同一个基因突变，为何仅导致特定细胞病变？谷歌 DeepMind 最新模型 AlphaGenome 2 首次将答案精确至单细胞级别。
继去年发布 AlphaGenome 并上线涵盖人类基因组 90 亿种单碱基突变预测的 AlphaGenome Atlas 后，谷歌 DeepMind 今日正式推出新一代 DNA 序列模型——AlphaGenome 2。
此次升级的核心突破在于，将分析维度从“组织平均水平”细化至“单个细胞类型”，有效填补了单细胞生物学与人类遗传学之间的技术断层。官方数据显示，在单细胞数据层面，AlphaGenome 2 识别出的致病相关变异数量较上一代提升近一倍。
从模糊全景到像素级解析
尽管人体所有细胞共享同一套 DNA 蓝图，但心肌细胞与免疫细胞等功能差异巨大，源于基因开关的不同组合。长期以来，遗传学面临的一大难题是：为何单一碱基变异仅在特定细胞中致病，而在其他细胞中毫无影响。
传统模型依赖“整块组织”的平均信号，如同观看模糊照片，难以捕捉局部细节。DeepMind 指出，组织平均化往往掩盖了单细胞层面的关键生物学事件。AlphaGenome 2 通过聚焦单一细胞类型，实现了从宏观概览到微观精准解析的跨越。
核心架构重构：引入条件化模型
第一代 AlphaGenome 采用并行预测模式，输入百万碱基序列即可输出数千种组织实验结果。虽效率较高，但模型容量被分散，难以区分相近细胞类型的细微差异。
AlphaGenome 2 对架构进行了彻底重构，转变为“条件化模型”（conditional model）：
输入包含百万碱基 DNA 序列及目标条件（特定组织、细胞类型或状态）；
目标条件以 256 维向量形式，注入编码器、Transformer 和解码器的各个环节；
模型从而习得同一段 DNA 在不同细胞环境下的差异化“读取”机制。
该设计衍生出“跨模态补全”能力：模型将“细胞生物状态”与“实验输出”解耦。研究人员只需输入部分测量数据（如单细胞基因活性），模型即可预测未测属性（如染色质可及性），辅助实验设计。
在训练数据方面，AlphaGenome 2 整合了来自人类和小鼠的超 1.07 亿条单细胞图谱，覆盖 68 种组织。除保留基因表达、组蛋白修饰和染色质可及性预测外，新增 DNA 甲基化预测功能。
零训练适配新数据，性能显著提升
AlphaGenome 2 的另一大亮点是无需重新训练即可适配全新的单细胞实验数据。科学家上传少量细胞的 scRNA-seq 快照，模型将其压缩为细胞状态表征并作为条件输入，即可预测未知细胞状态下 DNA 变异的影响，且效果媲美甚至超越专门微调的模型。
人类细胞图谱联盟联合创始人 Sarah Teichmann 评价称，该模型仅需小样本即可预测新细胞状态下的变异作用，极具应用价值。
典型应用场景验证
新冠疫苗研究：输入模型未见过的 COVID-19 mRNA 疫苗单细胞数据，AlphaGenome 2 成功区分激活态与静息态 T 细胞，发现某重症相关变异仅在细胞激活状态下强烈扰乱基因活性，而在静息细胞中无此效应。
炎症性肠病（IBD）研究：模型通过计算复现了既往发现：锁定位于远端调控开关上的致病变异，证明其仅在肠道巨噬细胞中选择性上调 ETS2 基因，对其他细胞类型几无影响。
性能指标大幅优化
在覆盖 28 种原代免疫细胞的大规模单细胞 eQTL 图谱 TenK10K 数据集上：
致病变异召回率达 30%（上一代微调后为 16%）；
方向性基因效应识别率提升至 43%（上一代为 23%）；
在保持 90% 精度的前提下维持高召回水平。
此外，模型在训练数据之外的基因组区域表现优异，能清晰追踪造血干细胞向红细胞和免疫细胞成熟过程中的表达变化。但在可及染色质之外区域，变异方向预测的 AUROC 上限约为 0.63，DeepMind 对此保持了学术坦诚。
打通 GWAS 与单细胞图谱鸿沟
全基因组关联研究（GWAS）已发现大量与疾病相关的变异，但从“关联信号”推导至“致病变异、靶基因及作用细胞类型”仍存在巨大计算障碍。DeepMind 通过预计算数百种人类细胞和组织条件下的性状相关变异预测结果，重点解决两大痛点：
1. 增强子-基因连线：将增强子与基因的映射关系扩展至原代人类细胞类型（如脑星形胶质细胞），弥补了实验室细胞系 CRISPR 筛选的局限性。
2. 锁定致病 GWAS 变异：通过预计算变异打分，协助研究人员锁定身高、2 型糖尿病等疾病中最可能的致病变异及特定细胞类型，并预测其对基因活性的调节方向。
Genomics Limited CEO Peter Donnelly 表示，将把 AlphaGenome 2 整合进 Mystra 平台，认为这是人类遗传学迈向药物研发的重要进步。
从 AlphaFold 破解蛋白质折叠，到 AlphaGenome 解读基因组调控，再到 AlphaGenome 2 实现单细胞分辨率，DeepMind 正逐步完善其科学智能版图，为科学家提供逐细胞阅读生命密码的有力工具。
https://deepmind.google/blog/alphagenome-2-deciphering-how-cells-read-dna-to-better-understand-disease/?utm_source=x&utm_medium=social&utm_campaign=&utm_content=