DeepMind没有在9月8日发布一个新模型，而是把已有模型的算力提前用尽——AlphaGenome Atlas一次性预计算了人类基因组里约90亿个可能出现的单核苷酸变异的分子效应，数据总量约1PB，是它两年前发布的蛋白质结构库AlphaFold Database的30多倍。这套系统真正解决的问题，是把“查一个基因变异要不要紧”从实验室湿实验的天价成本，降到打开浏览器就能查的程度。代价是，它给出的仍是一份排序清单，不是一份诊断报告，这两件事经常被外界当成一件事看。
人类基因组约有30亿个碱基位点，每个位点理论上能替换成另外3种碱基，排列组合正好逼近90亿。Atlas收录的是这套理论组合的全部预测结果，不是从真实患者身上测到的90亿个变异。这个区分很关键：数据库覆盖面看着吓人，实际是把“可能性空间”填满了，不是把“已知致病变异”核实了一遍。
AVI评分怎么用：一个罕见病案例的份量
Atlas配套推出的AVI评分，把两个模型的判断压成一个数字：AlphaGenome负责基因表达、剪接这类调控效应，AlphaMissense负责判断蛋白质编码区变异的致病可能性。研究者不用再分别查两套结果，直接按AVI分数排序，就能从几千个候选变异里挑出最值得跟进的那几个。
这套逻辑在人类基因组98%的非编码区尤其有用——这部分不直接编码蛋白质，却掌管基因开关，也是大多数与性状相关变异的藏身之处，长期缺乏系统性的排序工具。
官方给出的最强证据来自Broad Institute与GREGoR Consortium的合作：研究者用AVI评分重新排序此前被忽略的候选变异，找到一个影响DNM1基因的变异，AlphaGenome的预测显示它制造了一个错误的剪接位点，导致蛋白质异常延长，这与癫痫性脑病密切相关。实验筛选验证了这个预测，也在附近找到了效应类似的变异。
这是一个扎实的个案，但只是个案——具体的基因组坐标、样本量、实验设计细节，官方叙事里并未完整披露，它证明了AVI能帮研究者少走弯路，不证明它可以规模化替代实验验证。
22/24和25/26：基准领先的边界在哪
Atlas底层的AlphaGenome模型已在《Nature》发表，官方引用的基准表现是：在24项基因组轨迹评估中的22项优于外部模型，在26项变异效应评估中的25项持平或优于外部模型，覆盖基因表达、剪接、染色质可及性、转录因子结合等模态。这些数字确实说明模型在预测任务上不弱。
基准分数领先，不代表临床证据成立
问题是，基准测试和临床可用之间隔着一整套证据链条。临床遗传学界判断一个变异是否致病，依赖的是ACMG/AMP分类标准、ClinGen证据框架、家系分离分析、群体频率数据这些相互独立的证据来源叠加验证，AVI高分目前只能算其中一个输入信号，不是结论本身。
同一篇《Nature》论文也承认了模型的已知短板：远距离调控效应处理有限，组织和发育阶段的特异性建模不完整，在个人基因组层面的验证样本有限，分子层面的预测也不能直接确立疾病因果关系。计算基因组学界对这类工具的普遍态度是承认前景、保留判断——尤其担心基准表现会因训练数据与测试集重叠而被高估，呼吁独立、跨人群的前瞻性复现。
- 风险.AVI高分只说明“值得研究”，不能替代ACMG/AMP等临床证据链条，罕见变异和患者特异性变异的预测校准仍是已知弱点。
谁现在该用，接下来看什么
对学术研究者，这是一个免费、无需编程门槛的排序工具，尤其对研究非编码变异和罕见病的团队，能省下大量盲目筛选的时间——University of Exeter的研究者用它分析超过5万名UK Biobank参与者的数据，找出更多此前埋在统计噪音里的非编码关联，这类工作场景是Atlas目前最实在的价值。
对临床医生和患者，AVI分数暂时进不了诊断流程，DeepMind自己也明确写过，AlphaGenome没有被验证或批准用于临床使用。
目前公开渠道里，还没看到独立于DeepMind的实验室发表过对AVI评分的外部前瞻性验证，这次发布基本还停留在官方博客给出的证据。接下来值得盯的是三件事：是否有第三方团队做跨人群复现、ClinVar这类临床数据库要不要开始纳入AVI作为参考证据、以及Google Cloud上的商业化访问条款何时落地——这些答案出来之前，“合作者已验证”更接近一句宣传，还不是行业共识。