谷歌發布新一代序列模型，可預測序列及其變異對特定人体細胞類型的影響，為科研人員挖掘疾病的細胞驅動因素提供全新工具。

人体每個細胞都攜帶著相同的 DNA 蓝圖，但不同類型的細胞會通過開啟或關閉不同的基因來完成特定的功能。全球的人體細胞圖譜項目已經對數百萬個細胞的基因表達進行了繪製，但預測微小的 DNA 變異如何影響細胞基因表達，仍是一道尚未解決的難題。

此前谷歌已推出初代AlphaGenome，可预测DNA变异对广泛组织分子活性影响，并推出了覆盖人类基因组全部90亿种单字母变异预测的AlphaGenome Atlas，助力罕见病、复杂性状与基础生物学研究。

AlphaGenome 2 将從廣泛的組織平均水平縮小到單個細胞類型與狀態，並重新構建了模型架構，變異預測性能實現階躍式提升，能捕捉到廣泛組織模型中遺漏的與疾病相關的細胞中的變異效應，還能對模型未曾見過的細胞與疾病狀態進行預測。

與之前的最佳模型相比，AlphaGenome能識別出近兩倍數量的、可改變細胞內基因表達的突變。該模型基於68種組織的超過1億個單細胞圖譜進行訓練，將靜態細胞圖譜轉化為人類遺傳學的預測引擎。目前該模型已通過AlphaGenome API面向非商業研究開放，商業研究則處於私人預覽階段。

初代 AlphaGenome 可以一次读取長達百萬個字母的 DNA 序列，同步預測多類組織、數千項實驗的相關屬性。這種並行方式效率較高，但會分散模型的計算能力，難以捕捉近緣細胞類型之間的微細差異。

谷歌對模型處理細胞類型的邏輯進行了根本性的重構。不再採用並行預測模式，而是採用條件式模型，單次僅針對一種條件（組織、細胞類型或細胞狀態）進行預測。除了長達百萬個字母的序列外，模型在架構的每個階段都將目標生物條件作為輸入，能夠學習同一段序列在不同細胞類型中的讀取差異。

條件式架構還支持跨模態數據填充，可預測缺失的實驗數據。模型會將細胞的生物狀態與輸出結果分離，若科研人員僅輸入單細胞基因活性這類單類測量數據，AlphaGenome 2 即可預測染色質可及性等未測量屬性，幫助科研人員規劃後續實驗方向。

AlphaGenome 2 同時基於人類與小鼠的組織塊、單細胞數據完成訓練，納入了超過 1.07 億個單細胞圖譜。跳出初代模型的組織塊平均水平後，該模型能解析心肌、血液免疫細胞等特化細胞內部的活性，挖掘僅在特定細胞類型中發揮作用的关键 DNA 突變。

該模型保留了初代模型支持的基因表達、組蛋白修飾、染色質可及性等核心功能實驗指標，還新增了備受歡迎的甲基化預測能力。

AlphaGenome 2在特定細胞的基因調控預測方面性能顯著提升，可幫助科研人員精確定位疾病相關變異。

細胞特異性提升：在訓練數據未覆蓋的基因組區域，AlphaGenome 2 可以更好地解釋同一組織內不同細胞類型間的基因表達差異，能夠追蹤人體造血幹細胞成熟為紅細胞、免疫細胞譜系過程中基因表達的連續變化。

變異效應預測提升：在覆蓋28類原代免疫細胞的TenK10K大型單細胞數據集測試中，AlphaGenome識別出的因果變異佔比達30%、基因效應方向判斷準確率達43%，相比初代AlphaGenome的16%、23%接近翻倍，可幫助科研人員發現此前被忽略的候選變異。

精確定位疾病相關變異：此前的一个里程碑研究發現，一段遠端調控序列的變異會通過過度激活腸道免疫巨噬細胞中的 ETS2 基因，誘發炎症性腸病。AlphaGenome 在計算層面複現了該結論，精確定位到該因果變異，證明其僅會選擇性提升腸道巨噬細胞的 ETS2 基因活性，對其他細胞類型與基因幾乎無影響。

AlphaGenome 2 无需重新訓練，即可泛化到全新的單細胞實驗場景。科研人員只需上傳數十個細胞的單細胞 RNA 測序基因活性快照，模型即可將其壓縮為細胞狀態表征，作為條件輸入處理從未見過的細胞狀態，性能可媲美甚至超過直接在對應數據集上訓練或微調的模型。

該能力讓 AlphaGenome 2 能夠預測疾病、疫苗接種等場景下全新細胞狀態的變異效應與基因調控規律。例如在針對新冠病毒 mRNA 疫苗的前所未見的單細胞數據測試中，AlphaGenome 2 能夠區分疫苗激活的免疫 T 細胞與靜息狀態的 T 細胞，還揭示了與新冠病毒重症相關的變異，在細胞激活狀態下對基因活性的干擾更強——這種效應在未激活細胞中會被完全遺漏。

搭建人类遺傳學與單細胞生物學的關聯，是理解疾病的重要途徑。其中的關鍵環節，是在將全基因組關聯研究（GWAS）發現的數千種性狀、疾病相關變異，與日益完善的人體單細胞圖譜建立對應關係。

為避免科研人員自行開展大規模計算，谷歌已預先計算了 AlphaGenome 2 针對數百種人類細胞與組織條件下、性狀相關變異的預測結果，解決兩大核心難題：

• 真實人類細胞類型中的增強子-基因關聯映射：大量疾病相關突變位於稱為增強子的遠端調控序列中，其效應難以追蹤。由於CRISPR實驗大多使用穩定的實驗室培養細胞系，科研人員往往缺乏人體特定細胞的調控關聯圖譜。AlphaGenome將增強子-基因映射能力拓展至人腦星形膠質細胞等原代人體細胞，幫助科研人員定位疾病發生的特定細胞中，調控突變與靶基因的對應關係。
• 精確定位 GWAS 因果變異及其作用細胞：全基因組關聯研究通常標出與疾病相關的廣泛 DNA 段落，科研人員往往無法高置信度地定位具體的因果變異、靶基因與作用細胞類型。在身高、2型糖尿病等多種複雜性狀的分析中，AlphaGenome 2的預計變異評分可幫助定位最相關的特定變異與細胞類型，在置信度充足時，模型還能準確預測變異是上調還是下調基因活性，為理解基因的致病作用提供關鍵線索。

隨著科研人員在單細胞層面繪製出更多人體圖譜，AI 模型的性能將持續提升。谷歌正與惠康桑格研究所等機構開展持續合作，計劃對更廣泛的人類細胞類型、發育譜系、擾動細胞狀態進行分析，期待全球科研人員能借助 AlphaGenome 2 的細胞特異性預測能力，挖掘基因變異在不同細胞中的作用規律，揭示基礎生物學與疾病之間的相關機制。

目前，AlphaGenome 2 与表达条件交互式 Colab 教程已通过 AlphaGenome API 面向非商业研究开放，商业研究则处于私密预览阶段。不久之后，谷歌还将在智能体开发平台 Google Antigravity 中推出 AlphaGenome 2 Skills，结合 Gemini 4 等智能体科学工具，助力科研人员加速研究进程、取得新发现。

官方提示：AlphaGenome與AlphaGenome 2 僅用於研究用途，尚未經過臨床或診斷用途的驗證與批准。