2026 年 9 月 8 日，谷歌旗下 AI 研究机构 DeepMind 发布 AlphaGenome Atlas——一个预测**人类基因组中每一个可能的单核苷酸变异（SNV）**会产生什么影响的公开数据库。单核苷酸变异指 DNA 序列中单个字母（碱基）的改变，相当于基因组里的一处「错别字」。这个数据库用 AI 预计算了全部约 90 亿种此类改变对细胞分子机制的影响，数据总量达 1 PB（拍字节，约 100 万 GB），官方称其为迄今最全面的「遗传突变如何影响分子生物学」目录。
AlphaGenome Atlas 是给科研人员用的「基因变异后果查询地图」。人类基因组（人体细胞中全部 DNA 的总称）像一本约 30 亿字的说明书，过去想知道某处变异是好是坏，研究者要翻文献、做实验，成本很高；现在在 Atlas 网站输入变异位置，就能查到它可能造成的影响，据此判断是否值得深入研究。它属于 AI for Science（用人工智能加速科学研究）领域，向全球临床研究人员和生物学家免费开放，使用门槛为零编码，会查网页就能用。
这件事值得关注，原因在于它覆盖了人类 DNA 中认知最薄弱的部分。人类基因组约 30 亿个碱基对（DNA 的基本组成单位），只有约 2% 直接编码蛋白质，科学家对这部分的了解相对充分；其余约 98% 的非编码区不直接产出蛋白质，但负责调控基因的开关，变异同样可能致病，过去却因缺乏工具而进展缓慢。DeepMind 用自家 AlphaGenome 模型预先算出了这些区域的变异影响，研究者拿到一张按影响排序好的清单。
一个 AVI 评分，把海量变异排出优先级
Atlas 配套推出了 **AVI（AlphaGenome Variant Impact，AlphaGenome 变异影响）**评分，把编码区与非编码区的预测统一成一个数字：分数越高，说明变异可能越重要。面对一个基因的几千个变异，研究者过去不知从何下手，现在按分数排序优先研究靠前的候选，筛选成本大幅下降。
案例：罕见病团队用它锁定致病变异
在美国 Broad 研究所，Laura Covill 团队把 AVI 评分用于一组迟迟找不到病因的罕见病案例。罕见病指患病率极低的疾病，多数由基因变异引起，难点在于定位致病位点。团队按评分优先排查，锁定了 DNM1 基因上的一个关键变异——AI 预测它会导致基因转录后加工时出现错误的剪接位点（剪接是基因信息转化为蛋白质前的裁剪环节，剪接出错则蛋白质无法正确生产）。这条预测为确诊提供了关键证据，该案例因此得到解决。
案例：从 5.4 万人的数据中找到与肥胖相关的新线索
Gareth Hawkes 博士将 Atlas 用于复杂性状研究：他对 54,000 多名 UK Biobank（英国生物样本库，大规模健康与基因数据库项目）参与者的数据开展分析，按 AI 预测的分子效应把变异分组，发现了比传统方法多 22% 的非编码区遗传关联；聚焦影响最大的前 1% 变异后，定位到 19 个与 BMI（身体质量指数，衡量胖瘦的常用指标）相关的遗传区域，为肥胖机制研究提供了新方向。
对普通人的意义
这些成果短期内不易被普通人直接感知，但对精准医学是实打实的推进：罕见病患者确诊周期有望缩短，复杂疾病的遗传线索更容易被找到。AlphaGenome Atlas 已通过 alphagenome.google/atlas 网站开放，任何科研机构和个人均可免费查询。从 AlphaFold 预测蛋白质结构，到 Atlas 预测基因变异影响，DeepMind 的路径很清晰：把 AI 做成生命科学的基础工具，让研究者把时间花在实验与判断上，而不是在数百万个变异里逐一筛选。