2025 年 6 月 25 日，谷歌旗下 AI 公司 DeepMind 发布了一款名为 AlphaGenome 的人工智能工具，旨在破解人类基因组中近 98% 被称为“非编码序列”或“基因暗物质”的功能密码。尽管该系统仍处于早期阶段，但它代表了基因组学与 AI 融合的重大里程碑。
一、项目背景：破解非编码 DNA 的千亿级挑战
完成“人类基因组计划”至今已有近 25 年，虽然我们已知道编码蛋白质的 DNA 只占 2%，但是其余 98% 的功能依旧未明。这些非编码序列对调控基因表达、染色体结构和遗传疾病的影响至关重要，但目前研究仍存在巨大困难。
二、AlphaGenome 的技术亮点
- 超长序列处理能力
- 模型可一次性处理多达 1 百万碱基对（bp） 的 DNA 序列，极大提升上下文感知能力，比现有工具提升数十倍 。
- 多模态生物预测输出
- AlphaGenome 能同时预测包括 RNA 表达水平、剪接位点、染色质可及性、蛋白质结合与三维基因组结构等多项生物特性，成为集成型“全视野”工具。
- 精确评估单核苷酸变异（SNV）
- 模型在已知白血病相关非编码突变测试中，准确预测其调控作用，验证其在疾病研究中的潜力。
- 高效轻量
- 虽然模型参数仅约 4.5 亿，训练仅用时约 4 小时，性能却超过前代模型（如 Enformer），显示出极高的训练效率与实用性。
三、应用前景：从基因调控到个性化医疗
- 精准医学：可用于筛选疾病相关突变，推动针对癌症、神经退行性疾病等复杂疾病的基因研究；
- 实验设计加速：研究人员可通过 AlphaGenome 快速生成假设并设计验证实验；
- 药物开发辅助：辅助发现新靶点、优化基因编辑策略；
- 公共科研开源倡议：DeepMind 已向非商业研究开放 API，推动全球科研共享。
四、审慎态度：不是“万能解释器”
尽管 AlphaGenome 在科研界引发高度关注，但其也面临限制：
- 预测性强但不可替代实验验证：模型目前只能生成候选解释，仍需实验确认其生物学意义；
- 生物背景局限性：现阶段主要覆盖人类和部分模式生物，尚未适用于所有物种或复杂生态背景；
- 商业与伦理挑战：尽管提供科研 API，未来若用于临床或商业用途，相关法律、隐私和伦理监管亟待完善。
五、专家评价与未来拓展
- 史丹福大学计算基因组学家 Anshul Kundaje 评价称：“这是现有所有序列‑功能模型的真实跃进”；
- DeepMind AI 科学主管 Pushmeet Kohli 在发布会上表示：“这是生物学乃至科学研究上一个重大突破”；
- 有媒体同时强调其“学术突破性”与“尚未完备”的现实限制，主张以更严谨态度推进应用调查 。
总结
AlphaGenome 是 DeepMind 在基因组学领域的又一雄心之作，代表了 AI 对“暗物质”非编码 DNA 解码的新里程碑。其精确预测与多附加功能输出展示出巨大科研潜力，但拼凑真正临床价值仍草创且需结合实验验证。未来，随着模型开源、算法优化和伦理规范同步推进，AlphaGenome 有望为疾病诊断、治疗靶点发现以及生命科学研究提供更坚实的智能支撑。
消息来源：
1、《Nature》：DeepMind’s new AlphaGenome AI tackles the ‘dark matter’ in our DNA（Nature, 25 Jun 2025）
2、《STAT》：Google’s AI research company DeepMind launches genetics prediction tool（STAT, 25 Jun 2025）
3、《Decrypt》：Google’s AlphaGenome AI Makes DNA Readable—And It’s on GitHub（Decrypt, 25 Jun 2025）