2026-11-11,Google DeepMind发布AlphaGenome 2及研究预印本,目标是从DNA序列预测不同细胞、组织和状态下的基因调控结果。模型一次可接收最长100万碱基的序列,并把细胞类型等条件纳入预测,试图在长程调控范围和单细胞分辨率之间取得兼顾。
发布方称,训练材料覆盖68种组织、超过1亿个单细胞表达与染色质可及性谱,并加入人类甲基化等信号。模型可输出转录、剪接、染色质状态和变异影响等多类结果。这里的“条件”很关键:同一变异可能在不同细胞环境中产生不同效应,因而不能只用一个平均组织标签解释。
在作者给出的评测中,AlphaGenome 2识别出的表达关联变异接近上一代模型的两倍。该说法来自发布团队设计和执行的基准,公开页面没有证明所有任务、疾病类别或族群都获得相同增益,也不能把预测相关性等同因果机制或临床诊断准确率。独立实验和湿实验验证仍不可替代。
可用性方面,DeepMind通过API向非商业研究免费开放,并提供商业用途的私有预览申请。发布并未同时开放模型权重,API输出也受使用条款约束;因此它不是完整开源模型。研究团队在处理患者来源序列时仍需遵守数据授权、隐私和机构审查要求。
当前证据由模型开发方博客、预印本和方法说明构成,能够确认模型范围与开放阶段,但尚无独立复现或跨实验室前瞻验证。特别是罕见变异、非欧洲人群、发育状态和疾病微环境中的泛化,不能从总体基准直接推断。医疗使用者不应依据单次模型评分作诊断或治疗决策。
量仔观察
该模型对功能基因组研究者、药物靶点团队和变异解释工具开发者具有较高价值,合适动作是把它加入候选排序和假设生成,而非替代实验。读者可先用公开基准和自有已知样本做盲测,并记录API版本。下一观察点是预印本同行评议、独立湿实验、不同人群泛化及商业访问和数据处理条款。
