Google DeepMind ra mắt AlphaGenome Atlas: Bản đồ dự đoán biến thể gen người ở cấp độ đơn lẻ

Ngày 8 tháng 9 năm 2026 Khoa học

Đội ngũ AlphaGenome Atlas

Việc dự đoán tác động phân tử của mọi biến thể DNA đơn ký tự có thể xảy ra trong bộ gen người sẽ giúp đẩy nhanh sự hiểu biết của chúng ta về sinh học như thế nào.

Hôm nay, chúng tôi giới thiệu AlphaGenome Atlas: một nền tảng chứa các dự đoán về ảnh hưởng của 9 tỷ biến thể đơn nucleotide — mọi thay đổi đơn ký tự có thể xảy ra — trong bộ gen người. Đây là danh mục toàn diện nhất về cách các đột biến di truyền ảnh hưởng đến sinh học phân tử, và nó hiện đã có sẵn cho nghiên cứu học thuật thông qua một cổng thông tin trực tuyến trực quan và miễn phí.

DNA là ngôn ngữ của sự sống. Làm chủ được nó là một thách thức lớn có thể thay đổi khả năng hiểu biết về sinh học và điều trị bệnh của chúng ta. Tuy nhiên, tiến độ vẫn còn hạn chế bởi một vấn đề cơ bản: diễn giải cách các biến thể di truyền tác động đến sinh học ở cấp độ phân tử. Với khoảng 9 tỷ đột biến đơn ký tự có thể xảy ra trong bộ gen người, việc kiểm tra từng đột biến trong phòng thí nghiệm là điều gần như không thể.

Google DeepMind đã đạt được tiến bộ trong thách thức này với AlphaGenome, một mô hình trí tuệ nhân tạo (AI) có khả năng dự đoán cách các biến thể di truyền tác động đến các quá trình sinh học. AlphaGenome rất hữu ích cho việc phân tích các biến thể cụ thể và đã được sử dụng rộng rãi trong nghiên cứu, nhưng chúng tôi muốn mang đến cho các nhà nghiên cứu một cái nhìn tổng thể về các biến thể trên toàn bộ bộ gen.

Bằng cách tính toán trước các dự đoán của AlphaGenome trên quy mô lớn, chúng tôi đã tạo ra một nguồn tài nguyên dễ tiếp cận giúp mở rộng đáng kể phạm vi của mô hình. Giống như một tập bản đồ là tập hợp các bản đồ liên kết các đặc điểm của vùng đất như độ cao và vị trí, AlphaGenome Atlas lập biểu đồ các tác động phân tử của các biến thể DNA trên toàn bộ bộ gen.

Để giúp các nhà khoa học nhanh chóng tìm ra những thay đổi di truyền có tác động lớn nhất, chúng tôi cũng phát hành điểm số AlphaGenome Variant Impact (AVI). AVI kết hợp thế mạnh của AlphaGenome và AlphaMissense — mô hình dự đoán tác động của các biến thể DNA làm thay đổi protein của chúng tôi — và cô đọng các dự đoán của cả hai mô hình thành một con số duy nhất. Giờ đây, các nhà nghiên cứu có thể nhanh chóng xếp hạng các biến thể và diễn giải tác động phân tử của chúng cùng một lúc.

Các cộng tác viên bên ngoài đáng tin cậy của chúng tôi đã sử dụng AlphaGenome Atlas để xác định và xác minh thực nghiệm các biến thể then chốt trong nghiên cứu về các bệnh hiếm gặp chưa có lời giải, cũng như tìm ra các biến thể hiếm liên quan đến các đặc điểm phổ biến.

AlphaGenome Atlas hiện đã có sẵn thông qua cổng thông tin trực tuyến trực quan, API AlphaGenome của chúng tôi và dưới dạng một kỹ năng (skill) trong Google Antigravity.

AlphaGenome Atlas

AlphaGenome Atlas là một tập dữ liệu khổng lồ dung lượng 1 petabyte, lớn hơn gấp 30 lần so với Cơ sở dữ liệu AlphaFold. Khi mở rộng Cơ sở dữ liệu AlphaFold vào năm 2022, chúng tôi đã tăng thông tin cấu trúc 3D từ khoảng 190 nghìn cấu trúc thực nghiệm lên hơn 200 triệu dự đoán cấu trúc — bao phủ gần như tất cả các protein đã được khoa học lập danh mục. Cơ sở dữ liệu này cung cấp một cổng thông tin mà các nhà nghiên cứu không có kinh nghiệm lập trình cũng có thể sử dụng, cung cấp các hình ảnh trực quan trực quan và giúp việc phân tích cấu trúc protein quy mô lớn trở nên dễ dàng hơn. Nó nhanh chóng trở thành một nguồn tài nguyên quan trọng thúc đẩy các khám phá trong lĩnh vực khoa học sự sống và tiếp tục đẩy nhanh công việc quan trọng của các nhà nghiên cứu trong vô số lĩnh vực.

Khi xây dựng AlphaGenome Atlas, chúng tôi cũng mong muốn làm cho các dự đoán trở nên dễ tiếp cận hơn và cung cấp cho các nhà khoa học một cách trực quan để khám phá tập dữ liệu khổng lồ này.

AlphaGenome Atlas cung cấp một số tài nguyên mạnh mẽ, có tính kết nối, cho phép các nhà nghiên cứu liên kết trực tiếp các biến thể với các trình tự DNA chức năng mà chúng làm gián đoạn.

Cùng với nhau, các tài nguyên này hỗ trợ các nhà nghiên cứu thực hiện nhiều nhiệm vụ nghiên cứu di truyền, từ xếp hạng biến thể nhanh chóng đến nghiên cứu chuyên sâu về chức năng của biến thể.

Sự hợp tác rộng rãi của cộng đồng đã định hướng cho việc thiết kế AlphaGenome Atlas. Điểm số AVI giúp các nhà nghiên cứu nhanh chóng chấm điểm và xếp hạng các biến thể dựa trên tác động tiềm năng của chúng. Quan trọng hơn, nó hoạt động cho cả các vùng mã hóa (2% bộ gen mã hóa protein) và các vùng không mã hóa (98% còn lại), vốn điều phối hoạt động của gen và chứa hầu hết các biến thể liên quan đến đặc điểm.

Các thử nghiệm của chúng tôi cho thấy điểm số AVI mang lại hiệu suất tốt nhất trong phân khúc trên nhiều tiêu chuẩn về khả năng gây bệnh của biến thể và các bệnh hiếm gặp. Để giúp diễn giải các điểm số này, chúng tôi cũng đã tính toán các thuộc tính đặc trưng (feature attributions) của AVI, làm nổi bật các quá trình phân tử — như cắt nối RNA (RNA splicing) hoặc biểu hiện gen — được dự đoán là bị gián đoạn nhiều nhất bởi mỗi biến thể.

Tổng quan về AlphaGenome Atlas. (1) Các tác động được tính toán trước trên toàn bộ bộ gen cho hơn 9 tỷ biến thể đơn nucleotide. (2) Từ đó, điểm số AlphaGenome Variant Impact (AVI) ở độ phân giải alen được suy ra cho mỗi biến thể. Để hỗ trợ diễn giải biến thể, AlphaGenome Atlas sau đó phân tách điểm số AVI thành các đóng góp đặc trưng cộng dồn trên các danh mục có thể diễn giải được như khả năng tiếp cận chất nhiễm sắc (chromatin accessibility), cắt nối và bảo tồn. (3) Các tác động biến thể đã tính toán trước, điểm số AVI và các thuộc tính đặc trưng AVI được liên kết với nhau, cùng với một tập hợp các motif de novo trên toàn bộ bộ gen, cho phép hiểu rõ cơ chế chức năng của biến thể ở độ phân giải cao.

Tác động thực tế: Từ các bệnh hiếm gặp đến di truyền học quần thể và sinh học phân tử

AlphaGenome Atlas cung cấp cái nhìn toàn cầu, độ phân giải cao về bộ gen. Những dự đoán quy mô lớn này trở nên hữu ích nhất khi được áp dụng vào các câu hỏi nghiên cứu có mục tiêu. Bằng cách chuyển đổi dữ liệu này thành những hiểu biết sinh học có thể hành động, các đối tác học thuật của chúng tôi đã và đang khám phá ra mối liên hệ giữa biến thể di truyền và bệnh tật.

Hiểu về các bệnh hiếm gặp chưa có lời giải. Một trở ngại lớn trong việc tìm hiểu các bệnh hiếm gặp là nhiệm vụ khó khăn trong việc xác định chính xác một vài biến thể gây bệnh ẩn giấu giữa hàng ngàn ứng viên. Hợp tác với GREGoR Consortium, các nhà nghiên cứu đã áp dụng điểm số AVI để ưu tiên các biến thể di truyền "mò kim đáy bể" này cho nghiên cứu về các bệnh hiếm gặp chưa có lời giải. Khi Laura Covill và Anne O’Donnell-Luria từ Broad Institute cùng các đồng nghiệp sử dụng điểm số AVI để ưu tiên các biến thể gây bệnh hiếm gặp vốn bị bỏ qua trong các nghiên cứu trước đây, nhóm đã phát hiện ra một biến thể ảnh hưởng đến gen có tên là DNM1, vốn liên quan chặt chẽ đến bệnh não động kinh.

Quan trọng là, các dự đoán của AlphaGenome làm nền tảng cho điểm số AVI đã chỉ ra chính xác cách biến thể hoạt động: nó tạo ra một vị trí cắt nối không chính xác (một sai sót trong hướng dẫn di truyền của tế bào) dẫn đến sự mở rộng bất thường của protein tạo thành. Các sàng lọc thực nghiệm đã xác nhận dự đoán nghiên cứu và tìm thấy các biến thể lân cận có tác động tương tự, cho thấy Atlas là một công cụ mạnh mẽ để hiểu các biến thể bộ gen có tác động lớn.

Lập bản đồ các biến thể hiếm liên quan đến mức độ protein và các đặc điểm phức tạp. Vượt ra ngoài nghiên cứu về bệnh hiếm gặp đơn lẻ, AlphaGenome Atlas có thể giúp khám phá cấu trúc di truyền của các đặc điểm phổ biến trong dân số chung. Việc xác định biến thể hiếm, không mã hóa nào liên quan đến một đặc điểm hoặc bệnh cụ thể là cực kỳ khó khăn vì khối lượng lớn các thay đổi di truyền vô hại tạo ra một "nền nhiễu" thống kê.

Để kiểm tra cách AlphaGenome Atlas có thể cải thiện khả năng tìm kiếm các biến thể không mã hóa ảnh hưởng đến đặc điểm con người, Gareth Hawkes, một nghiên cứu viên của Hội đồng Nghiên cứu Y khoa tại Đại học Exeter, đã áp dụng AlphaGenome Atlas vào dữ liệu toàn bộ bộ gen từ hơn 54.000 người tham gia UK Biobank, giúp các tín hiệu khó nắm bắt này trở nên rõ ràng hơn. Bằng cách nhóm các biến thể hiếm dựa trên tác động phân tử dự đoán của chúng, Hawkes đã phát hiện thêm 22% các mối liên hệ di truyền không mã hóa, vốn dĩ không thể phát hiện được trong nhiễu thống kê. Điều này cho phép Hawkes xác định chính xác các biến thể điều hòa thúc đẩy sự phong phú của các protein quan trọng lưu thông trong cơ thể người, bao gồm PLA2G7 (liên quan đến lão hóa) và EGLN1 (một cảm biến oxy tế bào quan trọng).

Đưa phương pháp này đi xa hơn, Hawkes đã sử dụng AlphaGenome Atlas để xem xét cách hàng trăm triệu biến thể không mã hóa trong UK Biobank có thể liên quan đến chỉ số khối cơ thể (BMI). Bằng cách tập trung vào 1% các biến thể không mã hóa mà Atlas dự đoán là có tác động lớn nhất, ông đã xác định được 19 vùng di truyền, có thể giúp định hướng giai đoạn tiếp theo của nghiên cứu có mục tiêu về đặc điểm này.

Xác định các "từ ngữ" điều hòa của bộ gen. Atlas cũng có thể được sử dụng để xác định các trình tự ngắn lặp lại, hay các motif, đang thúc đẩy các quá trình phân tử khác nhau trong các loại tế bào khác nhau cho các gen khác nhau. Các motif này có thể cung cấp những manh mối quan trọng, chẳng hạn như xác định vị trí liên kết của các yếu tố phiên mã (protein bật hoặc tắt gen) và cung cấp thêm sự diễn giải về các biến thể không mã hóa. Ví dụ, Julia Zeitlinger và Melanie Weilert tại Stowers Institute for Medical Research đã sử dụng nguồn tài nguyên này để phân loại yếu tố phiên mã nào chỉ ảnh hưởng đến khả năng tiếp cận của DNA so với yếu tố nào cũng có khả năng bật và tắt gen.

Đẩy nhanh khám phá bộ gen

Với AlphaGenome Atlas, chúng tôi đang tạo ra các lớp thông tin mới giúp thúc đẩy sự hiểu biết của chúng ta về mã di truyền của con người. Chúng tôi hy vọng đây sẽ là một nguồn tài nguyên quý giá cho các nhà khoa học, nhưng chúng tôi cũng coi đó là một nền tảng cơ bản thay vì là điểm kết thúc. Khi các mô hình AI của chúng tôi như AlphaGenome cải thiện, bản đồ về toàn bộ bộ gen người sẽ ngày càng trở nên toàn diện và chính xác hơn.

AlphaGenome Atlas mạnh mẽ khi đứng độc lập, nhưng nó cũng đại diện cho một bước tiến tới tầm nhìn của chúng tôi về một giải pháp thống nhất, rộng lớn cho các nhà sinh học. Các tài nguyên của nó có thể được tích hợp vào các hệ thống tác nhân (agentic systems) rộng lớn hơn của chúng tôi, như Google Antigravity, để giúp tăng cường các quy trình khoa học từ đầu đến cuối.

Điều quan trọng nữa là kiến thức khoa học của AlphaGenome Atlas phải được phổ biến rộng rãi, vì vậy chúng tôi đã làm cho nó có thể truy cập được cho mục đích phi thương mại thông qua trang web của chúng tôi từ hôm nay, cũng như cho mục đích thương mại trên Google Cloud trong thời gian tới. (Mô hình cơ sở AlphaGenome hiện đã có sẵn cho mục đích học thuật trên GitHub và thông qua API AlphaGenome, đồng thời cũng có sẵn cho mục đích thương mại trên Cloud thông qua Model Garden).

Cùng với nhau, các công cụ này sẽ cho phép các nhà nghiên cứu và đối tác trong ngành đẩy nhanh tốc độ khám phá sinh học: tìm kiếm các mục tiêu điều trị mới, hiểu rõ hơn về các rối loạn di truyền và thúc đẩy làn sóng xác nhận thực nghiệm có mục tiêu tiếp theo.

Lời cảm ơn

Chúng tôi biết ơn các cộng tác viên nghiên cứu của mình tại Đại học Exeter, Broad Institute, Boston Children’s Hospital, Stowers Institute for Medical Research, Đại học Harvard, Memorial Sloan Kettering Cancer Center, Center for Genomic Medicine tại Massachusetts General Hospital và University of Kansas Medical Center.

Công trình này được thực hiện nhờ sự đóng góp của Jun Cheng, Kyle R. Taylor, Lauren Nicolaisen, Joshua Pan, Clare Bycroft, Matteo Perino, Tom Ward, Raina W. Thomas, Natasha Latysheva, Gareth Hawkes, Laura E. Covill, Melanie Weilert, Maile J. Hirschmann, Xi Dawn Chen, Robin N Beaumont, V Kartik Chundru, Michael N Weedon, Simon Bourdareau, Hoyin Chu, Dhavi Hariharan, Thais Kagohara, Lucas Tenório, Yosuke Ushigome, Amanda Stafford, Courtney A. Shearer, Barbara Ikica, Ada Fang, Mouad Naciri, Victoria Johnston, Richard Green, Elisa Lai Hong Wong, Vincent Dutordoir, Anne Mottram, Adam Gayoso, Eirini Arvaniti, Guido Novati, Heidi L. Rehm, Fei Chen, Caleb A. Lareau, Caroline F Wright, Anne O'Donnell-Luria, Julia Zeitlinger, Pushmeet Kohli, Žiga Avsec.

Chúng tôi muốn cảm ơn các đồng đội và cộng tác viên vì sự hỗ trợ kỹ thuật và phản hồi của họ, bao gồm Kathryn Tunyasuvunakool, Alexander Karollus, Risha Patel, Francesca Pietra, Alisha Eastep, Doga Fadillioglu, Charlie Taylor, Raphael Aboyeji, Uchechi Okereke, Gemma Gibbs, Olufemi Duduyemi, Juan Mateos-Garcia, Mariana Felix, Sahar Abdulrahman, Antonia Mould, Rachael Tremlett, Chang Yun, Salil Deshpande, Anshul Kundaje, Samantha Bryen, Greg Findlay, Phoebe Dace, Kinga Bujakowska, Emma Sherrill, Aubrie Soucy Verran, Boxun Zhao, Tim Yu, Francesca Pietra, Brendah Namugamba, Cassie Gray, Daniel MacArthur, Lingyi Wang, Marc Mansour, Mohamad Hajjari, Mounica Vallurupalli, Philip Montgomery, Phoebe Dace, Roisin Sullivan, Sam Bryen, Teresa Niccoli.

Cuối cùng, chúng tôi muốn cảm ơn Evie Gray, Adriana Fernandez Lara, Alex Wilkins, Danielle Breen, Mariana Montes, Inês Ayer, Ryan Smith, Ross West và Gaby Pearl vì chuyên môn của họ trong việc truyền thông về công trình này.

Thông tin do AlphaGenome Atlas cung cấp không nhằm mục đích thay thế cho lời khuyên, chẩn đoán hoặc điều trị y tế chuyên nghiệp và không cấu thành lời khuyên y tế hoặc lời khuyên chuyên môn khác. AlphaGenome chưa được xác nhận và không được phê duyệt cho bất kỳ mục đích sử dụng lâm sàng nào.