DeepMind发布AlphaGenome 2：按细胞类型预测基因变异影响，因果变异识别率接近翻倍
谷歌DeepMind于11月11日发布新一代DNA序列模型AlphaGenome 2，可预测基因变异在特定人类细胞类型中的影响。官方称，在TenK10K免疫细胞数据上，它识别出的因果变异约为上一代微调整后模型的近两倍，现已通过API向非商业研究开放。
导读
2026年11月11日，谷歌DeepMind宣布发布 AlphaGenome 2。这是新一代DNA序列模型，用于预测DNA序列及其变异如何影响特定人类细胞类型，帮助科研人员寻找疾病的细胞层面驱动因素。官方强调，人体每个细胞都携带同一套DNA，但不同细胞类型和状态会开关不同的基因；如何预测细微DNA变异在具体细胞中的表达影响，仍是未完全解决的问题。
去年发布的 AlphaGenome 主要预测变异在较宽泛组织层面的分子活性，并配套 AlphaGenome Atlas，覆盖人类基因组中全部约 90亿 种单字母变化的预测。AlphaGenome 2 把视角从组织平均值下钻到细胞类型和细胞状态，并重新设计了模型架构。官方称，这是变异预测性能的一次“阶跃式”提升，也能对模型未见过的细胞或疾病状态给出预测。该模型目前可供非商业研究通过 AlphaGenome API 使用，商业研究则处于私有预览。官方同时注明：AlphaGenome 与 AlphaGenome 2 仅供研究使用，尚未经过临床或诊断用途的验证或批准。
从并行预测到按条件建模
第一代 AlphaGenome 接收约 100万 个字母的DNA序列，并一次性并行预测来自多种组织的数千项实验读出。官方称，这种并行方式会分散模型容量，难以捕捉相近细胞类型之间的细微差别。
AlphaGenome 2 改为条件模型：每次针对一种条件（组织、细胞类型或状态）预测DNA效应。在输入百万字母序列的同时，目标生物学条件会进入架构的每一阶段，从而学习同一段DNA在不同细胞类型中如何被“读出”。条件化还支持跨模态补全：模型把细胞的生物学状态与输出分开，研究者若只输入一种测量（例如单细胞基因活性），模型可以预测尚未测量的性质，如染色质可及性，从而帮助安排下一步实验。
训练数据同时包含人类和小鼠的组织 bulk 数据与单细胞数据，其中单个细胞谱超过 1.07亿 条。除基因表达、组蛋白修饰和染色质可及性等与上一代相同的核心读出外，新模型还增加了研究界广泛要求的 DNA甲基化 预测。
人类细胞图谱联合创始人、剑桥大学干细胞医学教授 Sarah Teichmann 表示，AlphaGenome 2 的一个兴奋点在于，它能直接适应新的单细胞数据而无需重新训练，即使只有少量细胞样本，也能预测新刻画细胞状态中DNA变异的作用方式。
细胞特异性与变异效应
官方给出的主要结果包括：
- 更强的细胞类型特异性：在训练数据之外的基因组区域上，AlphaGenome 2 能更好地解释同一组织内不同细胞类型的基因表达差异，例如追踪人类造血干细胞成熟为红细胞和免疫谱系时的连续表达变化。
- 更高的变异效应召回：在包含 28 种原代免疫细胞类型的大规模单细胞图谱 TenK10K 上，AlphaGenome 2 可靠识别出的因果变异约为 30%（上一代在单细胞数据上微调后及其他专用工具为 16%），方向正确的基因效应约为 43%（对照为 23%），接近翻倍。
- 复现疾病相关发现：一项近期研究显示，远处调控开关上的一个变异会通过过度激活肠道巨噬细胞中的 ETS2 基因驱动炎症性肠病（IBD）。官方称，AlphaGenome 2 在多种肠道免疫细胞上的预测复现了这一发现：它单独标出该因果变异，并显示其选择性地增强肠道巨噬细胞中的 ETS2，对其他细胞类型和基因影响很小。
无需重训即可分析新的细胞状态
研究者可以上传仅数十个细胞的单细胞 RNA-seq 基因活性快照；这些活性会被压缩为细胞状态表示，再用来条件化模型。官方称，该方法在未见过的数据集上可以达到或超过直接在这些数据上训练或微调的模型。
例如，在一项 COVID-19 mRNA 疫苗研究的未见单细胞数据上，AlphaGenome 2 能够区分疫苗激活的免疫 T 细胞与静息 T 细胞，并显示与重症 COVID-19 相关的一个变异在激活状态下对基因活动的干扰更强——这一效应在未激活细胞中会被漏掉。
连接GWAS与单细胞图谱
为帮助科研人员把全基因组关联研究（GWAS）中与性状和疾病相关的大量变异，对应到不断扩展的人体单细胞图谱，官方预先计算了数百种人类细胞和组织条件下、与性状相关变异的 AlphaGenome 2 预测，并用于两类任务：
- 把增强子—基因连接扩展到原代人类细胞类型，例如支持并保护神经元的大脑星形胶质细胞，而不只依赖实验室细胞系上的 CRISPR 筛查
- 在身高到 2 型糖尿病等复杂性状中，帮助锁定更可能起作用的具体变异和细胞类型，并在有把握时预测该变异是上调还是下调基因活动
Genomics Limited 首席执行官 Peter Donnelly 表示，从关联信号走到药物研发所需的机制认识并不容易，DNA序列预测模型是弥合这一缺口的重要工具，他们期待把 AlphaGenome 2 纳入其 Mystra 平台。
获取方式与后续
AlphaGenome 2 以及用于表达条件化的交互式 Colab 教程已向非商业研究通过 AlphaGenome API 开放，商业研究为私有预览。官方还计划很快在其智能体开发平台 Google Antigravity 中发布 AlphaGenome 2 Skills，并希望将其与 Gemini 4 等智能体科研工具结合，加速发现。
来源
Google DeepMind 博客 2026-11-11，AlphaGenome 2: Deciphering how cells read DNA to better understand disease。文中性能数字与案例均来自该博文，属研究团队公布结果；该模型尚未获批用于临床或诊断。