Google DeepMind 发布了一个大型新数据集，有望帮助科学家更轻松地研究 DNA 变化如何影响人体机能。该数据集名为 AlphaGenome Atlas，包含对人类基因组中超过 90 亿个可能的碱基变化的预测结果。数据集大小约 1 PB，使用 DeepMind 的 AlphaGenome AI 模型生成。以往研究人员每次研究某个基因变异时都需要自行运行模型，现在 DeepMind 已经完成了大量计算工作。科学家现在可以直接在 Atlas 中搜索感兴趣的变异，查看模型预测的效应。
90 亿听起来是一个庞大的数字，但背后是一些相当简单的数学运算。人类基因组包含大约 30 亿个 DNA 碱基，由A、C、G 和 T组成。任何给定位置的碱基可以被替换为其他三个碱基之一。这样算下来大约有 90 亿种可能的碱基变化。科学家对这些变异很感兴趣，因为部分变异会影响基因的表达方式并导致疾病。难点在于将这些重要变化与大量影响微乎其微的变异区分开来，尤其是在占基因组 98% 的非编码区中。
AlphaGenome 就是这背后的AI 模型。该模型预测基因变化如何影响分子过程，包括基因表达、RNA 剪接和染色质可及性。AlphaGenome Atlas 将这些预测在整个基因组范围内进行预计算，而非要求研究人员逐个运行模型。最终产出远不止是一个包含 90 亿个变化各自单一答案的数据库。DeepMind 表示，Atlas 对每个变异的预测包含了数千条分子效应，涵盖数百种人类和小鼠的细胞类型和组织。在如此规模下，数据生成只是挑战的一部分。研究人员还需要一种实用的方法来从海量预测中筛选出值得关注的变异。
为帮助研究人员梳理这些预测，DeepMind 还推出了 AlphaGenome Variant Impact（AVI）评分。该评分将 AlphaGenome 和 AlphaMissense 的预测结果合并为一个数值（AlphaMissense 是 DeepMind 用于预测蛋白质编码 DNA 变异影响的模型）。研究人员可以用该评分对变异按潜在影响进行排序。重要的是，它在基因组的编码区（2%）和非编码区（98%）均有效。Atlas还展示了每个变异预测会影响哪些分子过程，如 RNA 剪接或基因表达。
研究人员已开始使用 Atlas。DeepMind团队在发布该资源的博文中重点介绍了一项利用 UK Biobank 数据的研究工作：
「为了测试 AlphaGenome Atlas 如何提高我们发现影响人类性状的非编码变异的能力，英国埃克塞特大学医学研究委员会研究员 Gareth Hawkes 将 AlphaGenome Atlas 应用于来自超过 54,000 名 UK Biobank 参与者的全基因组数据，使这些难以捕捉的信号变得更加明显。通过按预测的分子效应对罕见变异进行分组，Hawkes 多发现了 22% 的非编码遗传关联——这些关联此前无法从统计噪声中被检测到。」
Atlas 还正在被应用于罕见病研究。Broad Institute 的研究人员与 GREGoR Consortium 合作，利用 AVI 评分寻找此前研究中可能被遗漏的潜在重要变异。他们鉴定出了一个影响 DNM1 基因的变异，该基因与癫痫性脑病强相关。AlphaGenome 预测该变异产生了一个错误的 RNA 剪接位点，后续实验验证了这一预测。
目前，Atlas 通过网站和AlphaGenome API 免费供研究人员使用。DeepMind 表示，通过 Google Cloud 的商业访问即将上线。该公司还表示，这仅仅是一个起点。Atlas将随着 AlphaGenome 及其其他 AI 模型的改进而持续更新。虽然它不会直接告诉研究人员哪些基因变化会导致疾病，但它可以帮助他们判断哪些变异值得投入更多时间和实验室验证。
