Google DeepMind 发布 AlphaGenome Atlas：用 AlphaGenome 模型预先算好人类参考基因组里每一个可能的单字母变化——全部 90 亿种——的分子影响，做成一个可检索的公开资源。官方称这是同类中最完整的目录。
| 项目 | 内容 |
|---|---|
| 数据规模 | 1 PB（含 90 亿+ 单核苷酸变异的预测） |
| 核心新特性 | AVI 评分（AlphaGenome Variant Impact）——一个数字，一眼看出变异可能有没有意义 |
| 用法 | 在线检索，不用写代码、不用自己跑模型 |
| 模型底座 | AlphaGenome：同时预测 5,930 条人类基因组轨道，覆盖 11 种模态（基因表达/剪接/染色质状态/接触图谱等），基于 100 万碱基对序列 |
Stowers Institute 的 Julia Zeitlinger 团队用 Atlas 识别基因调控的更大模式，开始定义 DNA "调控语言"的一般规则；Broad Institute、University of Exeter 等机构的研究者已在用它在疾病相关 DNA 变异里做筛选。原话是——"这给了我们一本可检索的非编码 DNA 字典"。
Atlas 的价值在于：原本要跨上千个位点、多种细胞类型做实验，耗时耗力；现在一个可检索的资源就能让团队先过滤可能性、排优先级，再拿实验去验证。
追光点评：这是"AI for Science"又一个实打实的落地——不是发篇论文就完，而是把全部 90 亿种可能性一次性算好、做成能查的库。这个"预先算好所有可能"的思路，和我们做 Agent 基建时"把可枚举的判断提前算成查表"是同一套逻辑。
更值得注意的是它的门槛：从"要会写代码、会跑大模型"降到"在线查一个数"。工具越往下沉，能参与的人就越多——这才是 AI 加速科研的真正杠杆。