Google DeepMind 发布基因组模型 AlphaGenome 2，转向单细胞类型分辨率

Google Deepmind 发布了 AlphaGenome 2，这是一款用于基因组研究的新 AI 模型。它能预测遗传变异对特定人类细胞类型的影响，找到的相关基因变化数量几乎是前代模型的两倍。

人体每个细胞都携带相同的 DNA 蓝图，但不同细胞类型会开启或关闭不同的基因。心肌细胞读取 DNA 的方式与免疫细胞不同。预测这些差异是基因组学中最大的未解难题之一。Google Deepmind 希望通过 AlphaGenome 2 朝这一方向迈出重要一步。

新模型旨在预测 DNA 序列及其变异如何影响特定的人类细胞类型。据 Google Deepmind 介绍，该模型基于来自 68 种组织的超过 1.07 亿个单细胞图谱训练而成，旨在帮助研究人员揭示疾病的细胞驱动因素。

AlphaGenome 2 从组织层面的概览转向单细胞层面

其前代模型 AlphaGenome 接收一段长达一百万个字母的 DNA 序列，并同时预测其在横跨多种组织的数千项实验中的特性。据 Google Deepmind 称，这种并行方法使模型容量过于分散，难以捕捉亲缘关系相近的细胞类型之间的细微差异。

AlphaGenome 2 则采用条件模型的工作方式。除 DNA 序列外，它还将特定的生物学状态作为额外输入，并针对该单一细胞类型计算影响。该系统基于人类和小鼠 68 种组织的超过 1.07 亿个单细胞图谱训练而成。

除了预测基因表达的强度，该模型还能计算 DNA 在细胞核中的物理包装方式，显示基因组中哪些片段是可访问的。它现在还能预测 DNA 甲基化——一种充当分子开关、用于沉默或激活基因的化学标记。

AlphaGenome 2 还能从单次测量中推断缺失的数据。例如，如果研究人员只测量了某个细胞的基因活性，模型就能为其他特性提供预测，比如某些 DNA 片段包装的松紧程度。这有助于研究人员决定接下来值得开展哪些实验室实验。

AlphaGenome 2 更精准地定位疾病基因和疫苗反应

在包含 28 种原代免疫细胞类型的 TenK10K 基准数据集上，AlphaGenome 2 识别出了约 30% 的因果变异。在 43% 的案例中，它还能正确预测某个变异是上调还是下调基因。经过微调的 AlphaGenome 1 仅达到 16% 和 23%。该系统还能以显著更高的准确度对连续变化建模，例如造血干细胞成熟为红细胞的过程。

该模型完全通过计算，复现了此前在一项研究中发现的炎症性肠病机制。它精确锁定了远离基因的一个调控开关中的 DNA 变异，该变异会选择性地过度激活肠道巨噬细胞中的 ETS2，而其他细胞类型和基因基本不受影响。

新架构的一个关键优势是它能够适应全新的实验而无需重新训练。研究人员只需输入来自几十个细胞的基因活性数据，模型就能计算出该此前未见过的细胞状态下的效应。据Deepmind称，它往往能胜过直接在该数据上训练的专用模型。

应用于一项COVID-19 mRNA疫苗研究的数据时，该模型能可靠地区分疫苗激活的T细胞与静息T细胞，并表明一个与重症COVID-19病例相关的基因变异主要在激活状态下干扰细胞活动。在静息细胞中，这种效应本会不可见。

Deepmind的预计算预测旨在将人类遗传学与细胞生物学联系起来

Deepmind已经为数百种细胞和组织条件预计算了预测结果，部分是为了支持AI驱动的药物开发。这些预计算预测还帮助研究人员分析全基因组关联研究（GWAS）。这些大规模研究将DNA区域与身高或2型糖尿病等性状联系起来，但往往只能在基因组的宽泛区段内粗略定位信号。AlphaGenome 2缩小了可能因果变异的范围，并识别出受影响的细胞类型，例如大脑中的星形胶质细胞或特定免疫细胞。当模型足够自信时，它还会预测突变是上调还是下调某个基因，这是药物开发的一项重要能力。

AlphaGenome 2现已通过API开放用于非商业研究，而商业用户则可通过封闭预览获取访问权限。该系统未获准用于临床诊断。Deepmind还计划很快在其智能体开发平台Google Antigravity上推出专门的AlphaGenome 2功能，届时该模型将与Gemini 4等工具结合，用于自动化研究工作流。

没有炒作的AI新闻——由人类精选

订阅THE DECODER，享受无广告阅读、每周AI新闻简报、每年六期独家“AI Radar”前沿报告、完整档案访问权限以及评论区访问权限。