你拿到一份基因检测结果，其中有成千上万个不同于参考序列的字母。真正棘手的问题不是“哪里不同”，而是“哪个不同值得追查”。逐一做实验几乎不可行。Google DeepMind 新发布的 AlphaGenome Atlas，试图先用 AI 为人类基因组约 90 亿种可能的单字母变化计算影响，再把结果做成可搜索的目录。
这里的“图谱”不是一张图片，而是一座预测数据库。单核苷酸变异（SNV）指 DNA 中一个字母被另一个字母替换。官方称 Atlas 覆盖“每一种可能的单字母变化”，但目前全部信息主要来自 DeepMind 官方博客，覆盖范围、评测细节和外部验证材料仍不完整。因此，更准确的说法是：它批量预计算了约 90 亿种变异的分子效应预测，而不是用实验验证了 90 亿种突变，也不是一次模型调用就“画完”了基因组。
先把候选项全部算一遍
AlphaGenome 原本可以分析特定变异，预测它可能怎样影响生物过程。Atlas 做的关键一步，是把这种按需预测提前大规模运行。研究者查询某个位置时，不必从头调用模型，而是直接查看已经算好的结果。
这让基础模型的角色发生了变化。基础模型先从海量数据中学习通用规律，再服务不同任务；过去它更像一件科研工具，收到问题才给答案。Atlas 则把它的输出预先铺成一层公共数据基础设施，类似提前编好的字典：研究者可以检索、比较和筛选，再决定把有限的实验资源投向哪里。
据 DeepMind，Atlas 数据量约为 1 PB，是 AlphaFold Database 的 30 多倍。这个比较只能按官方口径理解，因为数据库版本、压缩方式和统计范围没有进一步披露。Atlas 为每个变异提供数千项分子效应预测，覆盖基因调控的多个方面，以及数百种人类和小鼠细胞类型与组织。
它还收录超过 2500 种反复出现的 DNA 序列模体——可以理解为基因组里经常出现的“词”——并标出它们的位置。研究者由此可以把一个变异与它可能扰动的功能序列联系起来。
一个分数，先找“可疑项”
面对如此庞大的结果，光有数据库还不够。DeepMind 同时发布了 AlphaGenome Variant Impact（AVI）score，即“变异影响分数”。它把 AlphaGenome 与 AlphaMissense 的预测压缩为一个数字。AlphaMissense 专门预测会改变蛋白质的 DNA 变异可能造成什么影响。
AVI 的用途不是直接判定疾病，而是排序。它像筛查清单上的优先级标记：分数帮助研究者先找到可能影响较大的变异；与分数相连的 feature attributions，则说明模型认为哪些生物特征推动了判断，例如 RNA 剪接、基因表达，或 AlphaMissense 给出的蛋白质影响。
这套设计同时面向编码区和非编码区。编码区约占基因组的 2%，负责提供蛋白质编码；其余约 98% 是非编码区，其中包含调控基因活动的序列。后者不直接制造蛋白质，影响通常更难解释。一位参与研究的分子生物学家将 Atlas 形容为一本可搜索的“非编码 DNA 词典”。
DeepMind 称，AVI 在多项变异致病性和罕见病基准上达到“best-in-class”表现。但博客没有给出具体基准、对手模型和分数差距，这一结论目前只能视为官方自评。
为什么它值得关注
DeepMind 此前已把模型输出做成过大型科研目录。据 Google DeepMind 与 Nature 提供的材料，团队在 2022 年公开约 2 亿个 AlphaFold 蛋白质结构预测，2023 年又用 AlphaMissense 预判约 7100 万种会改变蛋白质的变异。Atlas 把同一路线推进到约 90 亿种单字母变化：模型不只回答单个问题，还持续生产可被整个研究群体调用的数据层。
这种价值首先体现在“缩小搜索范围”。DeepMind 称，外部合作研究者已用 Atlas 找到并实验验证未解决罕见病研究中的关键变异，也发现了与常见性状相关的罕见变异。但官方没有披露具体变异、样本量或完整实验结果，不能把它概括为广泛的临床验证。
另一项官方披露的分析更能说明其当前定位：研究者从预测影响最大的 1% 非编码变异出发，在超过 5.4 万名英国生物样本库参与者的数据中，找出 19 个与体重指数相关的遗传区域，留待后续追查。说白了，Atlas 更像线索排序器，不是医学判决书。
目前，Atlas 通过免费网站、AlphaGenome API 和 Google Antigravity skill 提供；官方网站明确面向学术研究开放。它的意义不在于 AI 已经“读懂”整个人类基因组，而在于把原本零散、按需生成的模型判断，组织成可以反复查询和组合的大规模科研资源。
局限与未知
- “覆盖每一种可能的单字母变化”和“约 90 亿种”均为官方表述；材料没有说明参考基因组版本，以及性染色体、未定位序列等具体覆盖边界。
- 这些结果是 AI 预测，不等于实验确认，更不能直接充当临床诊断。外部合作案例也缺少足够细节供独立判断。
- 免费范围限于学术研究；门户、API 与 Antigravity skill 的配额、具体权限及商业使用条件尚未披露。