AlphaGenome Atlas: Google DeepMind Chấm Điểm Sẵn 9 Tỷ Biến Thể ADN, Miễn Phí Cho Nghiên Cứu
Ngày 8/9/2026, Google DeepMind phát hành AlphaGenome Atlas — một kho dữ liệu 1 petabyte chứa dự đoán tác động phân tử cho toàn bộ 9 tỷ biến thể một nucleotide có thể có trong bộ gen người, lớn gấp hơn 30 lần cơ sở dữ liệu AlphaFold. Mỗi biến thể có một điểm số AVI duy nhất. Miễn phí cho nghiên cứu h
Ngày 8/9/2026, Google DeepMind phát hành một thứ khác thường: không phải mô hình mới, mà là toàn bộ đầu ra của một mô hình cũ, chạy trước cho mọi trường hợp có thể xảy ra. Kết quả là 1 petabyte dữ liệu, miễn phí cho nghiên cứu — và một câu hỏi đáng giá về việc khi nào thì nên chạy sẵn thay vì chạy theo yêu cầu.
Từ chỗ phải tính, thành chỗ chỉ phải tra
Bộ gen người có khoảng 3 tỷ cặp base. Mỗi vị trí có thể đổi thành một trong ba chữ cái còn lại, nên tổng số biến thể một nucleotide có thể có là khoảng 9 tỷ. Câu hỏi mà các nhà di truyền học phải trả lời hằng ngày là: nếu đổi chữ cái ở vị trí này, chuyện gì xảy ra ở mức phân tử?
Mô hình AlphaGenome đã trả lời được câu đó từ trước, nhưng theo kiểu hỏi từng câu — mỗi lần một biến thể hoặc một vùng. Cái mới của AlphaGenome Atlas nằm ở chỗ DeepMind đã chạy mô hình đó trước cho toàn bộ 9 tỷ khả năng và đóng gói kết quả lại. Kho dữ liệu thu được nặng 1 petabyte, theo DeepMind là lớn hơn 30 lần cơ sở dữ liệu AlphaFold — vốn đã là một trong những tài nguyên sinh học được dùng nhiều nhất thế giới.
Công cụ trung tâm là điểm AVI (AlphaGenome Variant Impact): một con số duy nhất mô tả mức tác động của mỗi biến thể, phủ cả vùng mã hoá lẫn vùng không mã hoá. Chi tiết cuối cùng quan trọng hơn vẻ ngoài của nó — vùng không mã hoá chiếm phần áp đảo bộ gen và là nơi các phương pháp cũ tỏ ra yếu nhất.
Hai kết quả đã có người dùng thật
Công bố nào cũng kèm ví dụ đẹp, nên điều đáng chú ý ở đây là cả hai ví dụ DeepMind đưa ra đều có tên người, tên gen và một bước kiểm chứng độc lập.
- Viện Broad — một biến thể từng bị bỏ sót. Làm việc cùng liên minh GREGoR, nhóm của Laura Covill và Anne O'Donnell-Luria dùng điểm AVI để sắp lại thứ tự ưu tiên những biến thể mà các phân tích trước đó đã bỏ qua. Cách làm này nêu ra một biến thể trong gen DNM1 — gen liên quan chặt tới bệnh não động kinh — tạo ra một vị trí cắt nối sai. Nhóm đã kiểm chứng bằng thực nghiệm: biến thể đó dẫn tới việc protein tạo thành bị kéo dài bất thường.
- UK Biobank — nhiều liên hệ hơn 22%. Gareth Hawkes nhóm các biến thể hiếm theo tác động phân tử được dự đoán, trên dữ liệu của hơn 54.000 người tham gia, và tìm thấy nhiều hơn 22% các liên hệ di truyền ở vùng không mã hoá so với cách làm cũ. Trong đó có các biến thể điều hoà ảnh hưởng tới PLA2G7 và EGLN1, cùng 19 vùng di truyền liên quan tới chỉ số khối cơ thể.
Toàn bộ Atlas là dự đoán, không phải đo đạc.
Đây là câu quan trọng nhất trong bài. The Register nhắc đúng chỗ này: nội dung của AlphaGenome Atlas vẫn là dự đoán. DeepMind cũng ghi rõ rằng thông tin trong Atlas không nhằm thay thế tư vấn, chẩn đoán hay điều trị y khoa chuyên nghiệp. Hãy để ý cách hai nhóm nghiên cứu ở trên dùng nó: để chọn ra thứ đáng đem đi kiểm chứng, rồi mới kiểm chứng. Đó là cách dùng đúng của một kho dự đoán — thu hẹp không gian tìm kiếm, chứ không kết luận thay.
Ai dùng được, và dùng bằng cách nào
| Đường vào | Dành cho | Chi phí |
|---|---|---|
| Cổng web alphagenome.google/atlas | Nghiên cứu học thuật | Miễn phí |
| AlphaGenome API (GitHub) | Tích hợp vào quy trình phân tích | Miễn phí cho nghiên cứu học thuật |
| Kỹ năng trong Google Antigravity | Dùng qua tác tử | Theo điều kiện của nền tảng |
| Google Cloud | Mục đích thương mại | Chưa công bố giá và thời điểm |
Nguồn: bài công bố của Google DeepMind, đăng 8/9/2026, Locaith đọc trực tiếp ngày 11/9/2026.
Bản phát hành do Pushmeet Kohli, Phó chủ tịch phụ trách Khoa học của Google DeepMind, và Žiga Avsec, người phụ trách Sáng kiến Gen học của công ty, công bố.
Điều doanh nghiệp Việt Nam nên rút ra
Phần lớn doanh nghiệp Việt Nam không làm di truyền học. Nhưng quyết định kỹ thuật nằm dưới bản phát hành này thì áp dụng được ở nhiều nơi, và nó rẻ hơn người ta tưởng.
- Khi không gian đầu vào là hữu hạn, hãy tính trước thay vì tính theo yêu cầu. DeepMind không làm mô hình mạnh hơn; họ nhận ra rằng số câu hỏi có thể hỏi là hữu hạn — 9 tỷ, nghe to nhưng đếm được — nên chạy hết một lần rồi phát bảng tra. Nhiều bài toán doanh nghiệp có cùng tính chất: phân loại toàn bộ danh mục sản phẩm, chấm điểm toàn bộ danh sách khách hàng, dựng sẵn tóm tắt cho mọi văn bản trong kho. Nếu tập đầu vào đếm được và ít thay đổi, chạy trước một lần thường rẻ hơn và nhanh hơn nhiều so với gọi mô hình mỗi lần có người hỏi.
- Một điểm số duy nhất là thứ khiến kết quả AI dùng được. AlphaGenome vốn đã sinh ra rất nhiều loại tín hiệu cho mỗi biến thể. Cái làm Atlas dùng được trong thực tế là AVI — một con số để sắp thứ tự. Khi bạn đưa đầu ra AI vào quy trình có người vận hành, hãy ép nó thành một thang điểm sắp xếp được, thay vì một bản báo cáo đa chiều đẹp đẽ mà không ai biết xử lý cái nào trước.
- Ghi rõ đâu là dự đoán, ngay trong dữ liệu. DeepMind gắn khuyến cáo vào sản phẩm chứ không để trong tài liệu. Nếu doanh nghiệp bạn phát hành số liệu do mô hình sinh ra cho bộ phận khác dùng, hãy dán nhãn ngay tại chỗ. Chi phí của việc một con số dự đoán bị dùng như số đo thật thường chỉ lộ ra khi đã muộn.
Nguồn:
- Google DeepMind — AlphaGenome Atlas: A predictive map of every possible DNA letter change in the human genome, đăng 8/9/2026 — nguồn sơ cấp cho toàn bộ con số, cho điểm AVI, cho hai ví dụ nghiên cứu, cho các đường truy cập và cho khuyến cáo y khoa; Locaith đọc trực tiếp 11/9/2026
- Google DeepMind — Kho mã AlphaGenome API — nguồn cho đường truy cập qua API và cho sơ đồ kiến trúc mô hình dùng trong bài
- The Register — Google DeepMind rises above the AI scrum with genome atlas, đăng 8/9/2026 — nguồn cho lưu ý rằng nội dung Atlas vẫn là dự đoán, và cho bối cảnh về việc Atlas là kết quả chạy sẵn của mô hình AlphaGenome có sẵn
Mọi con số trong bài đều do Google DeepMind tự công bố — dung lượng 1 petabyte, 9 tỷ biến thể, mức lớn hơn 30 lần AlphaFold, con số 22% và 54.000 người tham gia UK Biobank — và chưa có bên thứ ba độc lập đo lại. Riêng biến thể DNM1 thì đã được nhóm nghiên cứu kiểm chứng bằng thực nghiệm theo mô tả của DeepMind. Toàn bộ nội dung AlphaGenome Atlas là dự đoán của mô hình, không phải kết quả đo trong phòng thí nghiệm; DeepMind nêu rõ thông tin trong đó không thay thế tư vấn, chẩn đoán hay điều trị y khoa chuyên nghiệp, và Locaith nhắc lại điều này. Giá và thời điểm của bản thương mại trên Google Cloud chưa công bố. Ba khuyến nghị cuối bài là quan điểm riêng của Locaith. Ảnh bìa và sơ đồ kiến trúc: Google DeepMind, lấy từ kho mã chính thức của dự án. Biên soạn và phân tích bởi Ban Biên Tập Locaith, 11/9/2026.