לפני עשרים שנה, השלמת פרויקט "הגנום האנושי" העניקה למדע טקסט המורכב משלושה מיליארד אותיות. נדמה היה שהמשימה העיקרית הושלמה – ספר החיים נקרא. בפועל, הקשיים רק החלו: ההבנה מהי המשמעות של כל החלפת אות אחת וכיצד היא משנה את פעילות התאים התבררה כמורכבת הרבה יותר מקריאת הרצף עצמו.
ב-8 בספטמבר 2026 הציגה DeepMind את Atlas AlphaGenome – מאגר נתונים בנפח של כפטה-בייט. במאגר חושבו מראש ההשלכות המולקולריות של יותר מתשעה מיליארד החלפות אפשריות של נוקלאוטיד בודד בגנום הייחוס האנושי. מדובר בנפח הגדול פי שלושים מזה של מאגר AlphaFold. הגישה למשאב פתוחה ללא תשלום למטרות מדעיות באמצעות פורטל אינטרנט, API ואינטגרציות עם כלים נוספים.
מודל AlphaGenome, שפורסם ב-Nature בתחילת השנה, מסוגל לנתח עד מיליון בסיסים בכל פעם ולחזות את השפעת הווריאנט על נגישות הכרומטין, קישור גורמי שעתוק, מודיפיקציות של היסטונים, שחבור RNA ורמת ביטוי הגנים. Atlas הופך את התחזיות הללו למדריך מוכן: במקום להריץ חישובים כבדים בכל פעם, החוקרים מקבלים תוצאות מוכנות ומדד אינטגרלי נוסף בשם AVI. מדד זה משלב את ההערכות של AlphaGenome ושל AlphaMissense, ומסייע לדרג וריאנטים לפי השפעתם הפוטנציאלית הן באזורים המקודדים והן באזורים הלא-מקודדים.
הערך המעשי כבר הוכח במחקרים בשטח. בשיתוף פעולה עם GREGoR Consortium ו-Broad Institute, מדד ה-AVI סייע לזהות וריאנט בגן DNM1 אצל ילד הסובל מאנצפלופתיה אפילפטית שלא אובחנה: המודל הצביע על יצירת אתר שחבור חריג, דבר שאושר מאוחר יותר בניסויים. בעבודה עם UK Biobank, השימוש בתחזיות של Atlas הגדיל ב-22 אחוזים את מספר האסוציאציות הלא-מקודדות שהתגלו, ואפשר לצמצם מאות מועמדים לכמה וריאנטים רגולטוריים מרכזיים המשפיעים על רמת החלבונים בפלזמה ועל מדד מסת הגוף.
Atlas לא רק מדרג וריאנטים, אלא גם מזהה יותר מ-2500 מוטיבים קצרים וחוזרים של DNA – "מילים" של הגנום הקובעות היכן וכיצד פועלים חלבונים רגולטוריים. הדבר מספק רמזים נוספים על המנגנונים שדרכם מוטציה עלולה לשבש את הפעילות התקינה של התא. בעת ובעונה אחת, המפתחים ומומחים עצמאיים מדגישים את המגבלות: ציון AVI גבוה מעיד על אפקט מולקולרי ניכר, אך אינו שווה ערך לפתוגניות מוכחת. התחזיות נוגעות לרמה המולקולרית ולא לתוצאות קליניות סופיות, והן דורשות אימות ניסויי נוסף.
המשאב מוריד את רף הכניסה עבור מעבדות ללא עוצמת מחשוב אדירה ומצמצם כפילויות בחישובים. בדומה למקרה של AlphaFold, הגישה הפתוחה מאיצה את ההתקדמות הקולקטיבית ומאפשרת להתמקד בפרשנות ובניסויים, במקום בהרצה חוזרת של מודלים.
