AlphaGenome 2:解读细胞如何读取 DNA,以更好地理解疾病
2026-11-17 · Google DeepMind
发布与定位
AlphaGenome 2 是新一代 DNA 序列模型,原文标注日期为 2026 年 11 月 11 日,发表于 Science。它预测 DNA 序列及其变异如何影响特定人类细胞类型和状态,为科学家揭示疾病的细胞驱动因素提供新工具。
背景:同一套 DNA,不同的细胞读取方式
细胞是生命的基本单位。人体每个细胞携带相同的 DNA 蓝图,但心脏肌细胞、抵抗感染的免疫细胞等不同细胞类型和状态会开启或关闭不同基因。Human Cell Atlas 等全球计划正在绘制数百万细胞的基因表达图谱,但预测细微 DNA 变异如何影响细胞中的基因表达仍未解决,而这是人类性状与疾病的关键驱动因素。
从组织平均到条件式细胞建模
此前发布的 AlphaGenome 可预测 DNA 变异如何影响广泛组织中的分子活动;AlphaGenome Atlas 则覆盖人类基因组中全部 90 亿种可能的单字母变化。AlphaGenome 1 从一百万个字母的 DNA 序列出发,并行输出大量组织与细胞系的固定结果。并行方式效率高,但会分散模型容量,难以捕捉相近细胞类型间的细微差异。
AlphaGenome 2 改为条件模型:除一百万个字母的 DNA 序列外,它在架构的每个阶段都接收目标生物条件作为输入。该条件可定义为组织、细胞类型或状态,可从参考目录中选择,也可通过 cell encoder 从科学家自己的单细胞实验中即时生成。这样,模型能学习同一段 DNA 在不同细胞类型中如何被不同读取。
训练数据与预测输出
模型在人类和小鼠的 bulk 与单细胞数据上训练,包含超过 1.07 亿个个体细胞图谱、覆盖 68 个组织。它预测基因表达、组蛋白修饰、染色质可及性等 DNA 功能核心实验读数,并新增 DNA 甲基化。条件模型还支持跨模态填补:模型将细胞生物状态与输出分离,因此输入一种测量(如单细胞基因活性)后,可预测未测量属性(如染色质可及性),帮助研究人员确定后续实验优先级。
性能表现
AlphaGenome 2 在细胞中识别出的改变基因表达的变异数量,接近此前最先进模型的两倍。它提升了细胞类型特异性:在训练数据之外的基因组区域,模型能解释同一组织内不同细胞类型之间基因表达差异的显著更多部分,并可追踪连续变化,例如人类血液干细胞成熟为红细胞和免疫谱系的过程。在覆盖 28 种原代免疫细胞类型的大规模单细胞图谱 TenK10K 上,与经单细胞数据微调的原 AlphaGenome 及其他专用工具相比,它识别出的因果变异接近两倍(30% 对 16%),方向性基因效应也接近两倍(43% 对 23%)。
剑桥大学干细胞医学教授、Human Cell Atlas 联盟联合创始人 Sarah Teichmann 表示,AlphaGenome 2 可直接适应新的单细胞数据而无需重新训练,并能基于哪怕少量细胞,预测 DNA 变异在新近分析的细胞状态中的作用。
可用性
AlphaGenome 2 即日起通过 AlphaGenome API 面向非商业研究开放;商业研究可通过 Google Cloud 进行私测预览。