Sprawni Cyfrowo
Google DeepMind udostępnił AlphaGenome Atlas — gotowy zbiór predykcji molekularnych dla około 9 miliardów wariantów jednonukleotydowych, czyli każdej możliwej zmiany pojedynczej litery w ludzkim DNA. Ogłoszenie padło 8 września 2026 roku. To nie nowy model, lecz obliczony z wyprzedzeniem katalog wyników z modelu AlphaGenome, przygotowany tak, by naukowcy mogli z niego korzystać bez uruchamiania własnej infrastruktury.
Co dokładnie ogłoszono w AlphaGenome Atlas
Zbiór zajmuje około 1 petabajta i jest blisko 30 razy większy od bazy AlphaFold. Obejmuje zarówno regiony kodujące (około 2 procent genomu), jak i niekodujące (pozostałe 98 procent), które dotąd trudno było interpretować. Każdemu wariantowi przypisano tysiące predykcji efektu molekularnego w setkach typów komórek człowieka i myszy. DeepMind dołączył też wskaźnik AVI (AlphaGenome Variant Impact), łączący predykcje AlphaGenome i AlphaMissense w jedną liczbę, oraz mapę ponad 2500 motywów sekwencji DNA.
Firma podaje konkretne zastosowania. W badaniach chorób rzadkich Atlas wskazał pomijane wcześniej warianty odpowiedzialne za encefalopatię padaczkową. W analizie danych UK Biobank, obejmującej ponad 54 tysiące uczestników, pozwolił zidentyfikować o 22 procent więcej powiązań w regionach niekodujących oraz zmapować 19 obszarów genetycznych związanych ze wskaźnikiem masy ciała. Dane są darmowe dla badań akademickich przez portal internetowy, API oraz Google Antigravity, a wersja komercyjna ma trafić do Google Cloud.
Dla polskich firm to sygnał szerszego trendu. Laboratoria AI wychodzą poza chatboty i budują wyspecjalizowane narzędzia dla konkretnych dziedzin, od genomiki po diagnostykę. Wartość takich systemów nie bierze się z samego modelu, lecz z wysokiej jakości, uporządkowanych danych i gotowych do użycia wyników. Dla sektorów regulowanych, takich jak zdrowie czy biotechnologia, istotne pozostają pytania o pochodzenie danych, zgodność z RODO i miejsce przetwarzania, zwłaszcza gdy predykcje mają trafić do wersji komercyjnej w chmurze. Zanim firma sięgnie po podobne narzędzie, warto ustalić, kto odpowiada za jakość danych wejściowych i jak weryfikowane są wyniki.
Źródło: Google DeepMind Blog (EN), 8 września 2026.
