DeepMind发布AlphaGenome 2：破译98%非编码区？

新智元报道  

DeepMind深夜又放了个大招。

诺奖得主哈萨比斯亲自带队，谷歌DeepMind正式发布了新一代DNA基础模型AlphaGenome 2。

当年让他一战成名的AlphaFold，破解的其实只是人类DNA里占2%的蛋白质编码区。

剩下那整整98%的非编码区，一直被叫作基因组里的「暗物质」。基因开启与关闭的「调控开关」就归它管，人类九成以上的致病突变也藏在这片区域。

这回DeepMind甩出一份78页的技术报告，AlphaGenome 2正面强攻这片「暗物质」，一口气拿出四大核心突破。

• 从「看整块器官」精确到「看单个细胞」

模型吃透了人体68种组织、超1.07亿个单细胞数据，同一个DNA突变在不同细胞里各自怎么反应，它都能看清；抓致病突变的成功率比上一代直接翻了一倍。

• 不用做生物实验，纯靠计算复现《Nature》数年成果

一滴试剂没碰，模型就精准锁定了引发严重肠病的幕后突变，连突变在哪种免疫细胞里发作都算得明明白白。

• 碰到没见过的新病变，只喂几十个细胞就能看懂

哪怕样本里的病变模型从没见过，科研人员也不用重新训练，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。

• 免费开放百万级变异库，即将接入Gemini 4

官方公开了覆盖数百万个基因变异的影响评分库；很快模型还会被打包成Skills接入Google Antigravity，交给Gemini 4随时调用。

为了破译这片基因组「暗物质」，DeepMind早先推出过初代AlphaGenome，可它有个明显短板：只能按「整块器官组织」做笼统预测。

问题是，一块人体组织里往往混着几十种不同的细胞，搅在一起只能算出「平均信号」，少数致病细胞的特征很容易被盖住。

遗传学界一直有个让人费解的现象，原因也在这里——

直到AlphaGenome 2把视角拉近到单个细胞，背后的原因才彻底水落石出。

原来在上皮细胞里，这个突变破坏的是负责激活基因的调控位点，基因表达因此显著下降。

反过来，在血管内皮细胞里，它破坏的却是负责抑制基因的位点，限制一失，基因表达反而大幅上升。

食管里上皮细胞占多数，肺里血管内皮细胞更丰富，把整块器官混在一起算均值时，两股相反的作用就互相抵消了。

预测精度一旦细化到单个细胞层面，模型识别致病变异的准确率就出现了明显跳升。

在覆盖28种人类免疫细胞的TenK10K基准测试里，初代模型即便专门做过单细胞微调，也只能找到16%的致病突变；AlphaGenome 2把这个数字抬到30%，判断「突变让基因活性变强还是变弱」的准确率也从23%升到43%，两项核心指标差不多都翻了一倍。

人类造血干细胞逐级分化成红细胞和B细胞的过程，模型画出的基因变化热图同样与实验室实测结果高度吻合。

跑分翻倍只能算基本功，真正让生物学家吃惊的，是它在真实疑难病例上的表现。

2024年《Nature》刊登过一项引发医学界关注的炎症性肠病研究。为查清一处藏在非编码区的致病线索，科研团队在实验室里耗费数年，反复做CRISPR基因敲除等实验，最后才确认：一个微小的基因突变跨越29万个碱基的超远距离，过度激活了ETS2基因，由此引发严重肠道炎症。

DeepMind团队把同一段DNA输入AlphaGenome 2，模型全程没做任何生物实验，仅靠计算就得出了完全一致的结论。它从7个高度相似的候选位点中直接揪出致病突变，绕开旁边距离更近的基因，精准锁定远处的ETS2；还进一步算出，该突变只在肠道巨噬细胞和单核细胞里起作用，其他免疫细胞几乎不受影响。

查找病因之外，在已获批上市的镰状细胞病CRISPR基因疗法靶点上，它的表现也很突出：在红细胞发育早期的关键细胞中精准找到相隔5.8万个碱基的调控位点，并把基因编辑针对的GATAA核心序列一字不差地识别出来。

到了临床一线，研究人员常会遇到一个现实问题：不少罕见病或新发感染，从患者身上只能采到几十个病变细胞，这点数据远不够重新训练一个大模型。

AlphaGenome 2的应对办法，是在主干网络之外单独加了一个细胞编码器。

有了这套设计，碰到没见过的病变，科研人员只需上传几十个新细胞的测序数据，细胞编码器就能当场提取出对应的细胞状态特征，再直接交给主干网络，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。

为验证这项能力，团队选了一批模型从未见过的190名帕金森病患者脑组织样本做测试。没做任何针对性训练，AlphaGenome 2识别出41%的致病突变，而专门用这批患者数据训练过的同类模型Scooby只识别出17%。

换到另一批新冠mRNA疫苗接种者的样本上，它同样没让人失望：打完加强针之后才被唤醒的那些稀有T细胞，被它准确认了出来，还顺着线索挖出一个藏得很深的新冠重症突变。数据表明，这个突变在T细胞尚未激活时基本看不出动静；可免疫系统一被激活，它就明显压低抗病毒基因的表达，感染加重的风险也随之上升。

这套架构还能替实验室省下不少检测开销。研究人员只要测一项最常规的单细胞基因表达数据，模型就能自行推算出单碱基DNA甲基化等好几项花费高昂的指标——测一项，补齐多项。

这次DeepMind拿出的不只有模型和论文，还替全球科研人员预先算好了两套大规模数据库，并且全部无偿公开：一套是640种真实人体细胞的基因调控图谱，另一套则覆盖近700万个基因变异在510种细胞状态下的影响评分，同样提前算完。

眼下，相关API和交互式Colab教程已经向非商业科研用途免费开放。

官方博客的结尾处，DeepMind还埋了一个分量十足的预告：团队很快会把AlphaGenome 2封装成Skills，接进自家Agent开发平台Google Antigravity，交给Gemini 4直接调用。

一边是擅长读文献、做科学推理的Gemini 4大脑，一边是能看透亿万单细胞的AlphaGenome 2。两者凑到一起，过去要在实验室里耗上数年的试错和筛选，或许几轮Agent调用就能在电脑上先跑通。

照这个路子走下去，人类查明疑难杂症、开发新药的周期也会被大幅压缩。

参考资料：