AlphaGenome 2：单细胞分析新突破，基因变异识别能力近翻倍
IT之家 11 月 12 日消息，当地时间 11 月 11 日，谷歌 DeepMind 宣布推出新一代基因组 AI 模型 AlphaGenome 2，能够预测 DNA 序列及其变异对特定人类细胞类型和细胞状态的影响，帮助研究人员从细胞层面识别与疾病相关的遗传变异。 据介绍，人体内大多数细胞都拥有相同的 DNA，但不同类
当地时间 11 月 11 日，谷歌 
DeepMind 发布新一代基因组 AI 模型 AlphaGenome 2。该模型可预测 DNA 序列及其变异对特定人类细胞类型和细胞状态的影响，协助研究人员从细胞层面找出与疾病相关的遗传变异。11 月 12 日消息。
按照谷歌的介绍，人体内几乎所有细胞都携带相同的 DNA，可不同类型、不同状态的细胞会打开或关闭不同基因，从而完成各自的生物学功能。心肌细胞与正在对抗感染的免疫细胞，基因表达模式就差别明显。同一个 DNA 变异，放到不同细胞里，造成的影响也可能不一样。
谷歌方面称，上一代 AlphaGenome 侧重预测 DNA 变异对组织整体分子活动的作用，对特定细胞类型里的细微差别识别不够。AlphaGenome 2 换用了新的条件模型架构，把目标组织、细胞类型或细胞状态作为输入，模型就能围绕特定生物学条件给出预测。
训练数据上，AlphaGenome 2 用了人类与小鼠样本的 1.07 亿多个单细胞图谱，覆盖 68 种组织。与上一代相比，新模型能找出的基因表达相关遗传变异接近原来的两倍。
TenK10K 数据集涵盖 28 种原代免疫细胞类型，一项测试显示，AlphaGenome 2 识别出致病因果变异的比例是 30%，上一代模型用单细胞数据微调后为 16%。在判断基因表达变化方向时，新模型准确识别比例达到 43%，上一代模型只有 23%。
基因表达之外，AlphaGenome 2 还能预测组蛋白修饰、染色质可及性和 DNA 甲基化等分子指标。DNA 甲基化这一项，上一代模型并不支持，研究人员此前也多次提出过需求。
对于此前没见过的细胞类型和生物状态，新模型无需重新训练或微调也能分析。研究人员上传少量单细胞 RNA 测序数据，模型便可依据细胞的基因活动特征生成预测，用来分析疾病进展、药物处理或疫苗接种等引发的细胞变化。
DeepMind 研究人员举了一个例子：在一份此前未见过的新冠病毒 mRNA 疫苗研究数据中，AlphaGenome 2 能分辨疫苗激活状态与静息状态的免疫 T 细胞，还预测出一种与重症 COVID-19 相关的遗传变异，在免疫细胞被激活时对基因活动的影响更明显。
AlphaGenome 2 同时支持跨模态数据推断。研究人员只提供某种细胞的单细胞基因活动数据，模型就能进一步预测染色质可及性等尚未测量的指标，给后续实验做参考。
实际研究中，该模型通过计算预测再现了此前一项炎症性肠病研究的部分结果，找到影响肠道巨噬细胞中 ETS2 基因活动的遗传变异。这类分析能帮助研究人员把疾病相关遗传变异与具体细胞类型、作用基因对应起来。
眼下，AlphaGenome 2 已借助 AlphaGenome API 向非商业研究开放；商业研究用户可通过小范围私有预览计划申请使用。Google DeepMind 强调，该模型只用于科学研究，尚未获得临床或诊断用途的验证与批准。
