AlphaGenome 2发布：98%基因暗物质破译，致病突变识别率翻倍
免费开放700万变异库，即将化作Skills接入Gemini 4
DeepMind在深夜放出新成果。诺奖得主哈萨比斯带队，谷歌DeepMind正式推出新一代DNA基础模型AlphaGenome 2。
此前让他名声大噪的AlphaFold，只覆盖了人类DNA中占2%的蛋白质编码区。余下98%的非编码区，长期被叫作基因组里的「暗物质」——基因开启与关闭的「调控开关」归它管，人类九成以上的致病突变也藏在这里。
DeepMind同时公开了一份78页的技术报告，AlphaGenome 2就此向这片「暗物质」发起正面攻关，一共拿出四大核心突破。
第一项是从「看整块器官」转到「看单个细胞」。模型学习了人体68种组织、超1.07亿个单细胞的数据，同一个DNA突变在不同细胞里各有什么反应，它都能分辨；抓出致病突变的成功率比上一代提高了一倍。
第二项是不做生物实验、只靠计算复现《Nature》数年成果。整个流程没碰一滴试剂，模型就锁定了引发严重肠病的突变，连这个突变在哪种免疫细胞里起作用也算得明明白白。
第三项针对没见过的病变：只要喂进几十个细胞，模型就能给出判断。碰到模型从未见过的病变样本，科研人员不必重新训练，上传几十个细胞的测序数据，就能快速预测突变会带来什么后果。
第四项是开放资源与后续接入。官方公开了覆盖数百万个基因变异的影响评分库；模型很快还会被打包成Skills接入
Google Antigravity，供Gemini 4随时调用。
精确到单个细胞后，致病突变的识别率直接翻倍
为破译基因组「暗物质」，DeepMind早先推出过初代AlphaGenome，短板很明显：只能按「整块器官组织」笼统预测。可一块人体组织里常混着几十种细胞，混在一起算出的只是「平均信号」，少数致病细胞的特征因此容易被盖住。
遗传学界有个长期让人费解的现象，原因也在这里：同一个免疫相关的DNA突变，在肺组织里会提高IL20RA基因的表达，换到食管组织里却把它压低，按整块器官测序一直找不到解释。
直到AlphaGenome 2把观察尺度缩到单个细胞，答案才浮出水面。在上皮细胞里，该突变破坏的是负责激活基因的调控位点，基因表达随之明显下降；在血管内皮细胞里，它破坏的却是抑制基因的位点，限制一失，基因表达反而大幅上升。食管里上皮细胞居多，肺里血管内皮细胞更丰富，整块器官按均值计算时，这两股相反的作用就相互抵消了。
预测精度细化到单个细胞之后，模型识别准确率出现大幅提升。在覆盖28种人类免疫细胞的TenK10K基准测试中，初代模型即便专门做过单细胞微调，也只能找出16%的致病突变。
放到AlphaGenome 2这边，这个数字涨到了30%。不止如此，判断「突变会让基因活性增强还是减弱」的准确率，也从23%升到43%，两项核心指标差不多都翻了一倍。
连人类造血干细胞逐级分化成红细胞、B细胞这类动态过程，它生成的热图也能和实验室实际测出的结果对上。
全程AI计算不动手，Nature多年结论被复现
跑分翻倍顶多算基本功。真正让生物学家吃惊的，是它在实际疑难病例上的发挥。
2024年《Nature》登过一项炎症性肠病研究，在医学界引起不小的动静。
那处致病线索藏在非编码区，团队在实验室里耗了好几年，CRISPR基因敲除之类的实验做了一轮又一轮。
折腾到最后才确认：一个很小的突变隔着29万个碱基，把远处的ETS2基因过度激活，肠道炎症随之而来。
DeepMind团队这回把同一段DNA交给AlphaGenome 2，模型一次生物实验都没做，纯靠计算给出了相同的结论。
它先从7个高度相似的候选位点中挑出致病突变，又绕开旁边距离更近的基因，直接锁定远处的ETS2。
模型还算出一个细节：该突变只在肠道巨噬细胞和单核细胞里起作用，其他免疫细胞基本不受波及。
找病因之外，在已获批上市的镰状细胞病CRISPR基因疗法靶点上，它同样表现出色。
红细胞发育早期的关键细胞里，它准确找到了相隔5.8万个碱基的调控位点，基因编辑针对的GATAA核心序列也被它一字不差地认了出来。
不用重训模型，几十个细胞就能读懂未知病变
到了临床一线，研究人员常被一个现实问题卡住。
罕见病或新发感染，往往只能从患者身上取到几十个病变细胞，这么点数据根本不够重新训练一个大模型。
AlphaGenome 2的办法是在主干网络之外加了一个细胞编码器。
碰上没见过的病变，科研人员上传几十个新细胞的测序数据，细胞编码器当场提取对应的细胞状态特征。
特征随后送进主干网络，大模型不用重新训练，就能预测基因突变在这些新细胞里会造成什么影响。
团队拿190名帕金森病患者脑组织样本做了测试，这些样本模型此前从未见过。
没做任何针对性训练，AlphaGenome 2识别出41%的致病突变；专门用这批患者数据训练过的同类模型Scooby只做到17%。
另一批新冠mRNA疫苗接种者样本里，它识别出打加强针后才被唤醒的稀有T细胞，还顺带找到一个很隐蔽的新冠重症突变。
数据显示，这个突变在未激活的T细胞里几乎不起作用；免疫系统一旦被激活，它就会明显压制抗病毒基因的表达，感染风险随之加重。
这套架构还能给实验室省下不少检测开支。
科研人员只测一项最常规的单细胞基因表达数据，模型就能推算出单碱基DNA甲基化等多项高成本指标，测一项补齐多项。
700万变异库免费开放，未来将化作Skills接入Gemini 4
发布模型和论文之外，DeepMind这回还替全球科研人员预先算好了两套大规模数据库，一并免费公开。
一套是640种真实人体细胞的基因调控图谱；另一套则提前算出了近700万个基因变异在510种细胞状态下的具体影响评分。
眼下，相关API和交互式Colab教程都已向非商业科研免费开放。
官方博客的末尾，DeepMind还放出了一个重磅预告。
用不了多久，团队就会把AlphaGenome 2封装成Skills，接进自家的Agent开发平台Google Antigravity，交给Gemini 4直接调用！
一边是擅长文献研读与科学推理的Gemini 4大脑，一边是看透亿万单细胞的AlphaGenome 2。
两者合到一起，那些原本要在实验室里苦熬数年的试错与筛选，就能通过几轮Agent调用在电脑上提前跑通。
人类查清疑难杂症、研发新药的周期，也会因此大幅缩短。
参考资料：
https://deepmind.google/blog/alphagenome-2-deciphering-how-cells-read-dna-to-better-understand-disease/
https://storage.googleapis.com/deepmind-media/DeepMind.com/Blog/alphagenome-2-deciphering-how-cells-read-dna-to-better-understand-disease/alphagenome-2.pdf
https://www.alphagenomedocs.com/
