新智元報道

編輯：桃子 好困

【新智元導(dǎo)讀】今天Nature封面，屬于谷歌DeepMind！生命，是一場長達40億年代碼迭代?，F(xiàn)在，AlphaGenome破解98%基因暗物質(zhì)，開啟了人類「刪除」疾病代碼的上帝模式。

今天，谷歌AlphaGenome登上了Nature封面！

去年5月，谷歌DeepMind重磅發(fā)布了新一代「阿爾法」模型——AlphaGenome。

它可一次性「讀入」100萬個DNA堿基對，并預(yù)測任何基因突變?nèi)绾胃淖兎肿拥墓δ堋?/p>

AlphaGenome不僅限于單個基因預(yù)測，而是貫穿了整個調(diào)控基因組。

論文地址：https://www.nature.com/nature/volumes/649/issues/8099

若要回答「某個基因的活性是會增強還是減弱」這一問題，生物學(xué)家們需要在實驗室中，往往耗費數(shù)月進行重復(fù)實驗。

如今，AlphaGenome只需讀入一段DNA序列，提取調(diào)控基序與表征活性，便可對數(shù)千種分子特性高度預(yù)測。

谷歌科學(xué)家表示，這類非編碼基因組占DNA 98%，對人類健康和疾病至關(guān)重要。

AlphaGenome已在GitHub開源：https://github.com/google-deepmind/alphagenome_research

諾獎得主、DeepMind掌門人Demis Hassabis更是放出豪言：「未來十年，AI將治愈所有疾病」。

AlphaGenome的橫空出世，堪稱「基因組版AlphaGo」，正以顛覆性計算范式重構(gòu)生命科學(xué)的底層邏輯。

評論區(qū)下方，網(wǎng)友激動表示，「自然遺留的代碼」終于有了合適的代碼檢查工具。

AlphaGenome榮登Nature封面

基因組，是深植于每個細胞核心的生命底層代碼。

這套宏大的DNA指令集，不僅精準(zhǔn)勾勒出我們的外貌與機能，更在幕后操控著生長、繁衍乃至抵御疾病的每一處細節(jié)。

2003年，人類基因組計劃宣告完成，我們首次窺見了這本「生命之書」的全貌。

然而，那些深藏在雙螺旋間的遺傳密碼始終未被喚醒：

一個堿基的微小錯位如何引發(fā)生命的巨震，依舊是生命科學(xué)研究的核心議題。

6年前，AlphaFold的誕生以海嘯般的勢頭席卷生物界，連續(xù)斬獲Nature、Science年度十大科學(xué)突破。

從初代AlphaFold到AlphaFold 3，精準(zhǔn)預(yù)測了98.5%人類蛋白質(zhì)結(jié)構(gòu)。

它更用2024年的諾貝爾獎證明了，AI正在接管生物學(xué)的未來。

最新AlphaGenome，再一次拓展了AI在DNA領(lǐng)域的研究。

人類基因約有30億個堿基，但其中只有不到2%的序列，用于編碼蛋白質(zhì)，其余98%被稱為非編碼區(qū)。

然而，它們對調(diào)控基因的活性至關(guān)重要，并包含了大量與疾病相關(guān)的變異位點。

直到現(xiàn)在，生物學(xué)家實際上無法看清它是如何運作的。

AlphaGenome正是為解讀這些廣闊的非編碼序列及其內(nèi)部變異，提供了全新的視角。

一次100萬對，90%精準(zhǔn)預(yù)測

從論文角度，一起拆解下AlphaGenome背后工作原理。

總言之，AlphaFold解決了蛋白質(zhì)折疊問題，AlphaGenome則研究接下來的問題——

DNA實際上是如何控制基因的？

當(dāng)前，問題的核心是：98%的人類基因突變其實發(fā)生在基因之外，也就是那些負責(zé)調(diào)控基因在何時、何地、以及表達多少的「調(diào)控區(qū)」。

科學(xué)家們很清楚，這些區(qū)域至關(guān)重要。

可問題是，想要預(yù)測這些區(qū)域里的某個特定突變到底會起什么作用，難度可就直接翻倍了。

為什么會如此困難？

因為某個位置的一個小突變，可能會影響到遠在50萬個「字母」（letters）之外的基因。

以前的AI工具不得不做「單選題」：要么看得遠，但視野模糊；要么看得清，但只能盯著附近那一小部分地方。

也就是說，魚和熊掌，過去的AI還沒法兼得。還有一個問題是，目前的工具都是「專才」。

想知道突變是否影響基因表達？用一個模型剪接（Splicing），用另一個染色質(zhì)（Chromatin），再換一個.....

但基因突變并不只影響單一環(huán)節(jié)，生物學(xué)是環(huán)環(huán)相扣的。

基于谷歌之前的Enformer模型，AlphaGenome這次一口氣解決了上述兩個痛點：

1. 既能「望遠」也能「微距」：它能一次性吞掉100萬個DNA字母，而且預(yù)測精度依然能細化到每一個字母。

1. 從「偏科生」變成「全才」：基因表達、剪接、染色質(zhì)狀態(tài)、蛋白質(zhì)結(jié)合——這些復(fù)雜的生物過程，現(xiàn)在只需這一個模型就能同時搞定。

戰(zhàn)果一：更擅長預(yù)測突變?nèi)绾斡绊懟蚧钚?/strong>

在90%的準(zhǔn)確率下，之前的最佳模型發(fā)現(xiàn)了19%已知變異位點，AlphaGenome直接找出了41%，性能足足提升一倍多。

戰(zhàn)果二：精準(zhǔn)識別破壞「剪接」的突變

所謂的「剪接」（Splicing），其實就是細胞在給基因片段搞「剪剪貼貼」，最后拼成一份能指導(dǎo)生命活動的最終指令。

如果這一步搞錯了，拼出來的蛋白質(zhì)就是個「報廢品」。別小看這些錯誤，它們導(dǎo)致了大約15%遺傳病。

而在這一領(lǐng)域的七項權(quán)威基準(zhǔn)測試中，AlphaGenome在其中6項都拿到了第一，完全碾壓了現(xiàn)有的工具。

戰(zhàn)果三：更精準(zhǔn)地預(yù)判DNA的「封裝」變化（染色質(zhì)）

DNA緊緊地纏繞在蛋白質(zhì)周圍，松開它，基因就能開啟。收緊它，基因就保持關(guān)閉。

在預(yù)測突變何時改變這一過程方面，AlphaGenome的表現(xiàn)優(yōu)于專業(yè)工具。

戰(zhàn)果四：在「實戰(zhàn)」中精準(zhǔn)預(yù)判癌癥突變

為了驗證真本事，研發(fā)團隊拿真實的癌癥突變給AlphaGenome來了場「實戰(zhàn)演習(xí)」。

在T細胞白血病中，某些特定的突變會像合上電閘一樣，意外激活一個極其危險的基因——TAL1。

AlphaGenome不僅準(zhǔn)確預(yù)測出了這種激活的具體路徑，而且其預(yù)測結(jié)果與科學(xué)家在實驗室里忙活多年才得出的結(jié)論完全吻合。

和去年五月論文不同之處，研究科學(xué)家給出了以下兩點：

有網(wǎng)友對此表示，AlphaGenome的出現(xiàn)讓科學(xué)家們離讀懂人類基因組又近了一步。

破譯「生命源代碼」，2年搞定

今天，谷歌DeepMind還出了一期AlphaGenome的訪談，科學(xué)家?iga Avsec和背后團隊坐在一起，闡述了新模型背后的故事。

團隊打造一款統(tǒng)一的DNA序列-功能預(yù)測模型，其初衷便是預(yù)測遺傳變異的功能影響。

他們希望，AI可以最終譯被稱為「生命源代碼」的DNA序列，這對人類健康和罕見病診斷具有重要意義。

AlphaGenome的出世恰恰填補了這一空白。

AI 要做的事情之一，是把序列變化與細胞里的分子機制變化連接起來，尤其要回答「一個小小的變異會帶來什么后果」。

這背后有一個長期痛點：大量罕見遺傳病患者仍舊沒有明確診斷線索，研究和臨床經(jīng)?？ㄔ凇缚匆娮儺悺⒆x不懂影響」。

同時，人類基因組里編碼蛋白的區(qū)域只占很小部分，更多變異發(fā)生在非編碼區(qū)。

AlphaGenome把關(guān)注點放在這片「基因組的絕大部分」，試圖讓非編碼區(qū)的功能影響也能被系統(tǒng)地預(yù)測。

那么，為什么要做一個統(tǒng)一的「序列-功能」（sequence-to-function）的模型？

訪談中，他們提到過往路線：此前有Enformer，行業(yè)里也出現(xiàn)了不少同類工作，還有大量針對單任務(wù)的模型，分別解決剪接、可及性、3D互作等問題。

而AlphaGenome試圖解決的是「拼模型」的成本與缺口：

• 需要覆蓋更多模態(tài)（更多類型的生物學(xué)讀數(shù)）

• 輸入序列要足夠長，能看到遠距離調(diào)控

• 輸出要足夠細，能落到單堿基層級解釋

它把這幾件事放進一個框架里，讓研究者不用在不同模型之間來回切換，也更容易把變異影響放到更完整的上下文里理解。

更關(guān)鍵的是，AlphaGenome從午餐靈感到論文發(fā)布，周期不到兩年。

從AlphaFold揭示生命的「形態(tài)」，到AlphaGenome破譯生命的「邏輯」，我們正身處一場前所未有的范式轉(zhuǎn)移之中。

AlphaGenome把曾經(jīng)一度被視為「暗物質(zhì)」的98%非編碼區(qū)，變成了生命最精密的調(diào)控閥門。

這一次，人類不僅是在觀察生命，更是在理解生命的運行代碼。

參考資料：

https://x.com/GoogleDeepMind/status/2016542480955535475

https://www.nature.com/nature/volumes/649/issues/8099

https://deepmind.google/blog/alphagenome-ai-for-better-understanding-the-genome/

https://x.com/DrDominicNg/status/2016626988031889836?s=20