AlphaGenome：人工智能绘制调控基因组图谱

人类基因组的大部分并不编码蛋白质。然而，这些所谓的非编码DNA包含着调控指令，它们影响着基因的激活时间、作用位点以及表达强度。理解这些指令对于解释为何看似微小的基因变异会导致疾病至关重要。

AlphaGenome是由谷歌DeepMind开发的人工智能模型，旨在绘制调控基因组图谱。它并非分析孤立的片段，而是能够处理长达一百万个碱基对的DNA序列，从而获得调控信号相互作用的更广泛的基因组背景。

该模型能够预测多种生物学功能，包括基因表达、RNA剪接、染色质可及性、转录因子结合以及三维DNA相互作用。大多数输出​​结果的分辨率达到单碱基对级别。这种统一的方法使研究人员能够同时比较突变如何改变基因调控的多个层面，而无需依赖不同的专业模型。

DeepMind团队在《自然》杂志上发表论文，报告称其AlphaGenome在调控变异效应的基准测试中表现出色，包括与疾病相关的非编码突变。AlphaGenome能够估算单个DNA改变如何影响分子信号，帮助研究人员确定优先进行实验室研究的变异。

然而，这一前景需要谨慎解读。预测并不等同于生物学解释，基准测试的表现也并不意味着其具有临床有效性。调控生物学高度依赖于细胞类型、发育状态和环境背景。在预测结果能够用于诊断或治疗之前，实验验证仍然必不可少。

AlphaGenome的意义不在于取代基因组学实验，而在于使搜索空间更加易于探索。其研究代码和API为科学家提供了在大范围DNA区域检验假设的工具。如果这些预测能够持续经受独立验证，人工智能或许能够将基因组中调控的“暗物质”从障碍转化为易于研究的领域。