💡 導讀：神探（AI）指認了嫌疑犯，但法官（Wet Lab）還需要鐵證如山！

想像一下，AI 就像是一位算力超強的神探。它在 400 萬個嫌疑犯中，幫我們抓出了深藏在 DNM1 基因內含子深處的變異，還推理出：「這傢伙在大腦神經元裡貼了假告示牌，造出了隱藏剪接點，讓蛋白質多長了 13 個胺基酸！」

這套推理聽起來完美無缺，但在嚴謹的醫學與科學界，沒有任何一家醫院或醫生會單憑 AI 的預測就直接下診斷或開藥。

AI 提出了極具說服力的「假說」，但最終的「定罪宣判」，必須回到培養皿、細胞與試管裡——也就是我們常說的 「Wet lab (是指需要使用液體試劑、化學藥品或生物材料進行實際動手操作與實驗驗證的研究實驗)」！

近年國內許多 AI 醫療專案（如國科會 NSTC 補助、台大團隊執行的計畫）也一再強調 「虛實整合」 的核心價值：AI 的任務是幫我們把範圍縮小數百萬倍，而最終的生物學因果關係，仍必須由 Wet lab來拍板定案。

今天，我們就來看這個六週大癲癇嬰兒案例的最終章：科學團隊如何用高通量實驗，在培養皿裡 100% 證實了 AlphaGenome 的神準預測！

一、 265 個字母的精準打擊：高通量飽和突變實驗

如果沒有 AI，科學家想要在培養皿裡驗證，可能得把整段幾萬個字母長度的基因全部試一遍，耗時費力又像在大海撈針。

但有了 AlphaGenome，AI 已經幫我們圈出了精確的地點！研究團隊精準鎖定 DNM1 外顯子（Exon 10a）上游的 265 個 DNA 字母（鹼基），並設計了一場「高通量飽和突變實驗（High-throughput Saturation Mutagenesis）」：

1. 逐一替換：把這 265 個位置上的字母，一個一個人工替換成其他可能字母。
2. 多細胞系測試：放入 5 種不同的細胞系培養皿中，觀察細胞會不會真的產生異常剪接。

這是一場教科書級別的假說驗證閉環：

這場實驗的結果令人振奮：AlphaGenome 輸出的剪接預測分數，與實際培養皿實驗分類結果的相符程度（AUPRC）高達 0.943（滿分為 1.0）！

這證明了 AI 不僅沒有猜錯，甚至連腦細胞裡微小的剪接動態都算得一清二楚。這不僅為那個六週大的罕病嬰兒家庭找到了病因、評估了復發風險，更為未來的標靶藥物開發奠定了最堅實的起點。

💻 二、 實作：【VCF 檔案解析】用 Python 讀取病患的 VCF 基因身分證總清冊 (vcf_parser.py)

VCF (Variant Call Format) 是生醫界最核心的檔案格式。當醫院對病患進行基因測序後，只會把病患與標準基因組「不一樣的地方」印成這張身分證總清冊。

今天我們撰寫一個不需要安裝複雜外部套件（零依賴）的基礎 VCF 解析器，自動過濾掉品質不佳的雜訊（只保留 FILTER == 'PASS' 的變異）：

💻 程式碼：vcf_parser.py

# vcf_parser.py - 零依賴 VCF 基因身分證解析器
import os
import config

def parse_vcf_file(vcf_path):
    """
    讀取並解析 VCF 檔案，自動過濾 quality 低於標籤的列，
    回傳格式化變異座標清單: ["chr9:128225994:G:A", ...]
    """
    variants_list = []

    # 若檔案不存在，自動生成一個測試用的模擬 VCF 檔案 (Mock VCF)
    if not os.path.exists(vcf_path):
        print(f"💡 [Mock 模式] 建立測試用 VCF 檔案: {vcf_path}")
        with open(vcf_path, "w", encoding="utf-8") as f:
            f.write("##fileformat=VCFv4.2\n")
            f.write("#CHROM\tPOS\tID\tREF\tALT\tQUAL\tFILTER\tINFO\n")
            # 寫入 5 個候選變異，包含病患的 DNM1 致命變異與低品質雜訊
            f.write("chr9\t128225994\t.\tG\tA\t99\tPASS\tDP=45\n")
            f.write("chr9\t128225900\t.\tA\tG\t99\tPASS\tDP=50\n")
            f.write("chr9\t128225910\t.\tC\tT\t20\tLOW_QUAL\tDP=5\n") # 低品質應過濾
            f.write("chr9\t128225920\t.\tT\tC\t99\tPASS\tDP=40\n")
            f.write("chr1\t45678900\t.\tT\tC\t99\tPASS\tDP=60\n")

    print(f"📄 正在解析 VCF 檔案: {vcf_path} ...")

    with open(vcf_path, "r", encoding="utf-8") as f:
        for line in f:
            # 忽略註解開頭的標頭列 (#)
            if line.startswith("#"):
                continue

            parts = line.strip().split("\t")
            if len(parts) >= 7:
                chrom, pos, _, ref, alt, _, filter_status = parts[:7]

                # 1. 品質過濾：只保留通過品管 (PASS) 的變異
                if filter_status == "PASS":
                    # 組裝成 AlphaGenome API 標準格式 "chr:pos:ref:alt"
                    variant_str = f"{chrom}:{pos}:{ref}:{alt}"
                    variants_list.append(variant_str)

    print(f"✅ VCF 解析完成！成功提取 {len(variants_list)} 個高品質候選變異。")
    return variants_list

if __name__ == "__main__":
    vcf_file = "patient_sample.vcf"
    candidate_variants = parse_vcf_file(vcf_file)
    print("\n📦 提取到的變異座標清單:")
    for v in candidate_variants:
        print(f"  • {v}")