How genome mapping can help researchers better understand disease

TL;DR · AI 摘要
How Google’s AlphaGenome and AlphaGenome Atlas work How genome mapping can help researchers better understand disease No...
核心要点
- 主题聚焦:How genome mapping can help researchers better u
- 来源:The Keyword (blog.google),建议结合原文判断细节。
- AI 分析暂不可用,本条为保底评分与摘要。
Google的AlphaGenome和AlphaGenome Atlas的工作原理
基因组映射如何帮助研究人员更好地理解疾病
2026年11月17日
|
分享 下拉菜单
- x.com
- 邮件
- 复制链接
在我们最新一期的《科学家问答》系列中,Google DeepMind的研究科学家解释了AlphaGenome和AlphaGenome Atlas工具的潜力。
Lindsey Lanquist
贡献者
分享
示例性说明
Safari浏览器的变通方法:当通过<use>引用外部SVG精灵中定义的线性渐变时,Safari无法解析。在此处内联它们可使它们在页面的DOM中可用。
您的浏览器不支持音频元素。
收听文章
[[duration]] 分钟
此内容由Google AI生成。生成式AI是实验性功能
语音
速度
0.75X
1X
1.5X
2X
文章正文
你的基因组是你身体的说明书:决定身体如何运作的蓝图。它包含30亿个碱基对的DNA。由于这些DNA部分负责开启和关闭基因,这可能是患病与避免患病之间的关键差异。确定哪些DNA变化会导致疾病(及其他结果)就像在 haystack 中寻找针尖。
示例性说明:你的基因组,逐点说明。
解码DNA序列是Google DeepMind的AlphaGenome模型的目标。AlphaGenome可以输入长度为100万碱基对的DNA部分序列,并生成数千个预测。通过比较这些DNA变化的预测结果,科学家可以更快找到那根针。
我们与Google DeepMind的研究科学家Žiga Avsec进行了交流,以了解更多信息。
你在Google的工作内容是什么?
ŽA:我是负责我们基因组学计划的研究科学家。基本上,我领导一个团队构建模型,帮助我们更好地理解基因组。
你们团队如何帮助科学家更轻松地预测和理解疾病?
这都归结于基因组的工作原理。它包含30亿个DNA碱基对。每个碱基对包含两个碱基,我们称之为“字母”。这些字母——A(腺嘌呤)、T(胸腺嘧啶)、C(胞嘧啶)、G(鸟嘌呤)——就像生物字母表,拼写出构成一个人的遗传说明书。
由于你可以将这些字母中的任何一个替换为其他三个字母,因此存在90亿种可能的单字母变化。许多遗传疾病仅由其中一个字母的变化引起。但科学家没有时间进行数十亿次研究来确定哪些变化会产生影响。
因此,我们使用AlphaGenome预测了所有90亿个单字母变化的结果,并创建了一个庞大的数据集——AlphaGenome Atlas——使科学家能够更快决定研究方向。
示例性说明:此处的字母为示例而发明。
是什么阻碍了科学家更好地理解基因组?
虽然科学可以读取人类DNA中全部30亿个碱基对,但我们仍未完全破译遗传密码的语义——特别是调控基因表达和疾病风险的非编码“暗物质”。实验研究,也称为湿实验室研究,是我们突破理解的最佳方式,但成本高且耗时。单次突破可能需要数年时间。
让我们假设你从患有罕见疾病的患者身上测序DNA。你可能会得到400万个变异——400万种他们的DNA与标准参考人类基因组不同的方式。但问题是:哪个变异导致了他们的病情?也许你可以缩小列表,只包括罕见变异。但即使这样,你仍可能剩下数百甚至数千个选项。
当科学家使用AlphaGenome Atlas时,他们会得到一个单一且易于阅读的评分——AVI(AlphaGenome Variant Impact)评分——该评分可以立即表明某个变异在整个基因组中的潜在影响。这帮助他们优先考虑并更容易找到需要跟进的最具破坏性的变化。
示例说明。每个点代表许多变异。评分是虚构的。
你能举一些AlphaGenome如何影响普通人的例子吗?
像AlphaGenome这样的工具使我们从仅仅阅读DNA转变为帮助我们更好地理解疾病背后的分子机制,为研究人员提供新的研究线索,并朝着未来某天数字模拟完整人类细胞迈出重要一步。
它将通过多种方式产生影响。它可以加速研究,帮助社会提高对罕见或先前未被表征的遗传疾病患者的诊断和个性化治疗能力。它还可以通过帮助制药研究人员更快地识别和验证高概率的治疗靶点,加快药物发现流程。除了医疗领域,AlphaGenome的模型架构还可以帮助研究人员应对更广泛的社会挑战,包括培育气候适应性作物。
示例说明。AlphaGenome可能帮助的几种方式。
AlphaGenome使哪些突破成为可能?
AlphaGenome还很新。我们于2025年6月推出了它,并于今年9月推出了AlphaGenome Atlas。但研究人员已经开始使用它来推动科学进步。
埃克塞特大学的医学研究委员会研究员加雷斯·霍克斯(Gareth Hawkes)使用AlphaGenome Atlas缩小了包含10亿个遗传变异的列表。通过专注于最具影响力的1%,他确定了19个与体重指数相关的变异组,作为其研究的优先事项。
此外,布罗德研究所的研究员劳拉·科维尔(Laura Covill)使用AVI评分在其对未解罕见疾病的研中优先考虑遗传变异。AlphaGenome Atlas在与神经发育障碍相关的基因中识别出一个关键变异,为他们的后续研究提供了关键证据,包括解决该病例。
你们下一步的计划是什么?
我们刚刚推出了最新模型AlphaGenome 2,它解决了AlphaGenome的一个关键限制:细胞类型特异性。虽然AlphaGenome目前处于行业领先水平,但其训练数据主要来自整个组织或细胞系。我们知道这些组织中的单个细胞类型具有非常特定的功能,并可能在疾病中发生故障。AlphaGenome 2超越组织层面的平均值,预测遗传变异如何破坏这些单个细胞类型,帮助研究人员确定疾病的关键细胞驱动因素。
我们也在积极研究更准确衡量模型预测置信度的方法,使研究人员了解应如何信任每个结果。从早期分析来看,预测效果强烈的变异表现相当出色,准确率很高。一如既往,使用AlphaGenome的任何人应结合其他信息来源来解释其预测结果。
您在生物学领域工作的最终目标是什么?
短期内,我们希望通过人工智能更深入地理解基因组的语法规则,并准确预测突变的影响。从长远来看,我们希望在此基础上构建一个完整的人体细胞数字模拟系统。
这将使研究人员能够通过计算建模揭示疾病机制、理解罕见遗传疾病,并测试候选疗法。
Posted in: https://example.com