读懂基因组的空白地带，AI 走到了哪一步？

在人类基因组里，编码蛋白质的片段只占一小部分。大量序列参与调节：基因在什么细胞、什么时间、以多大强度被读取。

这也是许多遗传变异难以解释的原因。一个碱基改变了，我们知道它在哪里，却未必知道它会影响哪个基因。2026 年发表的 AlphaGenome 研究，试图从很长的 DNA 序列直接预测多种调控信号，为这种追问提供一张计算地图。

它预测的是什么？

模型可以处理长达约一百万碱基的序列，并输出细胞特异的多种预测：哪些区域更容易被读取、转录信号可能怎样变化、剪接可能受到什么影响。研究者还可以对比改变某个碱基前后的预测差异，筛选值得进一步实验的变异。

这种能力有价值，因为调控作用常常跨越很长的 DNA 距离。只看变异附近几个字母，容易错过较远处的关联。

一张预测地图不是诊断书

基准测试衡量模型在已定义任务上的表现。它无法自动证明：在某位患者的某种细胞中，同一变异就一定产生同样的生物效应。训练数据覆盖不足的细胞状态、复杂环境和多个变异之间的相互作用，仍会让预测失准。

更重要的是，模型输出常是分子层面的信号。要走到疾病机制，还需要实验确认、对照分析和临床证据。预测值得检验什么与已经知道发生了什么，是两种不同的知识。

最好的计算工具，不是替实验写下结论，而是帮实验找到更有价值的问题。

为什么仍值得关注？

过去研究者面对海量非编码变异，往往不知道从哪里开始。多任务模型若能稳定地缩小搜索范围，就可能改变实验设计的效率。接下来需要观察的是：独立实验室能否复现预测，在不同细胞和人群中是否可靠，以及模型错误是否会系统性地偏向某些变异。

基因组的“空白地带”正在变得可读，但读懂它，仍是一场计算与实验之间的往返。