AlphaGenome Atlas：理解人類基因組

🧑‍🏫 這支影片介紹 Google DeepMind 的 AlphaGenome：一個讀 DNA、預測「改掉某個字母會怎樣」的 AI 模型，以及把預測濃縮成一個分數的 AVI，和讓大家查詢的 AlphaGenome Atlas 網站。值得看是因為它示範了 AI 怎麼把龐大到人讀不完的資料，變成研究者真的用得上的工具。

• 00:00 理解基因組就像理解生命的語言：DNA 的語意是什麼、怎麼讀它、怎麼用它來了解我們自己。
  ↳ DNA 可以想成一種語言。光是把字母抄下來不夠，還要懂每段在講什麼，才能拿來解釋人體為什麼這樣運作。
• 00:00 University of Exeter 講師 Dr. Gareth Hawkes 研究 whole genome sequencing，也就是嘗試測量人類基因組中的每一個 base pair。
  ↳ base pair（鹼基對）是 DNA 的最小單位，像一個字母。whole genome sequencing（全基因組定序）就是把一個人全部的字母都讀出來，不是只挑幾段。
• 00:00 他關心的是：基因密碼的改變會如何影響人類的 phenotypes，也就是可觀察到的人類特徵。
  ↳ phenotypes（表現型）指看得到、量得到的特徵，像身高、血壓、會不會得某種病。他想知道 DNA 哪裡不一樣，會讓這些特徵跟著變。
• 00:33 如果每個 base pair 花一秒去讀，基本上要花上數十年才讀得完。
  ↳ 這是在說量有多大。人類 DNA 有 30 億個字母，一秒讀一個、不吃不睡，也要讀好幾十年，靠人力逐字看根本不可能。
• 00:33 基因組是細胞的說明書（instruction manual）。
  ↳ 每個細胞都帶著這份說明書，照著它決定要製造什麼、什麼時候做。說明書某處寫錯字，細胞就可能做錯事。
• 00:33 AlphaGenome 是一個模型：它看一段基因組序列，預測在這個區域做一個單一突變會發生什麼事。
  ↳ mutation（突變）就是 DNA 某個字母變了。AlphaGenome 是 AI 模型，你給它一段 DNA，它推測改掉其中一個字母會造成哪些變化，不必每次都做實驗。
• 01:09 透過對「生命的語言」建模，可以了解部分基因突變做了什麼、是否有害。
  ↳ AI 先學會 DNA 正常的「文法」，就能判斷某個改動是無關緊要還是會出事。注意影片說的是「部分」突變，不是全部都能判斷。
• 01:09 接下來的問題是：如何把所有這些預測合併成一個單一數字。
  ↳ 模型對一個改動會吐出一大堆不同面向的預測，人沒辦法一項項看，所以需要整理成一個好比較的數字。
• 01:09 AVI score（Variant Impact Score）是一個單一數字，告訴你這個 variant 有多有害（deleterious）或影響多大。
  ↳ variant（變異）指某人 DNA 上跟一般人不同的地方。deleterious 是「有害」的意思。AVI score 就是給每個變異打一個分數，代表它影響多大。
• 01:09 AVI 數字越高，越可能對 phenotypes 產生影響，例如導致疾病。
  ↳ 分數高代表這個變異比較可能真的改變身體特徵，包括引起疾病。但它是「可能性」的提示，不是診斷結果。
• 01:09 AVI 的核心動機之一：如何把 AlphaGenome 給出的 10,000 個數字變成一個數字，用來有效率地排定優先順序。
  ↳ 模型對一個變異會給出約一萬個數字，壓成一個分數後，研究者就能快速排序，先看分數最高、最值得查的那幾個。
• 01:47 AVI 會為每一種類型的 variant 評分，並盡量讓任何影響大的 variant 得到高的 AVI 分數。
  ↳ 變異造成影響的方式有很多種。AVI 的設計是不管哪一種，只要影響大就盡量給高分，避免漏掉某一類。
• 01:47 比喻：乾草堆（haystack）縮得越小，就越有可能找到那根針。
  ↳ 一個人身上有非常多變異，真正致病的可能只有一個。用分數先篩掉大部分不重要的，剩下的少了，就比較容易找到元兇。
• 01:47 AlphaGenome Atlas 被形容為可能是最全面、最準確的 variant effect prediction 平台，資料量約一個 petabyte。
  ↳ variant effect prediction 就是「預測變異會造成什麼影響」。petabyte 是容量單位，等於一百萬 GB，一般電腦根本裝不下。「最全面」是他們自己的形容。
• 01:47 Atlas 既是龐大的資料資源，也是一個網站，希望讓不擅長寫程式的生物學家也更容易使用。
  ↳ 很多生物學家不會寫程式，以前要用這種資料得靠工程師幫忙。做成網站後，用點的、用查的就能看到結果。
• 02:18 團隊打造了 genome browser 這個網站，可以從不同角度看基因組中哪些地方「亮起來」；受訪者形容像是透過一扇新的窗戶在看。
  ↳ genome browser（基因組瀏覽器）是讓你像看地圖一樣瀏覽 DNA 的網站。「亮起來」指那一段被預測有重要作用，一眼就能看出該注意哪裡。
• 02:18 它開始成為一份藍圖：不論 base pair 在哪裡、在哪條染色體上、與哪種細胞類型相關，都能說明它究竟可能如何影響人類 phenotypes。
  ↳ 同一個字母的改動，在不同細胞裡影響可能不同。Atlas 想做到任何位置、任何細胞類型，都查得到它可能怎麼影響人體特徵。
• 02:18 受訪者說：有了 AlphaGenome Atlas，我們正在為生命的語言建立 thesaurus（同義詞辭典）；這個領域的任何進展都可能帶來巨大影響。
  ↳ thesaurus 是同義詞辭典，告訴你哪些詞意思相近。這裡是說 Atlas 能幫忙看出哪些 DNA 改動效果類似、哪些差很多，等於替 DNA 編一本參考書。
• 02:53 AI 正在根本地改變做研究的方式，讓科學進展比以前快得多。
  ↳ 以前要一個個做實驗才能知道的事，現在 AI 可以先大量預測，研究者再挑重點去驗證，所以速度快很多。
• 02:53 團隊正在做一個更廣的 agentic framework，結合從 AlphaFold 到 AlphaGenome 等不同的專門模型，讓科學家能解決人類面臨的最大挑戰。
  ↳ agentic framework 指讓 AI 自己分步驟、呼叫不同工具完成任務的架構。AlphaFold 是預測蛋白質形狀的模型，他們想把這些專門模型串起來一起用。

根據影片，AVI score 的數字越高代表什麼？