AlphaGenome Atlas 能幫研究者縮小值得追查的基因變異範圍，不能回答「我會不會生病」。 Google 在 9 月 8 日發布這套資料庫，把約 90 億種單一 DNA 字母替換的分子影響預先計算，再提供查詢。重點是降低探索門檻，不是把每一筆 AI 預測都變成已證實的生物知識。
新的是資料庫，不是突然解開所有疾病
AlphaGenome 是做預測的模型；Atlas 是建立在預測之上的查詢資源。今年一月的模型論文已介紹它如何從 DNA 序列推估基因表現、RNA 剪接等分子訊號。這次把結果先整理好，研究者不必為每個候選變異從頭跑模型。
這也解釋了為什麼非編碼區值得看：一段 DNA 即使不直接編碼蛋白質，仍可能影響基因何時啟動、RNA 如何接合。只盯著蛋白質序列，會漏掉另一類需要研究的調控變化。
「所有單字替換」不等於「所有可能的基因變化組合」。Atlas 研究原稿也納入部分在生物資料庫已觀察到的插入、刪除變異，但不能因此宣稱所有大型重排、多個變異的交互作用都已算完。
AVI 20 分，為什麼不是兩成罹病風險？
AVI 是 AlphaGenome Variant Impact 的縮寫。它整合 AlphaGenome、AlphaMissense 與其他特徵，將候選變異依潛在影響排序；不是把基因報告丟進去就得到診斷。
原稿第 3 頁說明，預測會轉成 PHRED 排名分數：10 對應前 10%，20 對應前 1%。這些百分比描述排名，不描述某個人的罹病機率。另一種原始分數也不能直接拿來套這組換算。
| 查到的資訊 | 可以拿來做什麼 | 不能直接推論 |
|---|---|---|
| AVI 分數較高 | 優先追查這個候選變異 | 帶有它的人一定會生病 |
| 剪接特徵貢獻較大 | 研究 RNA 接合是否受影響 | 已證實患者體內發生相同變化 |
| 某組織的預測訊號改變 | 找較相關的組織與實驗問題 | 對所有細胞或所有人都相同 |
| 分數較低 | 作為排序時的一項資訊 | 排除疾病或保證變異無害 |
這和讀 AI 評測分數有相似之處：先問數值測的是什麼，再問能不能回答你的問題。把研究排序當成個人風險，錯在換了問題，卻沿用同一個答案。
真正有用的是「分數後面，還能查什麼」
Atlas 同時提供特徵貢獻，讓研究者不只看到排名，還能追問是剪接、基因表現或其他訊號把分數推高。原稿的 DNM1 案例，就是先提出腦部特定轉錄本可能出現異常剪接，再結合既有病例文獻與實驗檢驗機制。它不是只憑一個高分就宣告找到病因。
研究原稿第 18 頁也明列限制：訓練資料缺少部分細胞種類、不同實驗涵蓋的細胞分布不均，仍須在不同遺傳祖源中評估。不能把英國資料集中的結果，直接說成已證實適用所有台灣個人。
如果是台灣研究團隊準備使用，我建議先寫清楚研究問題、資料授權、參考基因組版本與要追查的組織，再決定看哪些輸出。Atlas 原稿使用 GRCh38（hg38）；手上資料若採其他版本，要先由熟悉分析流程的人確認座標與變異對應，不能只把相同數字位置當成同一個變異。
初次理解工具，可從論文的公開例子閱讀，不必上傳自己的全基因組。把來源、版本、分數類型、預測機制與尚缺證據一起記錄，才留下能讓同事重查的分析，而非一張脫離上下文的截圖。可搭配事實查核流程整理紀錄。
能免費使用，不代表能直接做商業診斷
DeepMind 公告區分目前非商業使用與之後的 Google Cloud 商用途徑；不要把既有 AlphaGenome 模型的商用供應，當成 Atlas 全部資料已可任意商用。
官方程式庫也將軟體授權、API 與輸出資料用途分開說明。想把結果放進付費服務、轉交合作廠商或拿去訓練模型，應先核對實際資料項目的條款；程式碼能下載，不等於預測資料具有相同授權。
至於健康判斷，公告明確指出尚未驗證、也未核准用於臨床。早在 ACMG／AMP 的變異判讀共識中，計算預測就只是與族群、功能實驗、家族共分離等資料一起考慮的證據類型，不是單獨的診斷答案。
我的判斷是：這是值得追蹤的研究基礎設施，不適合包裝成個人算命式的健康工具。已有基因檢測報告疑問，應找原檢測團隊或遺傳諮詢專業人員解讀；別為了查一個分數，把自己與家人的敏感資料交給不明網站。資料使用前也可先檢查 AI 隱私風險。
常見問題
AlphaGenome Atlas 和 AlphaFold 一樣嗎？
不是。這次 Atlas 的主題是 DNA 變異對分子調控等過程的預測影響，不是蛋白質結構資料庫，也不是另一款聊天模型。
AVI 分數越高，就越可能確診嗎？
分數用來優先排列潛在影響較大的候選變異，不是個人罹病機率。仍須檢查分子機制、實驗與臨床相關證據，不能只靠分數做醫療決定。
台灣一般人需要上傳基因報告來試嗎？
不建議。想了解技術可先看公開研究案例；個人報告的健康含義應由專業人員解讀，且上傳前必須先確認敏感資料的用途與權限。
參考來源
- Google：AlphaGenome Atlas: a high-resolution map of human DNA（2026-09-08）
- Google DeepMind：AlphaGenome Atlas: A predictive map of every possible DNA letter change in the human genome（2026-09-08）
- AlphaGenome Atlas team：AlphaGenome Atlas: in silico mutagenesis of the entire human genome improves prioritization and interpretation of non-coding variants（隨 2026-09-08 公告公開的研究原稿，非期刊審查版本）
- Nature：Advancing regulatory variant effect prediction with AlphaGenome（2026-01-28）
- ACMG／AMP：Standards and guidelines for the interpretation of sequence variants: a joint consensus recommendation of the American College of Medical Genetics and Genomics and the Association for Molecular Pathology（2015-03-05，NHS 教育網站全文）