DeepMind 发布 AlphaGenome 2：深入单细胞分析，基因表达变异识别能力接近翻倍

据 IT之家 11 月 12 日报道，谷歌 DeepMind 于当地时间 11 月 11 日发布基因组 AI 模型 AlphaGenome 2，将 DNA 变异影响的预测从组织整体推进到特定细胞类型和状态。新模型使用覆盖 68 种组织、超过 1.07 亿个来自人类和小鼠样本的单细胞图谱训练，旨在帮助研究人员更细致地定位疾病相关遗传变异，目前已向非商业研究开放 API。

从组织到细胞：预测加入生物学条件

人体多数细胞拥有相同的 DNA，却会根据功能与状态开启不同基因。同一种遗传变异，在心肌细胞、静息免疫细胞和应对感染的免疫细胞中，可能产生不同影响。只看组织整体信号，容易掩盖这些细胞层面的差异。

上一代 AlphaGenome 主要预测不同组织的整体分子活动。此次升级的核心是条件模型架构：研究人员可将目标组织、细胞类型或细胞状态作为输入，让预测对应更具体的生物学环境，而不只是给出宽泛的组织级结果。

据谷歌介绍，新模型识别出的基因表达相关遗传变异接近上一代的两倍。在覆盖 28 种原代免疫细胞类型的 TenK10K 数据集测试中，两项结果分别为：

• 致病因果变异识别比例为 30%，上一代经单细胞数据微调后为 16%。
• 基因表达变化方向的准确识别比例为 43%，上一代为 23%。
• 预测指标除基因表达外，还包括组蛋白修饰、染色质可及性，以及上一代未支持的 DNA 甲基化。

这些结果显示出特定测试中的提升，但不能将“接近翻倍”理解为所有任务的准确率都翻倍，也不能直接等同于临床诊断能力。

无需重新训练，分析未见过的细胞状态

AlphaGenome 2 的另一项变化，是支持在不重新训练或微调的情况下分析此前未见过的细胞类型和状态。研究人员上传少量单细胞 RNA 测序数据后，模型可根据基因活动特征生成预测，用于探索疾病进展、药物处理或疫苗接种带来的变化。

DeepMind 展示的新冠病毒 mRNA 疫苗研究案例中，模型能够区分激活与静息状态的免疫 T 细胞，并预测一种与重症 COVID-19 相关的遗传变异，在细胞激活后对基因活动影响更明显。模型还支持跨模态推断，例如依据基因活动数据，预测尚未测量的染色质可及性，为实验设计提供参考。

产业解读：让 AI 更贴近生物研究问题

对 AI 科研工具而言，这次升级的意义不仅是扩大数据规模，更是让模型回答“某个变异在什么细胞、什么状态下起作用”。在炎症性肠病案例中，模型通过计算重现了既有研究的部分发现，识别出影响肠道巨噬细胞中 ETS2 基因活动的遗传变异，有助于连接疾病关联信号、细胞类型与作用基因。

这种能力有望帮助研究人员筛选实验方向，但计算预测仍需实验验证。目前非商业研究可通过 AlphaGenome API 使用，商业研究用户需申请小范围私有预览。DeepMind 强调，模型仅供科学研究，尚未经过临床或诊断用途的验证与批准。