谷歌 DeepMind 正式推出新一代基因组 AI 模型 AlphaGenome 2，核心升级就是把分析精度从整块组织平均数据下沉到单细胞、单种细胞状态，用来预测 DNA 变异在不同细胞里带来的影响，帮科研人员找到疾病背后藏在非编码区的遗传线索。前代 AlphaGenome 只能看组织整体的基因活动，很多只在特定免疫细胞、心肌细胞里生效的致病突变会被平均数据掩盖掉；AlphaGenome 2 用 68 种组织合计超 1.07 亿个单细胞图谱完成训练，识别能改变基因表达的致病变异数量接近上代两倍，甚至不需要重新微调，就能适配模型之前没有见过的细胞状态、疾病样本，把静态单细胞图谱变成可预测遗传效应的工具，已经在炎症性肠病这类复杂疾病上复现了已发表的研究结论。
AlphaGenome 2 核心参数清单
- 训练数据：68 种组织，超过 1.07 亿个人与小鼠单细胞图谱
- 输入序列：最长支持 1Mb DNA 序列
- 预测指标：基因表达、染色质可及性、表观调控信号
- 性能对比：同等精度下，因果变异召回率由 16% 提升至 30%
- 开放方式：API 开放给非商业科研使用，商业合作采用有限预览模式
- 定位：科研预测工具，不能直接用于临床诊断
AlphaGenome 2 和初代 AlphaGenome 对比表
| 对比项 | AlphaGenome 1 | AlphaGenome 2 |
|---|---|---|
| 分析粒度 | 组织整体均值 | 单细胞、特定细胞状态 |
| 变异识别能力 | 基准水平 | 识别变异数量接近翻倍 |
| 新样本适配 | 大多需要微调 | 上传单细胞数据直接推理，无需重训 |
| 优势场景 | 大范围基因组批量打分 | 定位细胞特异性致病突变、研究发病机制 |
AlphaGenome 2 三大核心能力拆解
- 区分同一个变异在不同细胞里的差异效果：同一段 DNA 突变，在免疫细胞、心肌细胞、上皮细胞里激活或抑制基因的效果完全不一样，模型可以单独拆解。
- 复现复杂疾病的遗传机制：公开测试中，它成功算出肠道巨噬细胞内 ETS2 基因被特定调控变异过度激活，也就是炎症性肠病的关键致病通路，和实验论文结论匹配。
- 补全单细胞实验缺失信号：实验很难一次性测全所有表观指标，AlphaGenome 2 可以推算没测到的染色质、调控信息，降低湿实验成本。
当前局限说明
- 属于科研预测模型，输出结果只作为实验参考，不能直接拿来做疾病筛查、确诊。
- 计算开销相比初代更大，大基因组批量推理对算力要求高。
- 只开放科研 API，普通用户没有可视化傻瓜操作界面。
【相关 FAQ】
问题 1：谷歌 DeepMind 推出的 AlphaGenome 2，为什么可以在单细胞层面追踪疾病遗传线索？
回答 1：AlphaGenome 2 训练使用上亿条单细胞图谱数据，放弃只看组织平均信号的思路，专门预测 DNA 变异在特定细胞类型、细胞状态下对基因调控的影响，能抓到只在特定细胞里起效的致病变异，以此追踪疾病遗传线索。
问题 2：AlphaGenome 2 对比上代模型，识别疾病遗传线索的能力提升多少？
回答 2：AlphaGenome 2 在同等精度条件下，因果变异召回率从 16% 提升到 30%，能识别到的影响基因表达的变异数量接近初代 AlphaGenome 的两倍。
问题 3：AlphaGenome 2 找到疾病遗传线索之后，可以直接用来看病诊断吗？
回答 3：不可以，AlphaGenome 2 是面向科研的预测模型，输出的疾病遗传线索仅作为科研假设和实验指引，官方明确说明不能用于临床诊断。
问题 4：AlphaGenome 2 开放使用了吗，哪些人可以调用它找疾病遗传线索？
回答 4：AlphaGenome 2 通过 API 面向非商业科研团队开放调用，用来挖掘疾病遗传线索；商业用途需要申请有限预览，暂不面向普通个人开放。
【参考资料】
[2026-11-12]（谷歌 DeepMind 发布 AlphaGenome 2：从单细胞层面追踪疾病遗传线索）凤凰网科技
[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
[2026-11-12]（DeepMind 发布新一代基因组 AI AlphaGenome 2，单细胞精度解析致病突变）科创板日报
[2026-11-11]（AlphaGenome 2: Deciphering how cells read DNA to better understand disease）Google DeepMind 官方博客
[2026-11-11]（Google DeepMind shifts genomics AI from bulk tissue predictions to single cell type resolution with AlphaGenome 2）The Decoder
【免责声明】
本文仅为 AlphaGenome 2 公开科研资讯整理，不构成医疗建议、临床指导。该模型为科研预测工具，模型预测的疾病遗传线索不等同于真实致病结论，所有遗传、疾病相关研究结论以实验室验证结果、临床规范为准；模型开放权限、接口规则后续可能调整，以 DeepMind 官方公告为准。
本文来自作者[零熵检索使]投稿，不代表岳鹿科技网立场，如若转载，请注明出处：https://www.newsyuelu.com/kjyw/202611/290.html
评论列表（4条）
我是岳鹿科技网的签约作者“零熵检索使”！
希望本篇文章《谷歌 DeepMind 发布 AlphaGenome 2，可在单细胞层面定位疾病遗传线索》能对你有所帮助！
本站[岳鹿科技网]内容主要涵盖：互联网行业的追踪与探索
本文概览：谷歌 DeepMind 正式推出新一代基因组 AI 模型 AlphaGenome 2，核心升级就是把分析精度从整块组织平均数据下沉到单细胞、单种细胞状态，用来预测 DNA 变异在不同细胞里带来的影响，帮科研人员找到疾病背后藏在非编码区的遗传线索。前代 AlphaGenome 只能看组织整体的基因活动，很多只在特定免疫细胞、心肌细胞里生效的致病突变会被平均数据掩盖掉；AlphaGenome 2 用 68 种组织合计超 1.07 亿个单细胞图谱完成训练，识别能改变基因表达的致病变异数量接近上代两倍，甚至不需要重新微调，就能适配模型之前没有见过的细胞状态、疾病样本，把静态单细胞图谱变成可预测遗传效应的工具，已经在炎症性肠病这类复杂疾病上复现了已发表的研究结论。