💡 導讀：想像電影剪輯師被「假的剪切記號」給騙了……

如果把基因製造蛋白質的過程，比喻成製作一部賣座電影：

• 底片膠捲（pre-mRNA）：裡面包含了精彩的正式畫面（外顯子 Exon）以及大量拍攝花絮與NG片段（內含子 Intron）。
• 電影剪輯師（剪接體 Spliceosome）：他的工作就是拿著剪刀，把不需要的花絮（內含子）精準剪掉，只把精彩畫面（外顯子）拼接起來，最後輸出成可以在戲院上映的正式電影（成熟 mRNA）。

但如果有人偷偷在一段本該被剪掉的花絮中間，貼上了一個 偽造的「剪切記號」 呢？

剪輯師被欺騙後，在錯誤的地方剪了一刀，結果把一段荒謬的 NG 花絮也一起黏進了正式上映的電影裡。觀眾（細胞）看了這部結構混亂的電影，做出來的產品（蛋白質）直接癱瘓崩潰！

這就是 AlphaGenome 在那名六週大癲癇嬰兒大腦裡抓到的致命真兇—— 隱藏剪接（Cryptic Splice Site）！今天，我們就來還原這個分子犯罪現場，並看看我們該如何在系統中打造一個「剪接異常偵測器」！

一、 血液檢測為何撲空？專屬大腦的「限制級電影」

昨天我們提到，醫療團隊曾試圖從嬰兒的血液中提取 RNA 進行定序，想看看基因表現有沒有出錯，結果血液報告卻「一片祥和」，什麼異常都沒抓到。

AlphaGenome 點出了血液檢測失敗的殘酷真相：組織特異性（Tissue Specificity）。

這個發生在 DNM1 基因上的突變，影響的是一段 **專屬於大腦神經元（特別是麩胺酸能神經元 Glutamatergic neurons）**才會上映的「神經元限定版電影」。

• 在大腦神經元裡：這部電影天天播放，這個突變貼上的假剪切記號引發了劇烈的播映慘案。
• 在血液細胞裡：血液電視台根本沒有這部電影的播放權，這段基因處於完全「靜音停播」狀態。

去血液水管裡採樣，當然什麼異常訊號都抓不到！AlphaGenome 直接在電腦裡模擬大腦神經元的內部環境，才讓這個藏在大腦深處的慘案重見天日。

二、 暗物質裡的刺客：隱藏剪接與「框內延長（In-frame Insertion）」

那麼，這個深藏在 98% 基因暗物質（深層內含子）裡的單一 DNA 字母突變（G>A），究竟是如何毀掉大腦的？

1. 憑空創造假記號：這個單字母替換，意外在內含子深處創造出了一個原本不存在的「隱藏 3' 剪接受體位點（Cryptic Splice Acceptor Site）」。
2. 剪輯師落入陷阱：大腦神經元裡的剪接體（剪輯師）把這個假記號當真了，在錯誤的位置硬生生切了一刀。
3. 多切了 39 個字母進去：結果，上游 39 個原本該丟棄的內含子花絮字母，被一起黏進了成熟的 mRNA 膠捲裡！
4. 精準多出 13 個胺基酸（框內延長）：因為細胞翻譯蛋白質時是每 3 個字母合成一個胺基酸（(39 \div 3 = 13)），最終做出來的 Dynamin 蛋白質前端，精準多出了 13 個異常的胺基酸片段。

這多出來的 13 個胺基酸就像是在齒輪上硬塞了一顆小石頭，徹底破壞了 Dynamin 蛋白質的結構，讓神經突觸無法正常傳導訊號，引發了嬰兒毀滅性的癲癇發作！

💻 三、 實作：🧩【里程碑 2】複盤主題數據庫 (verify_disease_dataset.py)

今天，我們迎來第二階段的終極成果！

我們讀取你在 config.py 選定的研究主題，一次批量測試 3 個同領域的候選變異，並在 Terminal 終端機印出一張 「多變異分子特徵對比表」！

💻 程式碼：verify_disease_dataset.py

# verify_disease_dataset.py - 里程碑 2：自訂主題多變異特徵對比表
import config
from track_feature_extractor import AlphaGenomeFeatureExtractor

def run_disease_dataset_benchmark():
    # 根據讀者主題，設定 3 個候選測試變異
    candidate_variants = [
        config.TEST_VARIANT,
        f"{config.TEST_VARIANT.split(':')}:128225900:A:G",
        f"{config.TEST_VARIANT.split(':')}:128225910:C:T"
    ]

    extractor = AlphaGenomeFeatureExtractor(target_tissue=config.TARGET_TISSUE)

    print("="*75)
    print(f"📊【 里程碑 2：{config.MY_DISEASE} - 候選變異多模態特徵對比表 】")
    print(f"🧬 目標基因 : {config.MY_GENE} | 🎯 目標器官 : {config.TARGET_TISSUE.upper()}")
    print("="*75)
    print(f"{'變異座標':<22} | {'AVI分數':<8} | {'剪接 Delta':<10} | {'破壞 Motif 家族':<18}")
    print("-" * 75)

    for var in candidate_variants:
        res = extractor.extract_all(var)
        print(f"{res['variant_id']:<22} | {res['avi_score']:<8.1f} | {res['max_delta_splicing']:<+10.4f} | {res['affected_tf_motif']:<18}")

    print("="*75 + "\n")

if __name__ == "__main__":
    run_disease_dataset_benchmark()

🖥️ 終端機執行結果範例 (Terminal Output)

當在 Terminal 輸入 python verify_disease_dataset.py 時，會拿到這張 里程碑 2 對比表：

===========================================================================
📊【 里程碑 2：難治型幼兒癲癇 (Epileptic Encephalopathy) - 候選變異多模態特徵對比表 】
🧬 目標基因 : DNM1 | 🎯 目標器官 : BRAIN
===========================================================================
變異座標                   | AVI分數   | 剪接 Delta | 破壞 Motif 家族
---------------------------------------------------------------------------
chr9:128225994:G:A      | 24.7     | +0.8700    | TP63 / TP53 家族
chr9:128225900:A:G      | 18.2     | +0.4200    | TP63 / TP53 家族
chr9:128225910:C:T      | 5.4      | +0.0100    | TP63 / TP53 家族
===========================================================================

目前已經完成了 NumPy Delta 矩陣減法、Motif 破壞 與 3D 折疊，並印出了一張多變異對比表格，提取特定器官的波形、計算 NumPy Delta Score、捕捉 Motif 破壞與 3D Contact Map。

之後要開始進行數據工程——批次處理、VCF 解析與快取管線 (Day 15 – Day 18) 的實作。

但在真實的臨床與研究情境，一名病患的 VCF 基因檔案 動輒包含幾百個初篩變異。如果我們呆呆的一個個發送網路請求排隊等，不僅要等好久，還可能因為請求太頻繁被伺服器當成駭客阻擋！

接下來的核心目標是：「從單點查詢升級為批量高吞吐處理」——學習如何解析真實的 VCF 身分證總清冊、用 asyncio 非同步併發 狂飆 10 倍速度、用 指數退避 (Exponential Backoff) 避開 API 封鎖，並在第 18 天打造出一套 0.001 秒回傳的 VCF 自動化快取管線 (Milestone 3)！