AlphaGenome Atlas: DeepMind нанес на карту все 9 млрд мутаций ДНК

Проект "Геном человека" завершился в 2003 году и дал нам полную последовательность ДНК. Потом двадцать лет биологи работали с этой книгой, не умея ее читать. Пусмит Кохли, вице-президент по науке в Google DeepMind, именно так и сформулировал проблему на пресс-брифинге 8 сентября: "Мы купили книгу, но не поняли, как ее читать". AlphaGenome Atlas - попытка наконец разобрать текст по буквам.

Что такое AlphaGenome Atlas и зачем он нужен

Геном человека содержит около 3 миллиардов пар оснований - букв ДНК. Каждая буква может мутировать в одну из трех оставшихся, что дает ровно 9 миллиардов возможных точечных замен. До сегодняшнего дня изучить последствия каждой такой замены было физически невозможно: лабораторные эксперименты слишком медленны, а запускать ИИ-модель поочередно для каждого варианта не хватило бы нескольких человеческих жизней.

DeepMind взяла собственную модель AlphaGenome, выпущенную в июне 2025 года, прогнала ее заранее через все 9 миллиардов комбинаций и сложила результаты в единую базу. Теперь исследователь открывает браузер, вводит позицию в геноме - и получает готовый ответ. Никакого кода, никакого ожидания вычислений.

Важная деталь: 98% генома не кодирует белки напрямую. Это регуляторные участки, которые управляют тем, когда и где гены включаются. Их роль в болезнях долго оставалась темной зоной - именно туда Atlas светит ярче всего.

Что внутри: петабайт предсказаний

Объем базы - 1 петабайт. Для сравнения: база структур белков AlphaFold занимает примерно в 30 раз меньше. Каждый из 9 миллиардов вариантов связан в среднем с ~27 000 отдельными предсказаниями - о том, как мутация влияет на экспрессию генов, на укладку хроматина, на транскрипцию в сотнях типов клеток и тканей человека и мыши.

Помимо точечных замен, база охватывает более 100 миллионов коротких вставок и делеций, зафиксированных в популяционных реестрах - британском UK Biobank и американском All of Us от NIH.

Чтобы не топить исследователей в этом океане цифр, команда Жиги Авсеца разработала единую метрику - AVI (AlphaGenome Variant Impact). Это одно число, которое суммирует вероятную вредоносность варианта. AVI объединяет предсказания AlphaGenome для некодирующих участков с предсказаниями AlphaMissense 2023 года для кодирующих - то есть дает единую оценку вне зависимости от того, в какой части генома находится мутация.

Первые клинические результаты

Это не просто красивая база данных без практики. Команда из Broad Institute (Кембридж, Массачусетс) уже использовала AVI-оценку, чтобы выявить причинный сплайсинговый вариант в гене DNM1 - и закрыть ранее нераскрытый случай тяжелой эпилепсии.

Генетик Джонатан Себат из UC San Diego, работающий с психиатрическими заболеваниями, описал изменение в рабочем процессе прямо: "Нам больше не нужно ничего вычислять самим. Мы буквально просто смотрим все в базе". Врач Гарет Хокс проанализировал данные более 54 000 участников UK Biobank и нашел на 22% больше некодирующих ассоциаций, чем давали прежние методы, плюс 19 геномных регионов, связанных с индексом массы тела.

Среди болезней, где исследователи видят потенциал: редкие моногенные заболевания, спинальная мышечная атрофия, муковисцидоз в вариантах, связанных со сплайсингом, болезнь Тея-Сакса, серповидноклеточная анемия, ряд онкологических и психиатрических состояний.

Сравнение с AlphaFold: похожая стратегия, другой масштаб сложности

DeepMind сознательно строит нарратив по образцу AlphaFold: предвычисленная база, открытый доступ, смещение фокуса всего сообщества. AlphaFold сработал - его базой воспользовались миллионы пользователей, а сам проект получил Нобелевскую премию.

Но биоинформатик Мартин Кирхер из Центра Макса Дельбрюка в Берлине честно оговаривается: Atlas не заменит эксперименты. Предсказание регуляции генов принципиально сложнее, чем предсказание структуры белка, и точность здесь ниже. Сам Atlas примерно в 30 раз крупнее базы AlphaFold по объему - но это не значит, что он в 30 раз точнее. Скорее наоборот: задача труднее, неопределенность выше.

Тем не менее Маfalda Диаш и Джонатан Фрейзер из Centre for Genomic Regulation в Барселоне формулируют суть точно: прежде применять AlphaGenome ко всему геному было вычислительно недоступно для большинства лабораторий. Atlas снимает этот барьер.

Доступ: кому и как

С 8 сентября 2026 года Atlas открыт бесплатно для некоммерческого использования через веб-портал DeepMind. Также он доступен как инструмент в агентной платформе Antigravity и через API AlphaGenome. До выхода Atlas через API к модели обращались около 9000 исследователей - но это требовало написания кода, что отсекало часть биологов без программистского бэкграунда.

Коммерческий доступ DeepMind обещает "скоро" через Google Cloud по лицензионному соглашению. Дочерняя компания Isomorphic Labs, занимающаяся разработкой лекарств с помощью ИИ, также получит доступ - но тоже по коммерческой лицензии. Конкретных условий пока нет.

Для российских исследователей ситуация стандартная: веб-портал технически доступен, но потребуется проверить работу через VPN - сервисы Google периодически блокируются на уровне провайдеров. Академическим группам, работающим с геномными данными, имеет смысл протестировать доступ через институциональные сети.

Преprint с описанием методологии опубликован на bioRxiv.

Что это меняет на практике

Я бы не стал называть Atlas революцией - это слово в геномике уже затерто. Но это серьезный сдвиг в инфраструктуре науки. Разница между "нужно запустить вычисление" и "можно просто посмотреть" - это разница между неделями работы и минутами. Для клинической диагностики редких болезней, где время критично, это ощутимо.

Следующий вопрос - насколько хорошо AVI-оценка работает на реальных клинических когортах в масштабе, а не на отдельных случаях. Это покажет практика ближайших месяцев.

Информация подтверждена несколькими независимыми публикациями, вышедшими одновременно с релизом базы.