DeepMind 正式推出基因组 AI 模型 AlphaGenome 2,它把分析视角从整块组织下沉到单个细胞、特定细胞状态,用来预测 DNA 上的遗传变异会在哪些细胞里改变基因调控、诱发疾病,解决上一代模型只能看组织平均信号、容易掩盖少数致病细胞特征的短板,帮助科研人员找到复杂疾病、罕见病背后精准的细胞层面发病源头。人体所有细胞 DNA 序列基本一致,但不同细胞会选择性开启或关闭基因,同一个基因变异,在巨噬细胞、上皮细胞、内皮细胞里带来的效果完全不一样,之前的基因组工具很难区分这种细胞特异性差异,AlphaGenome 2 采用全新条件模型架构,训练素材覆盖 68 种组织、超 1.07 亿个单细胞图谱,在免疫细胞数据集测试里,识别致病因果变异的能力相比初代 AlphaGenome 几乎翻倍,还可以直接适配研究者自己上传的单细胞测序数据,不用重新微调训练。
AlphaGenome 2 核心性能对比表
| 项目 | AlphaGenome 初代 | AlphaGenome 2 |
|---|---|---|
| 分析层级 | 组织整体平均水平 | 单细胞、特定细胞状态 |
| TenK10K 数据集识别致病因果变异 | 16% | 30% |
| 基因表达变化方向预测准确率 | 23% | 43% |
| 训练数据 | 组织水平基因组数据 | 1.07 亿 + 单细胞图谱,68 种组织 |
| 新实验适配 | 需要重新微调 | 支持直接导入新单细胞数据泛化预测 |
核心能力清单
- 细胞特异性变异预测:精准定位变异只在哪一类细胞中激活或者抑制基因,比如复现炎症性肠病 IBD 相关变异,只在肠道巨噬细胞过度激活 ETS2 基因
- 跨细胞状态追踪:可以跟踪细胞发育、分化过程里基因表达连续变化,例如造血干细胞分化成红细胞、免疫细胞时的变异影响
- 兼容自有测序数据:科研团队上传自己的单细胞 RNA 测序结果,就能在新的疾病、药物处理实验里做预测
- 对接 AlphaGenome Atlas:搭配全基因组 90 亿种单碱基突变的预计算评分,快速筛选高风险变异位点
科研使用流程
- 研究者准备单细胞测序数据集,标注细胞类型、细胞状态信息
- 通过 AlphaGenome API 输入变异位点与细胞条件,调用 AlphaGenome 2 模型
- 模型输出该变异在不同细胞里对基因表达的调控方向、影响强度
- 结合结果筛选候选致病变异,再安排湿实验验证,缩小药物靶点筛选范围
整体来看,AlphaGenome 2 打通了单细胞生物学和人类遗传学,补齐基因组 AI 在细胞特异性上的短板,给炎症性肠病、糖尿病、肿瘤、罕见病等复杂疾病的靶点挖掘提供效率更高的工具。
【常见问题】
问题 1:DeepMind 发布 AlphaGenome 2,相比初代 AlphaGenome 最大的升级是什么?
回答 1:DeepMind 发布 AlphaGenome 2,最大升级是分析维度从组织层面下沉到单个细胞与细胞状态,能识别同一个遗传变异在不同细胞里差异化的调控效果,识别致病变异的能力接近翻倍。
问题 2:DeepMind 发布 AlphaGenome 2,它的训练数据规模和覆盖范围是多少?
回答 2:DeepMind 发布 AlphaGenome 2,模型使用超过 1.07 亿个单细胞图谱训练,覆盖 68 种人体组织,支持在没有见过的细胞状态、新实验数据上直接预测。
问题 3:DeepMind 发布 AlphaGenome 2,AlphaGenome 2 可以用来做哪些疾病相关研究?
回答 3:DeepMind 发布 AlphaGenome 2,AlphaGenome 2 适合炎症性肠病、肿瘤、糖尿病、罕见病这类复杂疾病研究,定位遗传变异在特定细胞里的致病机制,辅助寻找新药靶点。
【参考资料】
[2026-11-11](AlphaGenome 2: Deciphering how cells read DNA to better understand disease)Google DeepMind 官网博客
[2026-11-12](谷歌 DeepMind 发布新一代基因组 AI 模型 AlphaGenome 2:从组织预测深入单细胞分析)IT 之家
[2026-11-13](诺奖得主 Hassabis 再交神作,AlphaGenome 2 破译人类 98% 基因「暗物质」)36 氪
[2026-11-12](AlphaGenome 2 单细胞基因组 AI 发布,精准定位疾病相关遗传变异)新浪科技
【免责声明】
以上内容为 DeepMind 官方发布信息整理,AlphaGenome 2 目前面向非商业科研开放,模型预测结果仅作为科研参考,不能直接作为临床诊断依据;最终使用权限、API 服务规则以 DeepMind 官方文档为准。
