Google DeepMind 发布 AlphaGenome 2：按单个细胞类型预测 DNA 变异效应，训练数据超 1 亿个单细胞档案，因果变异检出率近翻倍，API 今起开放非商业研究

核心背景与行业痛点

人体几乎每个细胞都带着同一套 DNA，但心肌细胞、免疫细胞各自打开和关闭的基因不同，同一个单碱基变异可能只在某一类细胞里致病。全基因组关联研究（GWAS）能找到与疾病相关的 DNA 区段，却很难确定真正的致病变异、目标基因和起作用的细胞。DeepMind 去年发布的 AlphaGenome 只能对整片组织做平均预测，只在少数细胞里起作用的效应容易被平均掉。

架构亮点与底层机制

AlphaGenome 2 改成条件模型：输入百万碱基的 DNA 序列，同时输入一个目标条件（组织、细胞类型或细胞状态），每次只预测这一个条件下的结果。条件既可以从参考细胞目录里选，也可以由「细胞编码器」从研究者自己的单细胞实验里现场生成。模型把细胞状态和输出分开建模，因此能做跨模态补全：只给单细胞基因活性，就能预测未测的染色质可及性。读数在一代的基因表达、组蛋白修饰、染色质可及性之外，新增了 DNA 甲基化。训练数据包括人和小鼠的 bulk 与单细胞数据，单细胞档案约 1.07 亿个。

权威 Benchmark 与实测跑分对比

以下均为官方/厂商口径：在包含 28 种原代免疫细胞的 TenK10K 数据集上，AlphaGenome 2 找出的因果变异占 30%，前代（单细胞数据微调版）和其他专用工具为 16%；方向性基因效应 43% 对 23%。官方还称它在肠道巨噬细胞中复现了 ETS2 远端调控变异驱动炎症性肠病的已知发现。目前没有第三方独立复测。据 The Verge 采访，项目负责人 Žiga Avsec 表示二代推理成本更高，不会取代一代，覆盖 90 亿种单碱基变异的 AlphaGenome Atlas 仍基于一代。

开发者实战落地与开箱指南

非商业研究者今天就可以通过 AlphaGenome API 调用二代模型，官方提供表达条件化的交互式 Colab 教程；商业机构需申请私有预览。DeepMind 还为 GWAS 性状变异预先算好了数百种细胞和组织条件下的分数，可以直接查，不用自己跑大规模计算。官方表示 AlphaGenome 2 Skills 将上线 Google Antigravity，供 Gemini 4 智能体调用。模型仅限科研用途，未经临床或诊断验证。