当地时间1月28日，Google DeepMind正式推出AI模型AlphaGenome，为人类基因组功能的解码工作带来突破性进展。这款发表于《自然》杂志的模型，能够预测DNA序列如何转化为生物功能，单次可处理多达100万个碱基对，在26项变异效应预测基准测试中的25项均超越现有模型，成为计算基因组学领域的重要里程碑。
在AlphaGenome诞生之前，基因组研究领域的AI模型往往需要针对不同预测任务搭建独立系统，而AlphaGenome凭借统一架构，可同时处理基因表达、染色质可及性等多类任务。DeepMind团队在公告中表示，该模型能够“扫描长段DNA序列，预测关键调控元件的位置及其对基因表达的下游影响”。其拥有的百万标记上下文窗口，更是让它能捕捉到DNA远端区域间的长距离相互作用——这类相互作用正是基因开关机制的核心所在。
从技术架构来看，AlphaGenome融合了两种神经网络的优势：一方面采用类似Borzoi的一维卷积网络处理DNA序列的连续性特征，另一方面借鉴图像分割领域的U-Net架构，解析调控元件间复杂的空间关系。模型的训练数据规模同样令人惊叹，涵盖了来自ENCODE和FANTOM联盟的约7000条基因组轨迹，这些数据是全球科研团队多年来对人类基因组功能元件的系统性整理成果。通过学习这些实验数据，AlphaGenome能够预测基因表达、DNA可及性、蛋白质结合及染色质修饰等多种生物学信号。
对科研人员而言，AlphaGenome最具实用价值的能力体现在变异效应预测上。当患者基因组出现突变时，临床医生需要判断这种变异是否会引发疾病。AlphaGenome能够预测单个核苷酸变化对整个调控网络的影响，有望识别出当前方法遗漏的致病变异。在表达数量性状位点（eQTLs）测试中，这款通用模型的表现甚至能与专门训练的模型媲美，充分证明了其技术实力。
延续DeepMind在生命科学领域的开放传统，AlphaGenome的源代码已在GitHub上公开，供非商业用途使用。这一举措复刻了AlphaFold的成功模式——后者自2021年发布以来，已被全球超过300万科研人员使用。如果说AlphaFold解决的是“蛋白质长什么样”的问题，AlphaGenome则聚焦于“基因何时何地产生这些蛋白质”，二者共同构建了从基因组到蛋白质功能的完整AI研究链条。DeepMind首席执行官Demis Hassabis一直将生物学视为AI技术的核心应用领域，AlphaGenome的推出，标志着该实验室将大模型的架构创新从对话式AI拓展到了基础科学研究领域。
AlphaGenome的诞生之所以意义重大，还要从人类基因组的“暗物质”说起。人类基因组包含约30亿个碱基对，但仅有1.5%直接编码蛋白质，其余98.5%曾被误认为是“垃圾DNA”。如今科学家们已经明确，这些非编码区域包含大量调控元件，它们控制着基因表达的时间、位置和强度，其突变正是多种疾病的诱因。然而，识别这些非编码区的致病性变异一直是科研难题。
传统研究方法需要通过昂贵且耗时的实验逐一验证变异的影响，而AlphaGenome这类AI模型能够通过计算快速筛选数千个变异，为后续实验优先级排序。对于罕见病诊断而言，这一能力尤为关键——罕见病患者往往携带未知影响的新型变异，AlphaGenome有望将从基因测序到确诊的时间大幅缩短。其百万碱基对的处理能力，更是解决了长期困扰科研人员的难题：许多基因调控元件与目标基因相距数十万碱基对，通过DNA的三维折叠实现相互作用，而此前的模型因上下文窗口有限，无法捕捉这类长距离依赖关系。
AlphaGenome的加入，让AI赋能生命科学的版图更加完整。从蛋白质结构预测到药物研发，再到如今的基因调控，机器学习正在攻克一系列曾被视为“不可解”的生物学问题。对于全球科研社区而言，这类工具的开放化，让原本仅能被资金充足的实验室掌握的计算能力变得普惠，推动整个领域的均衡发展。
不过，DeepMind也坦诚了AlphaGenome的局限性。尽管模型在预测实验测量数据方面表现出色，但将这些预测转化为临床结论仍需大量验证工作，从染色质可及性预测到疾病风险评估之间，还有很长的路要走。目前，AlphaGenome仍是一款科研工具，它的核心价值在于加速人类对基因组运作机制的理解，临床应用的落地可能还需要数年时间。但从全球160个国家的3000名科学家已经开始使用这一模型的现状来看，科研界已经看到了它的即时价值。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/deepmind-fa-bu-alphagenome-ai-jie-suo-ren-lei-ji-yin-zu
