谷歌 DeepMind 推出新一代基因序列模型 AlphaGenome 2，它把分析精度从组织层面下沉到单个细胞类型，对比初代模型，识别能改变基因表达的致病变异数量提升接近一倍，在 TenK10K 免疫细胞基准测试里，致病变异召回率从 16% 提升至 30%，判断变异上调 / 下调基因活性的准确率也从 23% 涨到 43%，模型用 68 种组织、超 1 亿个单细胞图谱训练，重点攻克人类基因组占比 98% 的非编码 “基因暗物质”，这类区域是绝大多数致病突变藏身之处，模型可以预测同一个 DNA 突变在不同细胞里产生完全相反效果，辅助科研人员定位癌症、糖尿病、炎症性肠病等疾病的细胞根源，缩短新药靶点筛选周期，目前非商用科研可以通过 API 使用。
AlphaGenome 2 和初代版本核心对比表
| 对比项目 | AlphaGenome 初代 | AlphaGenome 2 |
|---|---|---|
| 分析粒度 | 按组织整体均值预测 | 单细胞、细胞状态级别预测 |
| TenK10K 致病变异召回率 | 16%（微调后） | 30% |
| 变异调控方向判断准确率 | 23% | 43% |
| 训练数据规模 | 组织级基因组数据 | 68 种组织、1 亿 + 单细胞图谱 |
| 泛化能力 | 需要大量微调适配新样本 | 支持上传自定义单细胞 RNA 数据，无需微调适配新疾病状态 |
| 研究侧重 | 大范围组织变异筛查 | 锁定特定致病细胞、解析突变双向作用 |
核心技术亮点
- 聚焦非编码基因暗物质：AlphaFold 主攻编码蛋白的 2% 基因组，AlphaGenome 系列主攻剩下 98% 调控区域，这些区域的突变很难靠传统实验排查
- 分辨突变的细胞差异化效应：同一个基因变异，在 A 细胞抑制基因、在 B 细胞激活基因，混合组织检测容易互相抵消信号，新版本可以单独识别细胞层面差异
- 大幅压缩实验周期：有案例中，科研团队耗时一年半实验找到的炎症性肠病关键线索，AlphaGenome 2 半小时就复现对应结果
- 配套开放 AlphaGenome Atlas 数据集：包含全部单碱基变异的影响评分，方便科研人员批量筛选风险变异
科研使用实操步骤
- 确认使用权限：非商业科研项目可以直接调用 AlphaGenome API；商业研发需要申请私有预览通道
- 准备输入数据：支持上传单细胞 RNA 测序数据，用来适配目标疾病、细胞状态
- 提交变异预测任务：输入目标 DNA 序列点位，模型输出变异对不同细胞类型的基因表达影响评分
- 结果筛选：优先挑选高评分、在疾病相关细胞中产生显著调控效果的变异，作为后续湿实验验证候选
- 结果验证：AI 预测仅为筛选工具，所有高风险致病变异，仍然需要实验室生物实验复核确认
简单总结
AlphaGenome 2 最大突破就是把基因变异预测做到单细胞精度，致病变异识别能力接近翻倍，解决了过去组织平均分析掩盖细胞特异性致病信号的痛点，是基因组基础研究、罕见病机制研究、新药靶点挖掘的强力辅助工具，但它只是科研预测模型，不能直接单独用来做临床诊断。
【相关 FAQ】
问题 1：谷歌 DeepMind AlphaGenome 2 基因序列模型相比上一代最大提升是什么？
回答 1：谷歌 DeepMind AlphaGenome 2 基因序列模型相比上一代最大提升是识别致病变异的能力接近翻倍，分析精度下沉到单细胞，能区分同一个突变在不同细胞里的不同作用。
问题 2：AlphaGenome 2 基因序列模型和 AlphaFold 的研究方向有什么不一样？
回答 2：AlphaGenome 2 基因序列模型主攻基因组 98% 非编码调控暗物质，预测变异对基因开关的影响；AlphaFold 重点预测蛋白质三维结构，二者研究目标不一样。
问题 3：AlphaGenome 2 基因序列模型可以直接用来给病人做疾病诊断吗？
回答 3：AlphaGenome 2 基因序列模型属于科研预测工具，AI 预测结果不能单独作为临床诊断依据，所有风险变异都需要实验室生物实验复核。
问题 4：AlphaGenome 2 基因序列模型现在普通科研人员怎么使用？
回答 4：AlphaGenome 2 基因序列模型面向非商业科研开放 API 调用，商业用途需要申请私有预览，同时配套 AlphaGenome Atlas 变异评分数据集供批量筛查。
【参考资料】
[2026-11-12]（AI 能从 DNA 锁定致病细胞了，谷歌 AlphaGenome 2 帮助糖尿病癌症寻找新药靶点）36 氪
[2026-11-12]（诺奖得主 Hassabis 再交神作，AlphaGenome 2 破译人类 98% 基因 “暗物质”）36 氪
[2026-11-11]（AlphaGenome 2: Deciphering how cells read DNA to better understand disease）Google DeepMind 官方博客
[2026-11-11]（AlphaGenome 2 发布，单细胞精度解读基因变异）量子位
【免责声明】
本文仅为 AlphaGenome 2 基因序列模型科研进展科普，该模型为科研预测工具，预测结果不具备临床诊断效力；模型开放权限、API 调用规则由 Google DeepMind 官方定义；本文不构成生物医药研发、基因检测相关投资或项目落地建议，相关生物结论必须经过湿实验验证。
本文来自作者[昭岳寻标]投稿，不代表环球品牌网立场，如若转载，请注明出处：https://www.865171.cn/qyzx/202611/593.html
评论列表（4条）
我是环球品牌网的签约作者“昭岳寻标”！
希望本篇文章《谷歌 DeepMind AlphaGenome 2 基因序列模型发布，致病变异识别能力接近翻倍》能对你有所帮助！
本站[环球品牌网]内容主要涵盖：品牌服务领域
本文概览：谷歌 DeepMind 推出新一代基因序列模型 AlphaGenome 2，它把分析精度从组织层面下沉到单个细胞类型，对比初代模型，识别能改变基因表达的致病变异数量提升接近一倍，在 TenK10K 免疫细胞基准测试里，致病变异召回率从 16% 提升至 30%，判断变异上调 下调基因活性的准确率也从 23% 涨到 43%，模型用 68 种组织、超 1 亿个单细胞图谱训练，重点攻克人类基因组占比 98% 的非编码 “基因暗物质”，这类区域是绝大多数致病突变藏身之处，模型可以预测同一个 DNA 突变在不同细胞里产生完全相反效果，辅助科研人员定位癌症、糖尿病、炎症性肠病等疾病的细胞根源，缩短新药靶点筛选周期，目前非商用科研可以通过 API 使用。