Google DeepMind udostępnia AlphaGenome Atlas z przewidywaniami dla 9 miliardów wariantów DNA

Google DeepMind opublikował 8 września 2026 roku AlphaGenome Atlas, bazę danych z gotowymi obliczeniami skutków dla każdej z 9 miliardów teoretycznie możliwych pojedynczych mutacji w ludzkim genomie. Zamiast uruchamiać kosztowne obliczenia we własnym laboratorium, naukowcy mogą teraz po prostu wyszukać interesujący ich fragment DNA w przeglądarce.

Co dokładnie udostępniono

AlphaGenome Atlas to nie surowe dane sekwencjonowania, tylko zbiór gotowych prognoz. Model AlphaGenome, który DeepMind pokazał po raz pierwszy w czerwcu 2025 roku, analizuje fragmenty DNA o długości do miliona par zasad i przewiduje, jak dana mutacja wpłynie na aktywność genów w danym miejscu. Atlas uruchomił ten model dla wszystkich możliwych wariantów z góry, więc naukowiec nie musi już czekać na własne obliczenia - wystarczy wyszukać interesującą pozycję w genomie.

Ludzki genom liczy około 3 miliardów par zasad, a każda pozycja może zostać zmieniona na jeden z trzech pozostałych nukleotydów, co daje właśnie 9 miliardów kombinacji. Tylko około 2 procent genomu koduje bezpośrednio białka - reszta to regiony regulacyjne, których wpływ na choroby był dotąd znacznie trudniejszy do oszacowania niż mutacje w genach kodujących białka.

Następca AlphaFold dla DNA

Pushmeet Kohli, wiceprezes ds. nauki w Google DeepMind, porównuje ambicje projektu do AlphaFold - narzędzia, które w 2021 roku udostępniło przewidywane struktury przestrzenne białek i radykalnie przyspieszyło badania biologiczne na całym świecie. AlphaGenome Atlas ma pełnić podobną rolę dla regulacji genów, choć - jak zauważa serwis IEEE Spectrum - baza jest około 30 razy większa od bazy AlphaFold, ale zarazem znacznie mniej dokładna, bo przewidywanie wpływu regulacji DNA jest zadaniem trudniejszym niż przewidywanie struktury białka.

To pierwszy raz, gdy dowolny badacz na świecie może uzyskać dostęp do kompleksowej mapy ludzkiego genomu i jego wariantów, po prostu otwierając przeglądarkę - Pushmeet Kohli, wiceprezes ds. nauki, Google DeepMind

Nowy wskaźnik AVI łączy przewidywania AlphaGenome dla regionów niekodujących z wcześniejszym modelem AlphaMissense z 2023 roku, który ocenia mutacje w genach kodujących białka. Dzięki temu badacz dostaje jedną, ujednoliconą ocenę potencjalnej szkodliwości wariantu niezależnie od tego, w jakiej części genomu się znajduje.

Pierwsze zastosowania kliniczne

Scientific American opisuje przypadek Laury Covill z Broad Institute, która przy pomocy wskaźnika AVI zidentyfikowała przyczynowy wariant splicingowy w genie DNM1, rozwiązując wcześniej nierozwiązany przypadek rzadkiej choroby genetycznej. Genetyk Jonathan Sebat z UC San Diego, który zajmuje się chorobami psychiatrycznymi, mówi, że narzędzie zmienia codzienną pracę laboratoryjną.

Nasze własne procesy w laboratorium można znacznie usprawnić, bo w zasadzie nie musimy już niczego obliczać. Dosłownie możemy po prostu wszystko sprawdzić - Jonathan Sebat, genetyk, UC San Diego

Wśród schorzeń, w których badacze widzą potencjał zastosowania Atlasu, wymieniane są rzadkie choroby monogenowe, rdzeniowy zanik mięśni, mukowiscydoza związana z zaburzeniami splicingu, choroba Taya-Sachsa, anemia sierpowata, a także niektóre nowotwory i schorzenia psychiatryczne. Lekarz Gareth Hawkes zastosował Atlas do analizy ponad 54 tysięcy uczestników brytyjskiego biobanku UK Biobank, znajdując o 22 procent więcej powiązań niekodujących niż wcześniej oraz 19 regionów genomu związanych z wskaźnikiem masy ciała.

Ograniczenia i dostęp

Genomik Carl de Boer z University of British Columbia, cytowany przez IEEE Spectrum, nazywa AlphaGenome wiodącym modelem w tej dziedzinie, ale zwraca uwagę, że sam model jest bardzo wolny i wymaga dużej mocy obliczeniowej - co czyni gotową bazę Atlas praktycznym rozwiązaniem dla większości laboratoriów, które nie dysponują infrastrukturą DeepMind. Żiga Avsec, szef zespołu genomiki w DeepMind, przyznaje, że samo zbudowanie Atlasu wymagało dużego nakładu inżynieryjnego.

Dostęp do Atlasu jest bezpłatny dla badań niekomercyjnych, co odróżnia go częściowo od w pełni otwartego modelu AlphaFold - firmy farmaceutyczne i inne podmioty komercyjne chcące korzystać z narzędzia muszą wykupić licencję. Oryginalny model AlphaGenome trenowano przez cztery godziny na układach TPU, przy około połowie budżetu obliczeniowego zużywanego przez wcześniejszy model Enformer, i według danych DeepMind przewyższa on modele konkurencji w większości z ponad dwudziestu testowanych benchmarków.

Dla polskich placówek badawczych i uczelni medycznych oznacza to możliwość analizy wariantów genetycznych bez konieczności posiadania własnej infrastruktury obliczeniowej klasy DeepMind - wystarczy przeglądarka i konkretna sekwencja DNA do sprawdzenia. To może przyspieszyć diagnostykę rzadkich chorób genetycznych, gdzie znalezienie przyczynowej mutacji wśród milionów kandydatów bywa dziś procesem trwającym miesiące.