Google DeepMind 發布了 AlphaGenome Atlas，這是一個由 AlphaGenome 模型推導而成的預計算資料庫，規模約為 1 PB。該資料庫涵蓋人類基因組中幾乎所有可能的單字母 DNA 變化，包含約 90 億種單核苷酸變異的分子效應預測。

此資源讓研究人員無需自行運行 AI 模型，即可直接查詢突變的生物学影響，特別適用於難以解讀的非編碼區域。這項發布為基因組中多數疾病相關突變所在的「暗物質」提供了全面的查詢表，大幅加速了遺傳學研究。

透過該 Atlas，研究人員能更快地識別如癲癇等疾病的因果變異，縮短了基因組數據與臨床理解之間的差距。然而，這些結果僅為分子效應的 AI 預測地圖，並非疾病因果的實驗證明。

事件背景

人類基因組由編碼蛋白質的區域和非編碼區域組成，後者佔 DNA 的約 98%。非編碼 DNA 包含控制基因表現的調節元件（如啟動子），但與編碼區域相比，解讀這些區域中的突變歷來較為困難。AlphaGenome 是一個深度學習模型，旨在通過從這些序列預測輸出來解讀 DNA 功能。

社群觀察

社群情緒普遍正面，用戶讚揚 DeepMind 推動開放科學以及該工具改善醫學的潛力。部分討論強調了 1 PB 快取的技術規模，另一些人則指出啟動子序列的重要性，並對缺乏實驗驗證的預測可信度提出疑問。