模型动态前沿资讯

DeepMind 发布 AlphaGenome 2:按细胞类型预测基因变异如何被读出

约 5 分钟阅读

AI最前沿 88Z.ai 11 月 12 日消息,Google DeepMind 于 2026 年 11 月 11 日宣布 AlphaGenome 2。该模型把输入从组织平均水平细化到具体细胞类型或状态,官方称在相关评测中识别出的可改变基因表达的变异数量约为上一代的两倍,并已通过 API 向非商业研究开放。

消息要点

  • DeepMind 于 2026 年 11 月 11 日发布 AlphaGenome 2,按特定细胞类型或状态预测 DNA 变异效应。
  • 新模型改为条件式架构,并在超过 1.07 亿个细胞图谱、68 种组织的数据上训练,同时新增甲基化预测。
  • 官方称它识别出的可改变基因表达的变异数量接近上一代的两倍;在 TenK10K 上报告的因果变异识别率为 30% 对 16%。
  • 非商业研究已可通过 AlphaGenome API 使用,并提供 Colab 教程;商业用途为私人预览。Antigravity Skills 仍是官方预告,尚未写明已上线。
DeepMind AlphaGenome 2 发布示意:按细胞类型解读 DNA 变异
DeepMind AlphaGenome 2 发布示意:按细胞类型解读 DNA 变异

从组织平均,推进到具体细胞

2026 年 11 月 11 日,Google DeepMind 发布博客,介绍下一代 DNA 序列模型 AlphaGenome 2。官方把它定位为连接单细胞生物学与人类遗传学的工具,用于预测基因变异如何影响数百种人类细胞类型。去年推出的 AlphaGenome 主要预测变异对较宽组织范围内分子活动的影响,并曾通过 AlphaGenome Atlas 提供对人类基因组中约 90 亿种可能单碱基变化的预测。

DeepMind 认为,关键局限在于组织平均值可能掩盖只在特定细胞里起作用的变异。AlphaGenome 2 的目标,是把视角从组织平均推进到单独的细胞类型和细胞状态,从而捕捉那些在宽组织模型里会被错过、又与疾病相关的效应。官方同时表示,模型也可以对尚未直接见过的细胞或疾病状态给出预测。

条件式架构和更细的训练数据

官方对比了两代模型的设计。第一代 AlphaGenome 接收约 100 万个碱基的 DNA 序列后,会并行预测多种组织和细胞系的实验结果,效率较高,但模型容量会被摊薄,也较难分辨相近细胞类型之间的细微差别。AlphaGenome 2 改成条件模型:每次针对一种条件做预测,这个条件可以是组织、细胞类型或状态,并在模型各阶段与 DNA 序列一起输入。条件可以从参考细胞类型目录中选择,也可以由细胞编码器根据研究者自己的单细胞实验即时生成。

博客写明,AlphaGenome 2 在人类和小鼠的批量数据与单细胞数据上训练,其中包括超过 1.07 亿个单独细胞图谱,覆盖 68 种组织。它继续预测基因表达、组蛋白修饰和染色质可及性等核心读数,并新增了DNA甲基化。官方还提到一种跨模态补全能力:在只输入一种测量(例如单细胞基因活性)时,模型可以预测尚未测量的性质,例如染色质可及性,从而帮助研究者决定下一步实验。

官方给出的性能数字,以及可以复现的研究案例

DeepMind 称,与此前最先进的模型相比,AlphaGenome 2 识别出的、会改变细胞中基因表达的变异数量接近两倍。在训练数据之外的基因组区域,官方称它能更好地解释同一组织内不同细胞类型的表达差异,例如人类造血干细胞逐步成熟为红细胞和免疫谱系时的连续变化。

在 TenK10K 数据集(28 种主要免疫细胞类型的大规模单细胞图谱)上,官方给出的对比是:AlphaGenome 2 可靠识别的因果变异比例为 30%,上一代在单细胞数据上微调后以及其他专用工具为 16%;方向性基因效应为 43% 对 23%。这些数字来自 DeepMind 自己的评测,读者应把它理解为官方报告结果,而不是独立复核后的结论。

博客还用已发表的炎症性肠病研究做了计算复现:一个位于远端调控开关的变异,会在肠道巨噬细胞中过度激活 ETS2 基因。官方称 AlphaGenome 2 能单独标出该因果变异,并显示它主要在肠道巨噬细胞中增强 ETS2,对其他细胞类型和基因影响较小。对于新冠 mRNA 疫苗研究中未见过的单细胞数据,官方称模型能区分活化与静息的免疫 T 细胞,并提示一个与重症相关的变异在活化状态下对基因活动的干扰更强。

研究者现在能怎么用,以及仍要注意的边界

DeepMind 写明,AlphaGenome 2 已通过 AlphaGenome API 向非商业研究开放,并提供用于表达条件的交互式 Colab 教程;商业研究则处于私人预览。官方还预告将在其智能体开发平台 Google Antigravity 中发布 AlphaGenome 2 Skills,但博客只用了 soon,因此目前不能把它当成已经上线的功能。

对关注药物发现的读者,官方引用了 Genomics Limited 首席执行官的评价,认为该类 DNA 序列预测模型有助于把全基因组关联研究的信号,推进到更接近药物项目所需的因果变异、靶基因和细胞类型信息。这仍是研究工具,不是诊疗建议。想跟踪后续进展,应以 DeepMind 博客、论文和 API 文档为准,并在使用预测结果时保留实验验证。

资料来源与整理说明

本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述,未将其视为本站实测或独家采访结论。

  1. Google DeepMind原始资料发布于

以上日期为原始资料发布日期;标题下方日期为本文在 AI最前沿的发布时间。

相关阅读

全部资讯
Ai最前沿