谷歌 (GOOGL.US) DeepMind 旗下的 Alpha 家族近日再次寫下科學史的新篇章，其最新成員 AlphaGenome 正式亮相並榮登國際權威學術期刊《Nature》封面。這項研究代表著 AI 在生物醫學領域的應用，已從蛋白質結構預測，正式跨越到了更為宏大且神秘的人類全基因組圖譜。
AlphaGenome 的誕生，為人類理解基因調控、解讀非編碼區突變以及精準醫療的開發，提供了一套強大的導航系統，將 AI 的預測疆域拓展到了基因深處的微觀交互作用。
作為基因組預測領域的新一代巔峰之作（SOTA），AlphaGenome 的核心競爭力在於其「全能型」的預測能力。過去的基因預測模型往往只能專注於單一的生物過程，但 AlphaGenome 成功構建了一個統一的預測框架。
在單次推理過程中，它能同時對 11 種不同的基因調控過程進行綜合預測，範圍涵蓋了基因表現、轉錄因子結合、組蛋白修飾，甚至是複雜的染色質三維空間摺疊圖譜。這種多維度的綜合分析能力，使科學家能以更宏觀的視角捕捉生命現象背後的關聯，精準掌握細胞在不同環境下如何調控基因的開關。
在性能指標上，AlphaGenome 展現了壓倒性的優勢。在針對基因組軌跡預測的 24 項嚴格評估中，它取得了 22 項領先成績。
而在最能體現實際應用價值的「變異效應預測」任務中，AlphaGenome 與現有的知名模型如 Borzoi 和 Enformer 進行了多輪對決，並在絕大多數測試中脫穎而出。
這證明了該模型不僅能處理實驗室已知的數據，更能對從未見過的 DNA 片段及其未知的微小突變做出準確預測，這對於理解罕見病及個體化醫療具有關鍵意義。
AlphaGenome 的精準度在處理複雜的 RNA 剪接機制時得到了完美體現。人體細胞能從單一基因生成多種不同的蛋白質，關鍵就在於精細的剪接過程，而一旦過程出錯，往往會導致嚴重的疾病。
以動脈組織中的 DLG1 基因為例，AlphaGenome 準確捕捉到了 DNA 序列中僅僅四個鹼基缺失所引發的連鎖反應，成功預測了關鍵外顯子如何被錯誤跳過，並描繪出異常的剪接通路。這種對細胞動力學的完整模擬，讓研究人員得以從分子層面理解疾病的發病機理。
更令人振奮的突破發生在非編碼區（Non-coding DNA）的研究上。人類基因組中有超過 98% 的序列不直接編碼蛋白質，過去常被誤認為是「垃圾 DNA」，但現在已知這些區域蘊含著大量的調控密碼。
AlphaGenome 憑藉其強大的「長程預測」能力，能解析距離目標基因超過 10kb 的遠端增強子，解決了全基因組關聯分析（GWAS）中的核心難題。許多疾病相關的突變位點其實位於非編碼區，距離受影響的基因極其遙遠。
在測試中，AlphaGenome 成功為近半數的 GWAS 相關位點指明了調控方向，其解析率大幅超越傳統方法。
在白血病相關基因 TAL1 的案例研究中，AlphaGenome 的實戰表現令人驚嘆。它精準鎖定了一個距離基因轉錄起始點達 8000 個鹼基之遙的插入突變。模型分析顯示，這個突變在原本沉默的區域創造了一個新的結合位點，進而招募活性標記形成「新增強子」。
這個原本不存在的「開關」遠端強制活化了 TAL1 基因，最終導致免疫細胞失控增殖引發癌變。這不僅重現了致病的邏輯鏈，更為開發新型標靶藥物提供了明確的路徑。
這套強大系統背後的技術基石是卷積神經網絡（CNN）與 Transformer 的混合架構。為了處理基因序列特有的局部特徵與長程依賴，AlphaGenome 採用了基於 U-Net 的設計，利用卷積層提取局部訊息，並引入 Transformer 模組捕捉跨越百萬鹼基對的依賴關係。
在訓練過程中，DeepMind 利用了人類與小鼠的工業級規模數據集，並採用兩階段的「蒸餾策略」，將多個預訓練模型的智慧濃縮到單一模型中，並輔以嚴苛的數據增強技術，迫使模型掌握 DNA 序列背後的深層「語法規則」。
(美股為即時串流報價； OTC市場股票除外，資料延遲最少15分鐘。)新聞來源 (不包括新聞圖片): 鉅亨網