90 亿个变异预先算好：把模型变成一份资源

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。