人類基因組中的單一鹼基差異可能影響基因調控與疾病風險，但逐一透過實驗驗證成本高昂、速度緩慢。Google DeepMind 的 AlphaGenome 以 AI 預測 DNA 變異可能造成的分子效應，讓研究人員能更快篩選值得深入研究的變異，並為疾病機制與新療法研究提供線索。
Google DeepMind 正式推出 AlphaGenome Atlas，預先收錄約 90 億個人類單核苷酸變異的分子效應預測與 AVI 評分。這批由 AlphaGenome 模型推論產生的資料容量達 1 PB，目前已透過學術入口網站及 API 開放查詢，研究人員可直接檢索變異結果，毋須逐筆重新執行模型。
全部報導
2 篇原始報導馬克翻舊帳
這個事件的歷史脈絡DeepMind 解散 AlphaFold 團隊轉向廣泛科學 AI
Google DeepMind 的 AlphaFold 以胺基酸序列預測蛋白質三維結構，2020 年破解延續約 50 年的蛋白質摺疊難題，資料庫已涵蓋逾 2 億種蛋白質並供逾 300 萬名研究人員使用。Demis Hassabis 與 John Jumper 因此獲頒 2024 年諾貝爾化學獎，使團隊成為 AI 推動科學突破的代表。
7 月 29 日的報導指出，Google DeepMind 已不再保留專責 AlphaFold 團隊，多數研究員轉往 Gemini、AI 程式設計、基因體學、酵素設計、核融合及 Isomorphic Labs 等計畫。Jumper、Jonas Adler 與 Alexander Pritzel 已轉投 Anthropic，原始 AlphaFold 論文作者近四分之一離開公司；Google 表示，策略已由逐一攻克科學難題，轉向打造可廣泛加速研究的 Gemini 系統。
訂閱馬克雷達週報
每週五，本週最強訊號送進收件匣。隨時一鍵退訂。