DeepMind releases AlphaGenome 2 DNA model with doubled variant detection

The key architectural change is a shift from parallel prediction to a conditional model. The original AlphaGenome read up to one million DNA letters at once and predicted properties across many tissues and thousands of experiments simultaneously, which was efficient but diluted its capacity to capture fine differences between closely related cell types. AlphaGenome 2 instead predicts effects for one condition at a time — a tissue, cell type or cell state — taking the target biological condition as input at every stage of the architecture. This lets it learn how the same DNA segment is read differently across cell types, and it can also make predictions for cell and disease states it has never seen. The model further supports cross-modal data imputation: given a single measurement such as single-cell gene activity, it can predict unmeasured properties like chromatin accessibility.

AlphaGenome 2 was trained on more than 100 million single cells across 68 tissue classes, essentially turning static cell atlases into a predictive engine for human genetics. It was trained on tissue data from both human and mouse, and builds on the earlier AlphaGenome and the AlphaGenome Atlas covering all 9 billion single-letter variants in the human genome, deepening a toolset already used in rare disease, complex trait and basic biology research.

谷歌 DeepMind 发布 AlphaGenome 2 基因序列模型：识别致病变异能力提升近一倍

IT之家 11 月 11 日消息，谷歌 DeepMind 发布新一代 DNA 序列模型 AlphaGenome 2 ，可预测 DNA 序列及其变异对特定人体细胞类型的影响，为科研人员挖掘疾病的细胞驱动因素提供全新工具。 人体每个细胞携带相同的 DNA 蓝图，但不同细胞类型会通过开关不同基因完成特定功能。全球的人类细胞图谱项目已对数百万细胞的基因表达进行绘制，但预测细微 DNA 变异如何影响细胞基因表达，仍是尚未解决的难题。 此前谷歌已推出初代 AlphaGenome ，可预测 DNA 变异对宽泛组织的分子活性影响，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 从宽泛组织平均水平缩小至单个细胞类型与状态，并重构了模型架构，变异预测性能实现阶跃式提升，可捕捉宽泛组织模型中遗漏的疾病相关细胞中的变异效应，还能对模型未见过的细胞与疾病状态做出预测。 据IT之家了解，相比此前的最优模型，AlphaGenome 2 能识别出近两倍数量的、可改变细胞内基因表达的变异。该模型基于 68 类组织的超过 1 亿个单细胞图谱训练，将静态细胞图谱转化为人类遗传学的预测引擎。目前该模型已通过 AlphaGenome API 面向非商业研究开放，商业研究则处于私密预览阶段。 初代 AlphaGenome 可一次性读取百万字母长度的 DNA 序列，同步预测多类组织、数千项实验的相关属性。这种并行方式效率较高，但会分散模型的计算能力，难以捕捉近缘细胞类型之间的细微差异。 谷歌对模型处理细胞类型的逻辑进行了根本性重构。AlphaGenome 2 不再采用并行预测模式，而是条件式模型，单次仅针对一种条件（组织、细胞类型或细胞状态）预测 DNA 效应。除百万字母长度的 DNA 序列外，模型在架构的每个阶段都将目标生物条件作为输入，能够学习同一段 DNA 在不同细胞类型中的读取差异。 条件式架构还支持跨模态数据填充，可预测缺失的实验数据。模型会将细胞的生物状态与输出结果分离，若科研人员仅输入单细胞基因活性这类单类测量数据，AlphaGenome 2 即可预测染色质可及性等未测量属性，帮助科研人员规划后续实验方向。 AlphaGenome 2 同时基于人类与小鼠的组织块、单细胞数据完成训练，纳入了超过 1.07 亿个单细胞图谱。跳出初代模型的组织块平均水平后，该模型可解析心肌、血液免疫细胞等特化细胞内部的活性，挖掘仅在特定细胞类型中发挥作用的关键 DNA 变异。 该模型保留了初代模型支持的基因表达、组蛋白修饰、染色质可及性等核心 DNA 功能实验指标，还新增了备受需求的 DNA 甲基化 预测能力。 AlphaGenome 2 在特定细胞的基因调控预测方面性能显著提升，可帮助科研人员精准定位疾病相关变异。 细胞特异性提升 ：在训练数据未覆盖的基因组区域，AlphaGenome 2 可更好解释同一组织内不同细胞类型间的基因表达差异，能够追踪人体造血干细胞成熟为红细胞、免疫细胞谱系过程中基因表达的连续变化。 变异效应预测提升 ：在覆盖 28 类原代免疫细胞的 TenK10K 大型单细胞数据集测试中，AlphaGenome 2 识别到的因果变异占比达 30%、基因效应方向判断准确率达 43%，相比初代 AlphaGenome 的 16%、23% 接近翻倍，可帮助科研人员发现此前被忽略的候选变异。 精准定位疾病相关变异 ：此前一项里程碑研究发现，一段远端调控序列的变异会通过过度激活肠道免疫巨噬细胞中的 ETS2 基因，诱发炎症性肠病。AlphaGenome 2 在计算层面复现了该结论，精准定位到该因果变异，证明其仅会选择性提升肠道巨噬细胞的 ETS2 基因活性，对其他细胞类型与基因几乎无影响。 AlphaGenome 2 无需重新训练，即可泛化到全新的单细胞实验场景。科研人员仅需上传数十个细胞的单细胞 RNA 测序基因活性快照，模型即可将其压缩为细胞状态表征，作为条件输入处理从未见过的细胞状态，性能可媲美甚至超过直接在对应数据集上训练或微调的模型。 该能力让 AlphaGenome 2 可预测疾病、疫苗接种等场景下全新细胞状态的变异效应与基因调控规律。例如在针对新冠 mRNA 疫苗的未见过的单细胞数据测试中，AlphaGenome 2 可区分疫苗激活的免疫 T 细胞与静息状态 T 细胞，还揭示了与新冠重症相关的变异，在细胞激活状态下对基因活性的干扰更强 —— 这种效应在未激活细胞中会被完全遗漏。 搭建人类遗传学与单细胞生物学的关联，是理解疾病的重要路径。其中的关键环节，是将全基因组关联研究（GWAS）发现的数千种性状、疾病相关变异，与日益完善的人体单细胞图谱建立对应关系。 为避免科研人员自行开展大规模计算，谷歌已预先计算了 AlphaGenome 2 针对数百种人类细胞与组织条件下、性状相关变异的预测结果，解决两大核心难题： 真实人类细胞类型中的增强子-基因关联映射 ：大量疾病相关变异位于名为增强子的远端调控序列中，效应难以追踪。由于 CRISPR 实验大多使用稳定的实验室培养细胞系，科研人员往往缺乏人体特定细胞的调控关联图谱。AlphaGenome 2 将增强子-基因映射能力拓展至人脑星形胶质细胞等原代人体细胞，帮助科研人员定位疾病发生的特定细胞中，调控变异与靶基因的对应关系。 精准定位 GWAS 因果变异及其作用细胞 ：全基因组关联研究通常标记出与疾病关联的宽泛 DNA 片段，科研人员往往无法高置信度地定位具体的因果变异、靶基因与作用细胞类型。在身高、2 型糖尿病等多种复杂性状的分析中，AlphaGenome 2 的预计算变异评分可帮助定位最相关的特定变异与细胞类型，在置信度充足时，模型还可准确预测变异是上调还是下调基因活性，为理解基因的致病作用提供关键线索。 随着科研人员在单细胞层面绘制更多人体图谱，AI 模型的性能将持续提升。谷歌正与惠康桑格研究所等机构开展持续合作，计划对更广泛的人类细胞类型、发育谱系、扰动细胞状态开展分析，期待全球科研人员借助 AlphaGenome 2 的细胞特异性预测能力，挖掘基因变异在不同细胞中的作用规律，揭示基础生物学与疾病的相关机制。 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，商业研究处于私密预览阶段。不久后，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 与 AlphaGenome 2 仅用于研究用途，尚未经过临床或诊断用途的验证与审批。

This report is categorized under AITOP's "Models" desk, focusing on US frontier AI labs and Silicon Valley technology leaders. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows and US-China foundation model benchmarks and commercialization comparison. Key entities and technical topics under continuous tracking include DeepMind, AlphaGenome, genomics, AI for science.

Source attribution: curated from IT之家.