11 月 13 日，据报道，谷歌 DeepMind 发布新一代 DNA 序列模型 AlphaGenome 2，可预测 DNA 序列及其变异对特定人体细胞类型的影响，为科研人员挖掘疾病的细胞驱动因素提供新工具。
理解它的价值，先要知道一个前提：人体每个细胞携带相同的 DNA 蓝图，但不同细胞类型会通过开关不同基因来完成特定功能。全球的人类细胞图谱项目已经绘制了数百万细胞的基因表达，但“细微 DNA 变异如何影响特定细胞的基因表达”仍是未解难题。
初代 AlphaGenome 能预测变异对宽泛组织分子活性的影响，谷歌还推出过覆盖人类基因组全部 90 亿种单字母变异的 AlphaGenome Atlas。但它的并行预测方式虽然效率高，却会分散模型算力，难以捕捉近缘细胞类型之间的细微差异。
AlphaGenome 2 的做法是把粒度从“组织平均水平”缩到“单个细胞类型与状态”，并重构了模型架构。它不再并行预测，而是条件式模型：单次只针对一种组织、细胞类型或细胞状态预测 DNA 效应，并在架构的每个阶段把目标生物条件作为输入，从而学会同一段 DNA 在不同细胞里的读取差异。
效果上有几组关键数字：相比此前最优模型，AlphaGenome 2 能识别出近两倍数量的、可改变细胞内基因表达的变异；在覆盖 28 类原代免疫细胞的 TenK10K 数据集测试中，它识别到的因果变异占比达 30%、基因效应方向判断准确率 43%，而初代分别是 16% 和 23%。
模型基于 68 类组织、超过 1.07 亿个单细胞图谱训练，同时纳入人类与小鼠数据，还新增了 DNA 甲基化预测能力，原有的基因表达、组蛋白修饰、染色质可及性等核心指标也一并保留。
更值得注意的是泛化能力：科研人员只需上传数十个细胞的单细胞 RNA 测序快照，模型就能将其压缩为细胞状态表征，处理从未见过的细胞状态，性能可媲美甚至超过在该数据集上专门训练或微调的模型。在新冠 mRNA 疫苗的未见单细胞数据测试中，它能区分疫苗激活的免疫 T 细胞与静息状态 T 细胞。
为避免科研人员自行开展大规模计算，谷歌已预先计算了数百种人类细胞与组织条件下的性状相关变异预测结果。目前 AlphaGenome 2 与配套的 Colab 教程已通过 AlphaGenome API 面向非商业研究开放，商业研究处于私密预览阶段；官方也提示，该模型仅用于研究用途，尚未经过临床或诊断用途的验证与审批。
原创文章，作者：科技观察者，如若转载，请注明出处：https://www.kejixun.co/article/768062.html
