2026年9月8日，Google DeepMind 在官网 Science 栏目发布题为《AlphaGenome Atlas: A predictive map of every possible DNA letter change in the human genome》的博文。**事实（按其所述）：**实验室发布 AlphaGenome Atlas——约 90 亿个单核苷酸变异（被表述为人类基因组中每一种可能的单字母改变）的分子效应预计算预测平台，并附带 AlphaGenome Variant Impact（AVI）评分、特征归因，以及超过 2,500 个反复出现的 DNA 序列基序目录。**同文还写明：**Atlas 约为 1 PB 数据集，“比 AlphaFold Database 大 30 倍以上”，学术研究可通过网站门户、AlphaGenome API 与 Google Antigravity 中的 skill 免费使用；Cloud 商业访问承诺“即将”开放。文末免责：Atlas 不能替代医疗建议，AlphaGenome 未经临床验证，亦未获批任何临床用途。
标题借用湿实验地图的隐喻，但交付物更接近分发层。Atlas 并未声称已对数十亿变异做实验测定；它在基因组尺度预计算 AlphaGenome（以及 AVI 所整合的 AlphaMissense）预测，并把排序、归因与浏览打包给没有私有推理栈的实验室。
[1]交付了什么：目录、评分、门户
去掉 atlas 隐喻，可见四件相互衔接的产物。
**事实——分子效应预测。**对每个变异，Atlas 存有“数千项分子效应预测”，覆盖基因调控多方面，并跨越“数百种人类与小鼠细胞类型与组织”。
**事实——AVI 评分。**每个变异一个数。DeepMind 称其把 AlphaGenome 的调控预测与 AlphaMissense 的蛋白改变影响分数合成为同一标尺，从而对编码区（约基因组 2%）与非编码区（约 98%）一并排序。“AVI 特征归因”标出染色质可及性、剪接、保守性等贡献类别。
事实——基序汇编。“超过 2,500 个反复出现的 DNA 序列”及其位置——可解释的基因组“词”。
**事实——访问面。**面向“无编程经验”用户的门户，外加 API 与 Antigravity skill；目前非商业，随后 Cloud 商业化。AlphaGenome 基座模型仍可分别经 GitHub 与 API 供学术使用，并在 Cloud Model Garden 提供商业使用。
这些都不是新的实验基因组图谱，而是模型输出的索引库外加排序层——正是 DeepMind 明确援引的 AlphaFold Database 先例所属的产品类别。
[1]为何“分发基础设施”是可证伪的主线
DeepMind 自身的表述已完成大半论证。博文将 Atlas 比作 2022 年 AlphaFold Database 扩展——从约 19 万个实验结构到逾 2 亿个预测——并称目标再次是可及性。文中称 Atlas 是“基线而非终点”，将随 AlphaGenome 改进而更新。
**推断（标明）：**战略目标并非关于某一疾病基因的一次性发现，而是占据变异分子效应的默认查询层——恰如 AlphaFold 占据蛋白质形状的默认查询层——在任何人拿起移液器之前，降低提问“这个字母改变可能做什么”的成本。
这一读法可证伪。若独立团队无法在普通学术流程中获得可用的门户或 API，可及性主张失败。若 AVI 的“best-in-class”排序无法在独立、非合作者的罕见病与致病性基准上成立，排序主张失败。若高 AVI 变异在实验可确认效应上的富集不优于既有评分，则“加速验证”说辞失败。主线并不要求 Atlas 无用；它要求按基础设施来评判，性能须在发布叙事之外被测量。
[1]页上的证据：包装扎实，验证仍属合作者尺度
**作为公司披露偏强的部分：**具名规模（约 90 亿 SNV；约 1 PB；大于 AlphaFold DB 30 倍以上）；多资源设计（效应 + AVI + 归因 + 基序）；编码/非编码范围；具名合作者（University of Exeter、Broad Institute、Boston Children’s Hospital、Stowers Institute、Harvard、Memorial Sloan Kettering、Mass General 的 Center for Genomic Medicine、University of Kansas Medical Center 等）；以及临床非用途免责。
所报告的合作者结果（DeepMind 转述，非独立审计）：
- 与 GREGoR 合作，Laura Covill 与 Anne O’Donnell-Luria（Broad）用 AVI 处理未解罕见病；文称发现此前被忽略、影响 DNM1、与癫痫性脑病相关的变异，预测产生错误剪接位点与蛋白异常延长，且“实验筛选”验证了该预测及附近类似变异。
- Gareth Hawkes（Exeter 大学 MRC fellow）将 Atlas 用于逾 54,000 名 UK Biobank 参与者全基因组数据；DeepMind 报告按预测效应分组稀有变异后，非编码关联增加 22%——包括与 PLA2G7、EGLN1 相关的调控信号——并在体重指数分析中聚焦影响最大的 1% 非编码变异时识别出 19 个基因组区域。
- Julia Zeitlinger 与 Melanie Weilert（Stowers）用基序区分仅改变 DNA 可及性的转录因子与还能开关基因的转录因子。
仍然偏薄的部分：“在诸多变异致病性与罕见病基准上 best-in-class”是公司主张，本篇未给出完整外部方法论文、基线表或独立复现。疾病与生物库 vignette 是真实方向，但作为受信合作者结果嵌在发布稿中。算力成本、更新节奏、低 AVI 假阴性，以及组装或人群局限，文中未详述。
[1]钢人反驳
**钢人：**按 DeepMind 所请理解 Atlas——AlphaFold Database 式公共品。预计算每个 SNV 的分子效应，去掉残酷瓶颈：多数实验室无法自行跑全基因组 AlphaGenome 推理，罕见病分析又淹没在候选列表里。AVI 在编码与非编码空间共用单一评分，正是许多临床遗传学流程所缺。合作者案例是早期用户证明：门户能对接真实队列（GREGoR、UK Biobank），且部分预测经受了实验筛选。要求一张 90 亿变异的湿实验地图是范畴错误——模型的工作是给下一步湿实验排序——而对“分发”的怀疑，可能滑向怀念只有 GPU 充裕实验室才问得起那个问题的世界。
钢人值得认真对待。它并不取消责任：在外部复跑排序之前，须把公司基准措辞与合作者 vignette 放在不同证据层级。
[1]未来六个月看什么
看四个信号，而不是“atlas”这个词。第一：致谢名单之外的独立罕见病与统计遗传学团队，是否用开放代码发表 AVI 与既有评分的头对头比较？第二：学术门户与 API 是否保持免费、稳定、文档充分，使非编码用户真正采用——抑或批量使用只迁向付费 Cloud 层？第三：当 AlphaGenome 更新时，Atlas 版本管理是否标明论文用的是哪一代预测？第四：期刊与联盟是否开始像许多已期望 AlphaFold 图那样期望 Atlas/AVI 查询？
若这些检验成立，DeepMind 交付的将是变异分子假说的默认参考层。若不成立，Atlas 仍是一座巨大的预测仓库，其发布故事跑在了独立验证前面。无论哪种结局，要评价的是仓库与排序票——而不是一张被重新测定的基因组。
[1]