2026年9月8日，Google DeepMind在官方博客宣布发布AlphaGenome Atlas，这是一个覆盖人类基因组全部约30亿个碱基位置的功能预测图谱。与此前DeepMind发布的AlphaMissense专注于蛋白质编码区错义突变的致病性分类不同，AlphaGenome Atlas的预测范围扩展到了基因组的非编码区域，对每个碱基位置上任意单核苷酸变异可能引发的剪接变化、转录因子结合亲和力改变以及染色质可及性扰动进行系统性量化评估。这是目前规模最大的基因组功能预测公开数据集。
技术架构与预测范围
AlphaGenome Atlas基于DeepMind自研的大型基因组建模架构，该架构在训练过程中整合了ENCODE、Roadmap Epigenomics等多个国际基因组功能注释联盟的公开数据集。模型输入为DNA序列上下文窗口，输出涵盖多个功能维度的连续预测值：RNA剪接位点的使用强度变化、转录因子结合概率的增加或下降、以及染色质开放程度在特定基因组区域的预期改变。DeepMind团队在技术报告中指出，该模型在标准基准测试上的跨任务预测精度达到了此前最强单任务模型的1.3到1.8倍，同时将推理成本降低了约四成。
在应用层面，AlphaGenome Atlas的价值主要体现在遗传病研究中的变异功能注释。目前临床基因组学中大量检出的变异位点属于"意义不明变异"（VUS），这些变异位于非编码区域，传统实验方法难以高效评估其致病性。AlphaGenome Atlas提供了一个系统性的计算预测参考，研究者可以批量查询候选变异的功能影响评分，从而缩小实验验证的范围。不过DeepMind强调，该图谱目前仅限于非商业研究用途，任何临床诊断应用需要经过独立的验证流程。
与AlphaFold系列的定位差异
AlphaGenome Atlas在DeepMind的生物学模型家族中占据了一个独特位置。AlphaFold解决的是蛋白质三维结构预测问题，AlphaMissense针对编码区错义突变的致病性分类，而AlphaGenome Atlas把预测目标推进到了基因组的调控层面——即那些不直接编码蛋白质、但决定基因何时何地表达多少的序列区域。人类基因组中约98%的序列属于非编码区，全基因组关联研究检出的疾病相关位点也有超过九成落在这些区域，长期以来缺乏系统性的功能解释工具。
DeepMind在技术报告中给出了几个具体的应用场景示例：对于某个在自身免疫疾病人群中显著富集的基因间区变异，AlphaGenome Atlas可以预测该变异是否改变了附近增强子上特定转录因子的结合强度，从而给出一条可实验验证的机制假说。这类假说生成能力在过去依赖研究者的经验直觉和大量试错实验，模型的介入有望把候选机制的筛选周期从数月压缩到数天。
开源数据与社区反应
AlphaGenome Atlas的预测数据以标准BED格式通过Google Cloud公开数据集托管，任何研究者均可免费下载和查询。生物信息学社区对这一发布普遍持积极但审慎的态度：肯定其在计算规模和预测覆盖面的突破，但也指出模型预测值需要与实验数据交叉验证，尤其在非编码区域的功能预测目前缺乏完善的地面真实数据集作为校准基准。DeepMind表示计划在未来版本中整合更多来自大规模并行报告基因实验的功能数据，以提升非编码区域预测的可靠性。