Google DeepMind представила AlphaGenome Atlas — вычислительный атлас, содержащий прогнозы молекулярных последствий примерно 9 миллиардов возможных однонуклеотидных изменений в геноме человека. Ресурс объёмом около одного петабайта предназначен прежде всего для исследователей: он позволяет искать потенциально значимые генетические варианты и оценивать, какие клеточные процессы они могут нарушать. Однако это не диагностический инструмент, а основанный на искусственном интеллекте способ расставить приоритеты для дальнейшей экспериментальной проверки.
Человеческий геном содержит около 3 миллиардов нуклеотидов — условных «букв» дезоксирибонуклеиновой кислоты (ДНК). В каждой позиции один нуклеотид теоретически можно заменить на любой из трёх остальных, что и даёт около 9 миллиардов возможных однонуклеотидных вариантов. Проверить каждый из них лабораторными методами практически невозможно.
От модели AlphaGenome к атласу всего генома
В основе нового ресурса лежит AlphaGenome — модель искусственного интеллекта, разработанная Google DeepMind для прогнозирования того, как последовательность ДНК и изменения в ней могут влиять на регуляцию генов.
В январе 2026 года результаты разработки AlphaGenome были опубликованы в Nature. Модель принимает последовательность длиной до 1 миллиона пар нуклеотидов и прогнозирует различные молекулярные характеристики, включая экспрессию генов, начало транскрипции, доступность хроматина, связывание факторов транскрипции и сплайсинг рибонуклеиновой кислоты (РНК). Сплайсинг — это процесс обработки молекулы РНК, при котором из неё удаляются одни участки и соединяются другие перед образованием зрелой матричной РНК.
AlphaGenome Atlas переносит этот подход на масштаб практически всех возможных однонуклеотидных замен. Вместо того чтобы исследователь каждый раз запускал модель для отдельного варианта, значительная часть прогнозов была рассчитана заранее и собрана в единой базе.
По данным разработчиков, объём Atlas составляет около 1 петабайта. Для каждого варианта ресурс содержит множество прогнозов его возможного влияния на молекулярные процессы в различных типах клеток и тканей.
Новый показатель помогает ранжировать варианты
Чтобы упростить работу с огромным количеством данных, разработчики создали показатель AlphaGenome Variant Impact (AVI) — интегральную оценку предполагаемого воздействия генетического варианта.
AVI объединяет информацию от AlphaGenome и AlphaMissense — другой модели Google DeepMind, предназначенной для оценки последствий аминокислотных замен в белках. Для интерпретации оценки также используются характеристики, связанные, например, с эволюционной консервативностью последовательности.
Важно, что высокий AVI не означает определённую вероятность развития заболевания. Он показывает, что вариант, согласно вычислительным моделям, потенциально способен сильнее повлиять на молекулярные процессы. Связь такого изменения с конкретным заболеванием, тяжестью симптомов или прогнозом пациента требует дополнительных генетических, клинических и экспериментальных данных.
Одно из преимуществ подхода состоит в возможности одновременно анализировать кодирующие и некодирующие участки генома. Кодирующая часть, непосредственно содержащая информацию для синтеза белков, занимает лишь небольшую долю человеческого генома. Значительная часть вариантов, связанных с признаками и заболеваниями, находится вне этих областей, где их функциональные последствия обычно сложнее интерпретировать.
Атлас помог выделить вариант при редком заболевании
Исследователи из Института Броуда (Broad Institute) проверили, может ли AVI облегчить поиск вариантов при неустановленной генетической причине редкого заболевания.
Система позволила обратить внимание на ранее пропущенный некодирующий вариант, затрагивающий DNM1 — ген, нарушения которого связаны с тяжёлыми формами эпилептической энцефалопатии.
Модель предсказала, что изменение создаёт неправильный сайт сплайсинга — участок, который клеточный аппарат ошибочно может использовать при обработке РНК. Это должно было привести к образованию аномального продукта гена. Последующие экспериментальные исследования подтвердили предполагаемый молекулярный эффект и выявили близлежащие изменения с похожим действием.
Этот пример демонстрирует потенциальную пользу Atlas для отбора кандидатов из большого числа генетических вариантов, но не означает, что искусственный интеллект самостоятельно устанавливает генетический диагноз.
Анализ данных более 54 тысяч человек выявил дополнительные сигналы
Другую проверку провели исследователи Эксетерского университета (University of Exeter), применив AlphaGenome Atlas к данным полногеномного секвенирования более чем 54 000 участников UK Biobank.
Одной из проблем при поиске редких некодирующих вариантов является статистический «шум»: большинство встречающихся изменений не оказывают выраженного функционального воздействия, поэтому потенциально значимые варианты трудно отличить от огромного количества нейтральных.
Когда исследователи группировали редкие варианты с учётом прогнозируемых AlphaGenome молекулярных эффектов, им удалось обнаружить на 22% больше ассоциаций между некодирующими вариантами и уровнями белков, чем без такого предварительного отбора.
В отдельном анализе индекса массы тела исследователи сосредоточились на 1% некодирующих вариантов, которым модель приписывала наиболее выраженное потенциальное действие. Такой подход позволил выделить 19 геномных областей для дальнейшего изучения.
Речь при этом идёт об ассоциациях в геномных данных, а не о доказанной причинной роли каждого обнаруженного варианта.
Учёные составили «словарь» регуляторных последовательностей ДНК
В разработке и проверке Atlas участвовала группа Института медицинских исследований Стоуэрса (Stowers Institute for Medical Research) под руководством Джулии Цайтлингер (Julia Zeitlinger). Одним из ведущих авторов проекта со стороны института стала специалист по биоинформатике Мелани Вайлерт (Melanie Weilert).
Исследователей интересовали мотивы ДНК — короткие повторяющиеся последовательности, которые могут выполнять функции регуляторных инструкций. В частности, в таких участках связываются факторы транскрипции — белки, способные изменять активность генов.
AlphaGenome Atlas содержит более 2500 повторяющихся мотивов и информацию об их расположении. Команда Джулии Цайтлингер использовала прогнозы модели, чтобы сравнивать функции этих последовательностей в различных клеточных контекстах.
Исследователи, в частности, разделяли факторы транскрипции по предполагаемому действию: одни преимущественно изменяют доступность ДНК для других молекул, тогда как другие могут дополнительно усиливать или подавлять активность генов.
Такой анализ помогает исследовать своеобразную «грамматику» некодирующей ДНК. При традиционном экспериментальном подходе проверка тысяч последовательностей во множестве клеточных типов потребовала бы значительно больше времени и ресурсов.
Искусственный интеллект не заменяет лабораторный эксперимент
Работу над AlphaGenome Atlas координировала команда Google DeepMind, среди руководителей которой — Жига Авсек (Žiga Avsec). Полученные результаты представлены в препринте, то есть научной работе, ещё не прошедшей стандартную процедуру рецензирования для публикации в журнале.
Это особенно важно учитывать при интерпретации результатов. Значительная часть содержимого Atlas — не экспериментальные измерения, а вычислительные прогнозы. Даже высокая точность модели в тестовых наборах не гарантирует правильного результата для каждого конкретного варианта.
Сами разработчики прямо указывают, что AlphaGenome не валидирован и не одобрен для клинического применения. Данные Atlas не должны использоваться вместо медицинской консультации, клинической генетической интерпретации или лабораторного подтверждения.
Есть и более фундаментальное ограничение: предсказать изменение экспрессии гена, доступности хроматина или сплайсинга — не то же самое, что предсказать заболевание. Между молекулярным эффектом варианта и состоянием человека находится множество уровней биологии — от особенностей конкретной ткани до взаимодействия с другими генами и факторами среды.
Для чего AlphaGenome Atlas может быть полезен
Наиболее реалистичное применение Atlas сейчас — ускорение фундаментальных и генетических исследований. Вместо последовательной проверки тысяч вариантов учёные могут сначала использовать модель для отбора наиболее вероятных функционально значимых кандидатов, а затем направлять лабораторные ресурсы на их проверку.
Подобный подход особенно перспективен для некодирующих вариантов, механизм действия которых нередко остаётся неясным даже после полногеномного секвенирования. Он также может помочь изучать регуляцию генов, искать молекулярные механизмы редких заболеваний и формировать гипотезы для дальнейших экспериментов.
Смежный подход к использованию вычислительных моделей для расшифровки регуляции генома МКБ-11 ранее описывал в материале о том, как искусственный интеллект научили предсказывать активность генов в клетках человека.
Литература
Cheng J. et al. AlphaGenome Atlas. Preprint. — 2026. — Official preprint PDF.
Avsec Ž., Latysheva N., Cheng J., et al. Advancing regulatory variant effect prediction with AlphaGenome // Nature. — 2026. — Vol. 649, No. 8099. — P. 1206–1218. — DOI: 10.1038/s41586-025-10014-0.
Google DeepMind. AlphaGenome Atlas: A predictive map of every possible DNA letter change in the human genome. — 8 September 2026. — Official publication.
Stowers Institute for Medical Research. Stowers Institute partners with Google DeepMind and leading research institutions to help reveal the regulatory language of the human genome. — 8 September 2026. — Official institution website.