BLOG / 2026.11.12
11 月 11 日,Google DeepMind 发布 AlphaGenome 2。官方把它写成下一代 DNA 序列模型:预测遗传变异如何影响特定的人类细胞类型和状态,而不只是组织层面的平均值。
本文从 DeepMind 发布博客和同步给出的预印本,分别核对模型改了什么、关键召回数字采用何种评测口径;本站没有调用研究 API。
博客写,AlphaGenome 2 已通过 AlphaGenome API 向非商业研究开放,商业研究仍是私密预览。文末写明:该模型仅供研究使用,尚未通过临床或诊断用途的验证。
在 TenK10K 这张覆盖 28 种原代免疫细胞的单细胞图谱上,官方写:AlphaGenome 2 识别出的因果变异,大约是「初代模型经单细胞微调后」的两倍。
一次只看一个条件,不再把容量摊到所有组织上
初代 AlphaGenome 接收约 100 万个碱基的 DNA 序列,然后对许多组织和细胞系的实验读数做平行预测。官方承认,这样做有效率,但模型容量会被摊薄,也不容易抓住相近细胞类型之间的细微差别。
AlphaGenome 2 改成了条件模型。除了同样长度的 DNA 序列,它还把目标生物学条件——组织、细胞类型或状态——送进架构的每一个阶段,专门预测这一条件下 DNA 会被怎样「读」。

预印本 Figure 1 把输入写得更具体:1-Mb DNA 序列、目标条件,以及人还是小鼠的物种标识。条件既可以来自参考目录里的离散细胞类型,也可以由科学家自己的单细胞表达数据,经 cell encoder 现场生成。

训练规模上,博客概括为超过 1 亿个单独细胞图谱、覆盖 68 种组织。预印本在 Figure 1 和正文里给出更精确的数字:cell encoder 在超过 1.07 亿个人类 scRNA-seq profiles 上训练。两种说法分别来自发布博客和论文。
预测的读数沿用初代的基因表达、组蛋白修饰和染色质可及性,并新增了官方称为「被广泛要求」的 DNA 甲基化。条件模型还被用来做跨模态补全:如果只输入一种测量,例如单细胞基因活性,模型可以再预测尚未测量的性质,例如染色质可及性。
30% 和 16%,说的是高精确率档上的召回
博客把性能提升概括为:在细胞内改变基因表达的变异上,AlphaGenome 2 识别出的数量几乎是此前最强模型的两倍。对应的硬数字是 TenK10K 上的 30% 对 16%(因果变异),以及 43% 对 23%(方向性基因效应)。
预印本 Figure 2e 给了更紧的口径:这些增益集中在高精确率工作点。TenK10K 因果变异任务是在 90% 精确率处比较召回,AG1-sc 为 16%、AG2 为 30%;其整体 AUPRC 分别为 0.72 和 0.76,Scooby 为 0.69。方向性基因效应任务是在 90% 符号准确率处比较召回,AG1-sc 为 23%、AG2 为 43%;整体 AUC 分别为 0.79 和 0.85,Scooby 为 0.77。IBDverse 的符号预测在 90% 符号准确率处则从 31% 升到 45%。

也就是说,30% 和 43% 不是「所有阈值下的诊断准确率」,而是特定单细胞 QTL 任务、在高精确率工作点上的召回或符号成绩。整体曲线下的面积提升更小,而且对照里包含对初代模型做单细胞微调后的 AG1-sc,以及其他专门工具。
博客另给了一张造血分化的表达热图:观察值、AlphaGenome 2 预测和经单细胞微调的 AlphaGenome 1 预测并排展示。官方的说明是,AG2 的预测更接近真实观察到的基因表达,更能跟上造血干细胞逐步成熟为红细胞和免疫谱系时的连续变化。
机制例子也写在发布页上。一项已发表研究显示,一处远离基因的调控开关变异,会通过在肠道巨噬细胞中过度激活 ETS2 来推动炎症性肠病。官方写,AlphaGenome 2 在多种肠道免疫细胞上复现了这一发现:它挑出该因果变异,并显示它对 ETS2 的提升主要发生在肠道巨噬细胞,对其他细胞类型和基因大体无影响。
新的单细胞实验,可以不重新训练
官方把另一项能力放得很靠前:AlphaGenome 2 能推广到全新的单细胞实验,而不需要再训练。科学家可以上传一份 scRNA-seq 快照;博客写,哪怕只有几十个细胞的基因活性,也会被压缩成细胞状态表示,再用来条件化模型。
一个具体例子来自此前未见过的新冠 mRNA 疫苗研究数据。官方写,模型区分了疫苗激活的免疫 T 细胞和静息 T 细胞,并显示一个与重症新冠相关的变异,在激活态下对基因活动的干扰更强——这种效应在未激活的细胞里会被漏掉。
对人遗传学研究,官方还预计算了与性状相关的变异在数百种人类细胞和组织条件下的预测,用来补两件常见缺口:把增强子和目标基因的联系扩展到原代细胞,以及在身高到 2 型糖尿病这类复杂性状里,帮助定位更可能起作用的变异、基因和细胞类型。当模型有把握时,它还会预测变异是把基因活性调高还是调低。
研究 API 已经开放,临床用途还没有被验证
今天能直接用的,是面向非商业研究的 AlphaGenome API,以及配套的交互 Colab 教程。商业研究仍是私密预览。官方预告稍后会在智能体开发平台 Antigravity 中提供 AlphaGenome 2 Skills,但那是后续计划,不是已经可验收的产品开关。
预印本的 PDF 元数据时间是 2026 年 11 月 10 日 21:54(Asia/Shanghai),博客则在 11 月 11 日正式宣布。两者是同一工作的论文稿与发布稿,不构成两个事件。
无论是 30% 的召回,还是疫苗数据上的状态差,都还停在研究评测和回顾性解释。官方自己写了研究用途限制,也没有把新增的甲基化预测写成临床可用指标。
Unsere Einschätzung:AlphaGenome 2 真正往前走的一步,是把预测从组织平均改成按细胞类型条件化,并在 TenK10K 的高精确率档上把因果变异召回从 16% 提到 30%。这是研究工具的进步,不能写成已经可用于临床诊断。


评论列表 (0条):
加载更多评论 Laden...