來源Ars Technica AI•最新收集於 6h
Google AI 評估基因組每一種單鹼基變化
#genomics#variant-effect#biomedical-aigoogle-ai-genome-systemgooglegenomesingle-base-variants
💡基因組規模的 AI 系統，可能協助優先找出值得昂貴生物驗證的突變。
⚡ 30 秒速覽
有什麼變化
該系統評估人類基因組中可能出現的單鹼基變化。
為什麼重要
系統化評估變異有助於研究人員優先研究可能重要的突變。這可能支援基因組學研究與生醫發現，但仍需要實驗驗證。
下一步行動
檢查 Google 發布的評估資料，並以既有基因組基準驗證其最高信心度的變異預測。
誰應關注：Researchers & Academics
關鍵要點
- •該系統評估人類基因組中可能出現的單鹼基變化。
- •預期大多數單鹼基變化幾乎沒有影響或影響有限。
- •少數變化可能帶來重大的生物學後果。
🧠 深度解析
背景與延伸：來自公開資料，非原文內容。引用 13 個來源。
🔑 增強重點摘要
- •Google DeepMind 推出的「AlphaGenome Atlas」預先計算並繪製了約 90 億個單核苷酸變異的分子影響預測，涵蓋人類基因組中約 30 億個位點的所有三種可能鹼基替換。
- •該資料集總容量達到約 1 PB，規模是 DeepMind 於 2022 年發布的 AlphaFold Database 的 30 倍以上。
- •該系統重點解碼佔人類基因組 98% 的非編碼「暗物質」區域，可精準預測其對染色質可及性、基因表現量及 RNA 剪接的影響。
- •DeepMind 提出了「AlphaGenome 變異影響（AVI）評分」，融合非編碼調控預測與 AlphaMissense 的蛋白質致病性預測，形成統一評估指標。
- •在英國生物樣本庫（UK Biobank）超過 54,000 名參與者數據的實證測試中，該圖譜成功多找出 22% 的非編碼遺傳關聯，並協助鎖定 19 個與身體質量指數（BMI）等表徵相關的基因區域。
🛠️ 技術深入
- 架構模型：基於 DeepMind 研發的 AlphaGenome 序列至功能（sequence-to-function）架構，採用 Transformer 與 U-Net 混合模型。
- 超長上下文窗口：支援同時處理長達 100 萬個鹼基對（1 Mb）的長序列上下文視窗。
- 多模態預測：能同時跨 11 種功能模態進行分析，包括染色質可及性（Chromatin accessibility）、基因表現量（Gene expression）以及 RNA 剪接（RNA splicing）變化。
- 指標整合機制：整合先前 AlphaMissense 對蛋白質編碼區的致病性預測輸出與 AlphaGenome 對調控區的預測，生成統一的 AVI（AlphaGenome Variant Impact）評分。
- 資料規模與基礎：預先計算資料集達 1 PB，研究技術承襲自早期的 BPNet 等序列模型，並與 Stowers 醫學研究所等機構共同研發。
🔮 前景展望基於引用來源的 AI 分析
罕見疾病診斷率將顯著提升
透過 AVI 評分精確識別如 DNM1 基因之深層隱蔽剪接位點等非編碼突變，將有效破解臨床上長年未解的遺傳疾病病因。
基因組瀏覽器生態將原生內嵌全基因組突變預測
隨著 EMBL-EBI 計劃將預測結果整合至 Ensembl，全球生物醫學研究人員將能在日常基因註釋工具中直接獲取每個鹼基的預測影響。
⏳ 時間線
2022-07
Google DeepMind 發布涵蓋幾乎所有已知蛋白質的 AlphaFold Database
2023-09
DeepMind 推出 AlphaMissense 模型，預測蛋白質編碼區的錯義突變影響
2026-09
Google DeepMind 正式推出 AlphaGenome Atlas，評估人類基因組 90 億種單鹼基變化
📎 來源 (13)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Ars Technica AI ↗
每週電子報
每週一封，可隨時退訂。