AlphaGenome 2 深入单细胞层面解析基因变异影响
DeepMind 新模型基于超1亿份细胞画像，预测基因变异在不同组织、细胞类型和状态下的差异化作用。
更具条件性的基因预测
Google DeepMind 发布 AlphaGenome 2，用于预测基因变异如何影响具体的人体细胞类型。模型既可以根据预设的细胞类型进行推断，也能读取研究人员自己的单细胞实验数据，生成相应的细胞状态条件。
DeepMind 表示，AlphaGenome 2 使用了覆盖68种组织、超过1亿份单细胞画像的数据训练。按照公司公布的评测结果，与上一代模型相比，它能识别出近两倍会改变细胞基因表达的变异。
从组织平均值走向细胞细节
初代 AlphaGenome 会同时对多种组织和细胞系进行预测，而第二代模型一次专注于一个生物学条件。这让它能够捕捉同一段 DNA 在心肌细胞、免疫细胞或其他专门细胞中可能被不同解读的情况。
这正对应人类遗传学中的一个难题：某个与疾病相关的变异，在组织平均数据里可能几乎没有信号，却会显著改变某一类稀有细胞的基因活动。更细的预测有望帮助研究人员筛选需要实验验证的变异，并把遗传变化与疾病机制连接起来。
模型还支持跨模态补全。研究人员只提供单细胞实验中的一项测量，例如基因活性，系统便可以估计染色质可及性等未测指标。DeepMind 称，加入新的实验数据时无需重新训练整个模型。
仍需实验验证
AlphaGenome 2 已通过 API 向非商业研究开放，商业研究则处于私有预览阶段。它仍然是预测工具，不是临床诊断系统。最终价值取决于实验复现、数据质量，以及研究人员能否把相关性推进到因果机制。
真正重要的变化并不只是模型变大，而是遗传风险分析开始把“具体细胞状态”作为关键单位。