaGenome 相比于现有的最先进模型并没有提供显著的改进，特别提到了 Borzoi 模型是更优或等效的替代方案。

Nature of the Release

技术观察者指出，Atlas 实际上是现有 AlphaGenome 模型预计算预测结果的一个庞大 "cache"，而不是一种新的生物学发现或新的模型架构。其主要价值主张是为那些可能没有资源亲自运行该模型的研究人员减少了计算摩擦。