AlphaGenome Atlas: Semua 9 Bilion Varian DNA, Dikira Lebih Awal

AlphaGenome Atlas: Semua 9 Bilion Varian DNA, Dikira Lebih Awal

Google DeepMind baru sahaja mengambil pendekatan yang agak berbeza dalam penggunaan AI untuk genomics.

Daripada menunggu penyelidik memberikan satu varian DNA kepada model dan kemudian menunggu prediction dihasilkan, DeepMind mengira kesannya terlebih dahulu untuk 9 bilion kemungkinan single-nucleotide variants dalam human genome.

Hasilnya ialah AlphaGenome Atlas, sebuah dataset bersaiz kira-kira 1 petabyte yang memuatkan prediction bagi setiap kemungkinan perubahan satu huruf dalam DNA manusia. DeepMind menyifatkannya sebagai katalog paling menyeluruh setakat ini untuk melihat bagaimana perubahan DNA boleh mempengaruhi proses molekul. Ia tersedia untuk academic research melalui portal AlphaGenome Atlas, AlphaGenome API dan AlphaGenome Atlas skill dalam Google Antigravity.

Angka 9 bilion memang besar.

Tetapi bagi aku, bahagian yang lebih menarik ialah apa yang berlaku apabila prediction daripada AI ditukar menjadi dataset yang boleh dicari.

Daripada menjalankan model kepada mencari dalam Atlas

Human genome mempunyai kira-kira 3 bilion base pairs. Pada setiap kedudukan, terdapat tiga kemungkinan base alternatif, menghasilkan kira-kira 9 bilion kemungkinan single-letter changes.

Menguji kesemuanya dalam makmal bukan pilihan yang realistik.

Masalah yang sama muncul dalam bentuk computational. Kalau penyelidik mahu mengetahui kesan sesuatu varian, mereka perlu menjalankan model untuk membandingkan DNA reference dengan DNA yang mengandungi perubahan tersebut.

Itu masuk akal kalau kita sudah tahu varian mana yang hendak dikaji.

Tetapi bagaimana kalau soalan sebenarnya ialah:

Daripada berbilion-bilion kemungkinan perubahan, yang mana patut kita lihat dahulu?

Di situlah AlphaGenome Atlas menjadi menarik.

DeepMind menggunakan AlphaGenome untuk menghasilkan prediction secara genome-wide terlebih dahulu — precomputation sebagai corak yang semakin menjadi cara komputasi saintifik menyerap model AI. Hasil prediction itu kemudian disusun menjadi Atlas yang boleh diteroka oleh penyelidik.

AlphaGenome sendiri ialah model AI yang dibangunkan untuk memahami bagaimana DNA mempengaruhi proses biologi. Model ini boleh menggunakan sehingga 1 megabase DNA sequence sebagai input dan meramalkan ribuan genomic tracks pada resolusi single-base-pair.

Prediction ini merangkumi pelbagai aspek regulatory biology seperti gene expression, chromatin accessibility, transcription-factor binding dan splicing. AlphaGenome pertama kali diperkenalkan pada 2025 dan hasil kajiannya diterbitkan dalam Nature pada Januari 2026.

Jadi, Atlas bukan model baru yang menggantikan AlphaGenome.

Ia ialah lapisan data yang dibina daripada penggunaan AlphaGenome pada skala yang jauh lebih besar.

Kenapa precomputation ini penting?

Biasanya kita fikir tentang AI macam ini:

DNA sequence
     ↓
AlphaGenome
     ↓
prediction

AlphaGenome Atlas menukar aliran itu kepada:

9 bilion kemungkinan varian
            ↓
     AlphaGenome
            ↓
 prediction yang telah dikira
            ↓
    AlphaGenome Atlas
            ↓
        query

Perbezaannya mudah tetapi besar.

Penyelidik tidak semestinya perlu memulakan analisis dengan menjalankan model. Mereka boleh bermula dengan mencari varian yang paling menarik dalam prediction yang sudah tersedia.

Ini lebih dekat kepada cara kita menggunakan database berbanding cara kita biasanya menggunakan model AI.

DeepMind sendiri membuat perbandingan dengan AlphaFold Database: kerja prediction yang mahal dilakukan pada skala besar terlebih dahulu, kemudian hasilnya dijadikan resource yang boleh digunakan oleh komuniti penyelidik. AlphaGenome Atlas mengambil idea yang sama dan menerapkannya pada kesan molekul daripada perubahan DNA.

AVI: satu skor untuk membantu susun keutamaan

Masalahnya, 9 bilion varian bukan bermaksud 9 bilion jawapan ringkas.

Setiap varian mempunyai ribuan prediction molekul yang boleh merangkumi pelbagai proses dan ratusan jenis sel serta tisu manusia. Kalau semuanya dipaparkan begitu sahaja, penyelidik masih perlu menapis jumlah data yang sangat besar.

Sebab itu DeepMind memperkenalkan AlphaGenome Variant Impact (AVI) score.

AVI memberikan satu skor bagi setiap varian untuk membantu penyelidik menentukan varian mana yang patut diberi perhatian dahulu. Ia menggabungkan prediction AlphaGenome dengan AlphaMissense, model DeepMind untuk menganggarkan kesan varian yang mengubah protein.

Ini juga membolehkan AVI digunakan pada kedua-dua bahagian genome:

• coding regions, yang merangkumi kira-kira 2% genome dan mengandungi arahan untuk menghasilkan protein;
• non-coding regions, yang merangkumi kira-kira 98% genome dan memainkan peranan besar dalam mengawal aktiviti gen.

Bahagian kedua itu penting.

Banyak varian yang berkaitan dengan trait dan penyakit manusia berada dalam kawasan non-coding. Jadi melihat perubahan pada protein sahaja tidak mencukupi untuk memahami keseluruhan kesan genetic variation.

AVI juga disertakan dengan feature attributions. Ini membantu menunjukkan proses molekul yang menyumbang kepada sesuatu skor, contohnya perubahan pada RNA splicing atau gene expression.

Jadi penyelidik bukan sekadar mendapat:

Variant X → AVI: 0.87

Mereka juga boleh melihat apa yang menyebabkan varian itu mendapat ranking berkenaan.

AlphaGenome sebenarnya membandingkan apa?

Pada asasnya, variant-effect prediction membandingkan dua keadaan.

Pertama ialah sequence reference.

Kedua ialah sequence yang sama selepas satu base ditukar.

Model kemudian melihat bagaimana perubahan itu mengubah prediction bagi proses molekul tertentu.

Sebagai gambaran mudah, perbandingan expression boleh digambarkan dengan log-fold change:

import numpy as np

def expression_score(ref_cov, alt_cov, eps=0.001):
    """Simplified log-fold change between REF and ALT predictions."""
    return (
        np.log(np.mean(alt_cov) + eps)
        - np.log(np.mean(ref_cov) + eps)
    )

ref_cov = np.array([3.1, 2.9, 3.3, 3.0])
alt_cov = np.array([7.8, 8.2, 7.9, 7.5])

score = expression_score(ref_cov, alt_cov)

print(f"log-fold expression change: {score:+.3f}")

Ini cuma contoh ringkas untuk menerangkan konsep, bukan implementation sebenar AlphaGenome Atlas.

Model sebenar jauh lebih kompleks dan menghasilkan prediction merentasi banyak genomic tracks. Kajian AlphaGenome yang diterbitkan dalam Nature menunjukkan model ini direka untuk menghubungkan DNA sequence dengan pelbagai fungsi genomik pada skala sehingga 1 Mb.

Atlas kemudian menggunakan prediction berskala besar itu sebagai asas untuk membina gambaran keseluruhan bagi 9 bilion kemungkinan single-letter changes.

Bukan sekadar database besar

Bahagian paling menarik ialah apa yang penyelidik sudah lakukan dengan resource ini.

Kes penyakit rare yang belum terjawab

Dalam kerjasama dengan GREGoR Consortium, para penyelidik di Broad Institute menggunakan AVI untuk menyusun keutamaan candidate variants dalam penyelidikan penyakit rare yang belum dapat diselesaikan.

Atlas membantu mereka mengenal pasti varian yang sebelum ini terlepas daripada perhatian.

Salah satunya melibatkan DNM1, gen yang mempunyai kaitan kuat dengan epileptic encephalopathy.

Prediction AlphaGenome menunjukkan bahawa varian itu menghasilkan incorrect splice site, yang kemudiannya menyebabkan abnormal extension pada protein.

Yang lebih penting, prediction itu kemudiannya disokong oleh experimental screens.

Ini contoh yang baik tentang tempat AI sesuai dalam research.

AI tidak menggantikan eksperimen.

Ia membantu penyelidik memilih calon yang lebih berbaloi untuk diuji — AI menyempitkan carian sebelum pembuktian eksperimen, corak yang kini berulang merentas sains.

Mencari signal dalam data populasi

Gareth Hawkes dari University of Exeter pula menggunakan AlphaGenome Atlas pada whole-genome data daripada lebih 54,000 peserta UK Biobank.

Masalahnya di sini berbeza.

Apabila kita mencari rare non-coding variants yang berkaitan dengan sesuatu trait, jumlah varian yang tidak memberi kesan boleh menghasilkan statistical noise yang sangat besar.

Dengan mengumpulkan varian berdasarkan kesan molekul yang diramalkan, Hawkes menemui 22% lebih banyak non-coding genetic associations yang sebelum ini sukar dikesan dalam noise tersebut. Analisis itu turut mengenal pasti regulatory variants berkaitan protein seperti PLA2G7 dan EGLN1.

Dalam analisis lain, beliau menumpukan pada 1% non-coding variants yang diramal paling impactful dan mengenal pasti 19 genetic regions yang dikaitkan dengan body mass index (BMI).

Itulah kegunaan sebenar ranking dalam situasi seperti ini.

Bukan mencari satu jawapan ajaib.

Tetapi mengecilkan ruang carian.

Genome juga ada "perkataan"

Atlas turut mengandungi lebih 2,500 recurrent DNA sequence motifs.

Motif ini boleh dianggap sebagai corak pendek yang berulang dalam DNA. Ia membantu penyelidik memahami di mana transcription factors mungkin berinteraksi dengan DNA dan bagaimana kawasan tertentu mempengaruhi gene regulation.

Julia Zeitlinger dan Melanie Weilert dari Stowers Institute for Medical Research menggunakan resource ini untuk mengkaji transcription factors yang mempengaruhi DNA accessibility dan yang turut memainkan peranan dalam menghidupkan atau mematikan gen.

Ini menjadikan Atlas lebih daripada sekadar senarai varian.

Ia menghubungkan:

variant
   ↓
molecular effect
   ↓
biological feature
   ↓
DNA motif
   ↓
regulatory mechanism

Hubungan seperti ini yang membuatkan prediction lebih berguna untuk research.

Cara mengakses AlphaGenome Atlas

DeepMind menyediakan Atlas melalui portal web yang tidak memerlukan coding.

Untuk penyelidik yang mahu memasukkan prediction ke dalam workflow sendiri, terdapat juga AlphaGenome API.

AlphaGenome Atlas turut tersedia sebagai skill dalam Google Antigravity, membolehkan AI-powered scientific workflow berinteraksi dengan dataset tersebut. DeepMind secara jelas melihat integrasi seperti ini sebagai sebahagian daripada hala tuju untuk membina workflow research yang lebih automated.

Ada satu perkara yang perlu dibezakan di sini.

AlphaGenome API dan AlphaGenome Atlas bukan benda yang sama.

API membolehkan prediction dijalankan menggunakan AlphaGenome.

Atlas pula ialah resource precomputed yang sudah mengandungi prediction genome-wide.

Satu ialah model yang boleh digunakan.

Satu lagi ialah peta yang sudah dihasilkan daripada model tersebut.

Tetapi ini bukan alat diagnosis

Ini bahagian yang tidak patut dilangkau.

AlphaGenome Atlas ialah research resource, bukan clinical diagnostic system.

DeepMind sendiri menyatakan bahawa AlphaGenome belum divalidasi untuk dan tidak diluluskan bagi sebarang kegunaan klinikal. Prediction daripada Atlas tidak sepatutnya dianggap sebagai diagnosis atau bukti bahawa sesuatu varian menyebabkan penyakit — sebab sama output model yang belum divalidasi memerlukan guardrail sebelum digunakan dalam mana-mana situasi berisiko tinggi.

Contoh DNM1 tadi menunjukkan perkara ini dengan jelas.

Model boleh membantu mencari calon yang menarik dan mencadangkan mekanisme biologi.

Tetapi experimental validation masih diperlukan.

AI boleh memberitahu penyelidik:

"Varian ini nampak sangat menarik."

Ia belum boleh menggantikan langkah seterusnya:

"Sekarang kita uji sama ada prediction itu benar."

Yang menarik bukan 1 petabyte

Headline paling mudah tentang AlphaGenome Atlas ialah 9 bilion varian dan 1 petabyte data.

Tetapi bagi aku, itu bukan bahagian yang paling penting.

Yang lebih menarik ialah perubahan cara kita menggunakan AI untuk scientific computing.

Selama ini, kita banyak membayangkan AI sebagai sesuatu yang dipanggil apabila kita memerlukan jawapan:

question
   ↓
model
   ↓
answer

AlphaGenome Atlas menggunakan pendekatan lain:

model
   ↓
massive precomputation
   ↓
dataset
   ↓
research workflows

Kos computational yang besar dibayar di hadapan. Selepas itu, penyelidik boleh menggunakan hasil tersebut untuk mencari pattern, ranking candidate variants dan membina analysis mereka sendiri.

Itu bukan sekadar optimization.

Ia mengubah tempat model ini berada dalam workflow.

Model tidak lagi menjadi langkah terakhir sebelum jawapan.

Model menjadi lapisan data yang digunakan oleh sistem lain.

Baseline, bukan titik akhir

DeepMind sendiri menggambarkan AlphaGenome Atlas sebagai baseline, bukan endpoint.

Itu mungkin bahagian paling penting dalam keseluruhan pengumuman.

AlphaGenome akan berubah. Model akan bertambah baik. Prediction akan menjadi lebih tepat. Lebih banyak biological signals mungkin boleh dimasukkan pada masa depan.

Apabila itu berlaku, Atlas boleh dibina semula dengan model yang lebih baik.

Peta berubah apabila data dan model berubah.

Tetapi idea asasnya kekal sama:

kira dahulu, kemudian biarkan penyelidik mencari apa yang mereka perlukan.

Sembilan bilion varian memang angka yang besar.

Namun nilai sebenar AlphaGenome Atlas bukan kerana ia mempunyai 9 bilion baris data.

Nilainya ialah buat pertama kali, semua kemungkinan single-letter changes itu boleh dilihat sebagai satu ruang yang sama — lengkap dengan prediction tentang apa yang mungkin berlaku pada tahap molekul.

Dan dari sudut developer, itu jauh lebih menarik daripada sekadar "AI untuk genomics".

Ini ialah contoh bagaimana model AI yang mahal boleh berubah menjadi infrastructure yang digunakan oleh orang lain untuk membina research workflow di atasnya.

Sumber

• Google DeepMind — AlphaGenome Atlas: A predictive map of every possible DNA letter change in the human genome
• Google — Introducing AlphaGenome Atlas
• Google DeepMind — AlphaGenome
• Nature — Advancing regulatory variant effect prediction with AlphaGenome
• Google DeepMind — AlphaGenome: AI for better understanding the genome
• AlphaGenome API — Google DeepMind