AlphaGenome Atlas: A predictive map of every possible DNA letter change in the human genome
A platform containing predictions for the effects of 9 billion single-nucleotide variants — every single-letter change possible — in the human genome.
Marked important, but published more than 30 days ago, so it moved down to this band.
On this page11 sections
The full write-up and the editors' notes are in Chinese; the summary above is from the original announcement.
Record
The signal
#它把一个模型变成了一份资源
AlphaGenome Atlas 收录了人类基因组中全部 90 亿个单核苷酸变异——每一个可能的单字母改变——的分子效应预测，通过一个免费的网页门户向学术研究开放，同时提供 AlphaGenome API 和 Google Antigravity 里的一个 skill。
模型本身不是新的。新的是它被整个跑完了一遍并发布出来。 DeepMind 的说法很直接：实验室里逐个测试 90 亿种可能的突变实际上不可行，所以把 AlphaGenome 的预测大规模预先算好，就把一个需要调用的模型变成了一份可以直接查询的资源。
这是一个部署形态的决定，而不是建模上的进展——也正是它对基因组学之外的读者仍然值得读的原因。
规模，以及它的参照物
- 数据集 1 PB，是 AlphaFold 数据库的 30 多倍。
- 每个变异带数千项分子效应预测，覆盖基因调控的多个方面，跨数百种人类与小鼠细胞类型和组织。
- 另附一套 2,500 多条反复出现的 DNA 序列基序——基因组的「词」——及其位置。
作者自己给了参照系：2022 年扩充 AlphaFold 数据库时，可用的三维结构信息从约 19 万个实验结构变成 2 亿多个结构预测，覆盖了科学界已编目的几乎全部蛋白质，并且提供了一个无需编程经验就能用的门户。他们说建 Atlas 时的目标是同一件事：让预测更可及。
AVI：一个数，但它带着自己的分解
同时发布的还有 AlphaGenome Variant Impact（AVI）分数：把 AlphaGenome 与 AlphaMissense（预测蛋白质改变类变异影响的模型）两者的预测压缩成一个数字，让研究者能快速给变异排序。
值得单独记的是它没有只发这个数：每个 AVI 分数都链接到驱动它的具体生物学特征——AlphaGenome 预测的基因调控方面，或者 AlphaMissense 给出的蛋白质影响分数。也就是说，这个合成分数是可以被拆回去的。
它同时覆盖编码区（基因组的 2%）和非编码区（其余 98%）——而大多数与性状相关的变异位于后者，这也是话题级摘要最容易漏掉的一半。
一条限制，如实写明
Atlas 里的每一条都是预测，不是实验测量。它的价值在于把 90 亿个候选压到一个可排序的列表，让实验去验证排在前面的那些；把它当成结论而不是排序依据，是这类资源最容易被误用的方式。
本条依据 DeepMind 官方博客，门户、API 与论文均未逐项复核。
Why now
Why it matters
#可迁移的不是基因组学，是那个部署决定：当输入空间是有限且可枚举的，把模型整个跑完一遍、把结果发布成可查询的资源，比让每个人各自调用要便宜也可及得多。AlphaFold 数据库已经证明过一次，这是同一招在一个大 30 倍的数据集上的重演。第二点同样值得抄：AVI 把两个模型压成一个数字，却把驱动它的特征一起发出来——一个合成分数只有在能被拆回去时才是可用的。
Background
Technical context
#Atlas 提供四层相互链接的资源：每个变异数千项分子效应预测（跨数百种人类与小鼠细胞类型和组织）、单一的 AVI 分数、AVI 的特征归因（拆回到 AlphaGenome 的基因调控预测或 AlphaMissense 的蛋白质影响分数）、以及 2,500 多条反复出现的 DNA 序列基序及其位置。AVI 同时覆盖编码区（2%）与非编码区（98%），后者承载了大多数与性状相关的变异。
Audience
Who should care
#Next
Learning path
#- 先问你的输入空间是不是有限且可枚举的——这是预计算这一招成立的唯一前提
- 读《系统设计的权衡》：按需调用与预先算好是一对典型取舍，代价分别是延迟与存储
- 看 AVI 的做法：合成一个数字的同时把特征归因一起发，否则那个数字不可用
- 记住那条限制：Atlas 里全是预测，它的作用是给实验排序，不是替代实验
- 对照 AlphaFold 数据库 2022 年那次扩充（19 万实验结构 → 2 亿多预测），这是同一招的第二次
Network
Where it sits in the network
#How this signal connects to neighbouring technologies, skills and background knowledge. Follow any link to keep exploring.
Further thought
Follow-up questions
#- 你的场景里输入空间可枚举吗？不可枚举时这一招完全不成立。
- 1 PB 的分发与更新成本由谁承担，模型迭代后这份资源怎么重算？
- AVI 这类合成分数在你的产品里，能不能同样把归因一起给出？
Publication record
Featured in
#The briefings that carried this signal, newest first; the last row is the weekly review of its week. The tag is the section it ran in.
技术简报 - 2026-09-09
Immediate attentionWeekly review · Sep 7 – Sep 13
Worth tracking
Sources