DeepMind 的 90 亿突变图谱正在改写基因组学规则

基因组暗面的参考手册

二十年来，基因组学一直深受慢性身份危机的困扰。人类基因组计划在2003年交付了那本"书"——科学家们终于拥有了完整的人类DNA序列。但他们没有的是解读它的能力。

这一差距在十多年前开始缓慢收窄。但谷歌DeepMind周二发布的AlphaGenome Atlas（基因组图谱）则是一个完全不同量级的突破。该数据库预测了人类基因组中所有九十亿种可能的单碱基替换的生物学后果。在实践意义上，这是首张全面描绘任何给定突变可能如何改变基因开关调控机制的图谱。研究人员现在可以通过浏览器直接查询，而不必为每个变异进行数周的实验室实验。

DeepMind研究副总裁Pushmeet Kohli在简报电话中直截了当地指出：迄今为止，世界上任何科学家只需"打开浏览器"就能访问全面的人类遗传变异图谱。他还将此次发布定位为完成人类基因组计划未竟的事业。“我们买下了那本书，“Kohli说，“但我们不知道该如何阅读它。”

非编码区问题，规模化求解

此次发布的重要生物意义在于一个多数读者会感到惊讶的数字：大约仅有两个百分之一的人类基因组负责编码蛋白质。其余百分之九十八则控制着这些蛋白质何时、何处被合成。几十年来，这片调控领域在很大程度上仍是未被探索的空白地带。编码区的突变相对容易解读，因为它们直接改变蛋白质结构。而非编码区的突变则困难得多，因为它们的效应是间接的、弥散的、且具有情境依赖性——它们在特定时间、特定组织中让基因上调或下调。

AlphaGenome是DeepMind去年发布的底层AI模型，专门用于预测这类调控效应。Atlas则是将其在整个参考基因组上运行、将每个碱基与所有可能的替代碱基进行比对后的产物。结果是对每种变异生成约两万七千条预测，涵盖数百种人类和小鼠细胞及组织类型。这包括突变对基因表达、RNA剪接、转录因子结合以及染色质可及性的影响。

为了从这些数据量中理出头绪，DeepMind引入了AlphaGenome变异影响（AVI）评分。它融合了AlphaGenome的调控预测与AlphaMissense的预测——后者是DeepMind早期专注于蛋白质改变型突变的模型。AVI评分达到十分，意味着该变异影响力位列前百分之十；达到三十分，则进入前千分之一。关键在于，该评分还会分解哪种生物学过程驱动了这种影响——剪接、基因表达还是蛋白质改变——使研究人员能够区分破坏启动子的突变与创建隐秘剪接位点的突变。

早期结果暗示诊断突破

发表在bioRxiv上的论文中所报告的β测试阶段，其结果难以被视为渐进式改进。

在Broad研究所，Laura Covill与Anne O’Donnell-Luria与GREGoR联盟合作，该联盟致力于调查病因不明的罕见遗传疾病。他们将Atlas应用于一名患有癫痫性脑病、病情屡经诊断无果的患者。AVI评分标记出DNM1基因的一个变异，该基因参与脑细胞的突触功能。评分中有百分之六十九来自剪接效应：模型预测该变异在一种脑特异性基因版本中创建了一个错误剪接位点，导致最终蛋白质额外增加了十三个氨基酸。由于该蛋白变异在血液中几乎不表达，此前对血液样本的RNA测序一无所获。实验室实验验证了这一预测，该变异被重新归类为"可能致病”。

在对GREGoR既往已确诊病例的回顾性测试中，AVI将已知致病变异置于患者前五十候选变异中的比例达29.5%。而现有的CADD排名方法仅达到12.5%。这一差距并非微不足道。

埃克塞特大学的Gareth Hawkes将Atlas应用于超过五万四千名英国生物样本库参与者的全基因组数据，搜寻影响循环蛋白水平的罕见非编码变异。通过预测的分子效应筛选候选变异，比不使用Atlas的同一分析多获得了22%的关联发现。在一例中，候选列表从五百二十六条缩减至四条。

“人类基因组是一个巨大的搜索空间，“Hawkes说，“我们可以用它来缩小 haystack（大海捞针）。”

史特劳斯研究所的Julia Zeitlinger利用图谱中的基序图——超过两千五百个转录因子结合的重复短DNA序列目录——按细胞类型特异性对抑制因子进行分类。她指出，实验性地绘制数千个此类位点"原本是不可能的”，且四十年的实验室工作仅验证了模型预测基序中的极小部分。

谁受益，谁受损，以及许可模式意味着什么

DeepMind正通过专门网站向学术研究人员免费提供Atlas。商业访问将通过谷歌云的许可提供，“很快"即可上线，据Kohli所述，但他未披露具体条款。Alphabet旗下的AI药物发现子公司Isomorphic Labs已获得访问权限，尽管同样需要商业许可。

这种访问架构颇具深意。科学界立即从免费学术版中受益。寻求利用这些数据识别药物靶点的制药公司与生物技术企业则需要谈判许可。商业条款是否倾向于大型现有企业、还是为小规模公司留有空间，目前尚不清楚。更广泛的模式与AlphaFold（另一项DeepMind成果）的遭遇如出一辙：学术用途开放，商业用途设限，不可避免地重塑着依赖生物数据的领域的竞争格局。

对药物发现的影响巨大，但目前仍停留在理论层面。大多数与疾病相关的遗传变异位于非编码区，意味着它们影响的是基因调控而非蛋白质结构。如果Atlas能够可靠地预测哪些调控突变具有致病性，它实际上将一场低概率的搜寻转变为有方向的搜索。这对于罕见病尤其重要——诊断之旅往往持续数年，困扰着无数家庭。这对于具有强遗传因素、且非编码风险变异难以转化为药物靶点的常见疾病同样重要。

EMBL欧洲生物信息学研究所主任Ewan Birney已经在着手将AVI评分整合进Ensembl的Variant Effect Predictor——这款注释工具被全球无数基因组学实验室所使用。这一整合信号表明，数据正在被吸纳入现有研究基础设施，而非作为孤立产品对待。

重要注意事项

DeepMind并未将此产品宣传为实验室证据的替代品。DeepMind基因组学负责人Žigas Avsec表示，该模型在特定变异类别（如影响剪接或启动子的变异）上表现良好，但也可能遗漏其他类型——尤其是增强子区域的变异。预测"足够准确，能够真正为我们指明方向”，但他强调不应将其视为普遍真理。它们不如AlphaFold的蛋白质结构预测可靠——后者同样是DeepMind的里程碑成果。

论文也指出了训练数据的不足，以及捕捉间接效应的有限能力，例如通过调控蛋白本身水平变化而起作用的突变。这些是真实存在的局限，而非边注。一个在某种细胞类型中看似良性的变异，可能在另一种细胞类型中具有破坏性；模型的组织覆盖范围虽广，但并非穷尽。

对于临床诊断，DeepMind明确指出，Atlas预测仅是证据链的一部分，应当指导后续研究，而非取而代之。

为何超越实验室的意义

此次发布最令人瞩目的维度在于时机。人类基因组计划于今年迎来二十周年。在阅读序列二十年之后，我们终于获得了一种实用的语法——用来解读它所编码的语言，尤其是构成基因组绝大部分的调控语言。

对于罕见病患者而言，时间线的大幅压缩是可以感知的。曾经需要数年逐次检测才能达成的诊断，理论上可以在数周内缩小范围。对于研究复杂疾病的科学家而言，群体遗传学多年来已识别出与从糖尿病到精神分裂症等多种疾病相关的非编码变异，如今附上了一个预测框架。

对药物发现行业而言，关键问题是：这些数据能否将曾经不可成药的靶点转化为可及的靶点？调控突变比蛋白质错误折叠更难靶向，但理解哪些调控变化驱动疾病，是设计调控基因表达而非阻断蛋白质功能干预措施的第一步。

AlphaGenome Atlas并不能解答所有问题。它不会取代实验。它也不会独自治愈疾病。但它做到了此前不可能之事：让人类遗传变异的全貌变得可导航。这绝非小事。这是在无垠黑暗的森林中蹒跚穿行，与终于手握一张地图之间的差别。