En Petabyte Svar På En Fråga Biologin Inte Hade Råd Att Ställa
Den 8 september 2026 släppte Google DeepMind AlphaGenome Atlas, en gratis offentlig datamängd som poängsätter den sannolika molekylära effekten av var och en av de cirka 9 miljarder möjliga en-bokstavs-förändringarna i det mänskliga genomet. Varje variant får tusentals förutsägelser om genreglering i hundratals mänskliga och muscelltyper, plus ett enda sammanfattande tal som DeepMind kallar AlphaGenome Variant Impact Score, byggt både för de 2 procent av genomet som kodar protein och de 98 procent som inte gör det. Hela resursen väger 1 petabyte, över 30 gånger AlphaFold Protein Structure Database, och är tillgänglig via en gratis webbportal, ett öppet API och som en funktion i Googles kodningsverktyg Antigravity.
| Resurs | Storlek | Vad den förutspår |
|---|---|---|
| AlphaFold-databasen | Över 200 miljoner proteinstrukturer, mot cirka 190 000 experimentellt lösta | Proteinets 3D-form |
| AlphaGenome Atlas | 1 petabyte, över 30 gånger AlphaFold-databasen | Molekylär effekt av 9 miljarder möjliga en-bokstavs-förändringar i DNA:t |
Före den här utgåvan krävde det att förutspå vad en enda mutation gör med genreglering att man själv körde en specialiserad modell, variant för variant, med egen beräkningskraft. DeepMind har nu förberäknat svaret för praktiskt taget varje möjlig variant och lagt det bakom en gratis sökning. För ett europeiskt genomiklaboratorium, ett team för diagnostik av sällsynta sjukdomar eller en läkemedelsforskningsgrupp som screenar kandidatmål blir det som annars var veckors beräkningsarbete en enkel sökfråga.
Gratis Idag Är Inte Detsamma Som Gratis För Alltid
Googles egen kungörelse säger att icke-kommersiell akademisk användning är gratis nu och att kommersiell åtkomst kommer via Google Clouds Model Garden, utan angivet pris. Den ordningen väger tyngre än själva vetenskapen. AlphaFold, DeepMinds tidigare utgåva, följde exakt samma väg: först en gratis offentlig databas, sedan betalda företagsvägar för driftsättning när verktyget väl förankrats i branschens arbetsflöden. Det finns inget ohederligt i det, men det betyder att AlphaGenome Atlas bör läsas som ett lockbete, inte som permanent offentlig infrastruktur, och varje organisation som bygger in det i en produktionspipeline bör planera för en betald nivå från dag ett istället för att överraskas av den.
Inköpsfrågan Som Ännu Ingen Ställer
Det praktiska draget för ett europeiskt biotechbolag, ett universitetslaboratorium eller en leverantör av hälsoteknik är att bygga mot det öppna API:et och den dokumenterade AlphaGenome Variant Impact Score redan nu, medan det är gratis och gränssnittet fortfarande formas, i stället för att vänta tills den kommersiella versionen stabiliseras. Kod som skrivits mot ett väldokumenterat gratis API brukar migrera rent till betalversionen; kod som kringgår en föränderlig, odokumenterad lösning gör det inte. Själva Variant Impact Score, inte de råa förutsägelserna, är den del som mest sannolikt blir betald, eftersom det är den komprimerade, direkt användbara utdata som DeepMind skulle ha starkast incitament att stänga in.
Läs vidare: Googles Största AI-Export Är Grundare | Era AI-agenter upptäcker fusk, men stoppar det inte
