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尺度从初代的组织平均水平，下沉到单个细胞、特定细胞状态，专门用来解析 DNA 变异在不同细胞里的差异化调控效果，深挖各类疾病的细胞致病根源，模型用 68 种组织、超 1.07 亿个单细胞图谱完成训练，在 TenK10K 免疫细胞基准测试里，致病变异召回率从 16% 提升至 30%，识别能力接近翻倍，还能预判同一个突变在不同细胞里出现完全相反的调控效果，解决了过去组织混合样本把细胞特异致病信号互相抵消、很难定位病根的痛点，主要面向罕见病、炎症性肠病、糖尿病、肿瘤等复杂疾病的基础科研，辅助科研人员筛选致病位点、挖掘新药靶点，支持科研人员上传自研单细胞测序数据，不用重新微调模型就能适配新的疾病状态。
AlphaGenome 2 与初代版本对比表
| 对比项目 | AlphaGenome 初代 | AlphaGenome 2 |
|---|---|---|
| 预测粒度 | 组织整体均值预测 | 单细胞、特定细胞状态预测 |
| TenK10K 致病变异召回率 | 16%（微调后） | 30% |
| 变异调控方向判断准确率 | 23% | 43% |
| 训练数据集 | 组织级基因组数据 | 68 种组织，1.07 亿 + 单细胞图谱（人 + 小鼠） |
| 新样本适配 | 需要大量微调 | 上传单细胞 RNA 测序数据即可直接适配，无需微调 |
| 核心定位 | 筛查组织层面变异 | 定位疾病对应的致病细胞，解析变异双向作用 |
| 配套数据集 | 基础变异评分库 | AlphaGenome Atlas，覆盖海量单碱基变异的 AVI 影响评分 |
核心技术亮点
- 破解非编码基因暗物质：人类基因组 98% 都是非编码区域，也是绝大多数致病突变藏身位置，AlphaGenome 2 重点预测这类区域的调控变化，和主攻蛋白结构的 AlphaFold 形成互补。
- 识别突变的双向差异化效应：同一个 DNA 变异，在一类细胞里抑制基因表达，在另一类细胞里激活基因表达，组织混合检测会抵消信号，新版本可以精准区分。
- 跨状态泛化能力强：面对模型没有见过的疾病细胞状态，上传少量单细胞测序数据就可以预测，不用重新训练、微调。
- 配套开放 Atlas 数据库：预计算海量单碱基变异在数百种细胞里的影响评分，科研人员可以批量查询、筛选风险变异，降低算力门槛。
- 大幅压缩实验周期：有炎症性肠病相关案例，传统湿实验耗时一年半找到的致病线索，AlphaGenome 2 半小时就复现对应结果。
科研使用实操步骤
- 确认使用权限：非商业科研场景可调用 AlphaGenome API；商业开发、药企项目需要单独申请私有预览通道。
- 准备输入材料：可以直接输入 DNA 变异位点，也可以上传自研单细胞 RNA 测序数据，用来匹配目标疾病、细胞状态。
- 提交预测任务：选定目标细胞类型，模型输出变异对染色质可及性、基因表达的影响评分。
- 结果筛选排序：优先挑选在疾病相关细胞中产生显著调控效应的变异，作为湿实验验证候选。
- 实验室复核验证：AI 预测仅作为前置筛选工具，所有候选致病变异，都必须通过生物实验验证，不能直接当作定论。
- 查阅 Atlas 数据集：批量筛查大规模变异时，优先调用预计算好的 AVI 评分，节约算力。
简单总结
AlphaGenome 2 最大的突破就是把基因变异解析推进到单细胞层级，直击复杂疾病的细胞致病根源，解决了初代模型平均化信号掩盖致病位点的短板；虽然识别能力接近翻倍，但依然属于科研辅助工具，存在漏检情况，不能直接用于临床诊断，所有预测结果都需要实验室实验验证。
【相关 FAQ】
问题 1：谷歌 DeepMind AlphaGenome 2 深挖细胞致病根源，相比初代最大的改进是什么？
回答 1：谷歌 DeepMind AlphaGenome 2 深挖细胞致病根源，最大改进是从组织平均预测升级到单细胞、细胞状态级预测，能识别同一个突变在不同细胞里相反的调控效果，致病变异识别能力接近翻倍。
问题 2：AlphaGenome 2 深挖细胞致病根源，它和 AlphaFold 的研究方向有什么区别？
回答 2：AlphaGenome 2 深挖细胞致病根源，主攻基因组 98% 的非编码调控区域，预测变异对基因开关的影响；AlphaFold 专注预测蛋白质三维结构，二者研究方向互补。
问题 3：AlphaGenome 2 深挖细胞致病根源，拿到 AI 预测结果之后可以直接判定疾病病因吗？
回答 3：AlphaGenome 2 深挖细胞致病根源，但它只是科研筛选工具，AI 预测结果不能直接判定疾病病因，候选变异必须经过湿实验复核确认。
问题 4：AlphaGenome 2 深挖细胞致病根源，新的疾病样本使用前需要重新训练模型吗？
回答 4：AlphaGenome 2 深挖细胞致病根源，科研人员上传对应的单细胞 RNA 测序数据，就能适配模型没见过的细胞和疾病状态，不需要重新微调、训练模型。
【参考资料】
[2026-11-11]（AlphaGenome 2: Deciphering how cells read DNA to better understand disease）Google DeepMind 官方博客
[2026-11-12]（AI 能从 DNA 锁定致病细胞了，谷歌 AlphaGenome 2 帮助糖尿病癌症寻找新药靶点）36 氪
[2026-11-12]（谷歌 DeepMind 发布新一代基因组 AI 模型 AlphaGenome 2：从组织预测深入单细胞分析）IT 之家
[2026-11-13]（诺奖得主 Hassabis 再交神作，AlphaGenome 2 破译人类 98% 基因 “暗物质”）36 氪
【免责声明】
本文仅为 AlphaGenome 2 基因组 AI 模型科研进展科普，该模型为科研预测工具，预测结果不具备临床诊断效力；API 开放权限、数据集更新规则以 Google DeepMind 官方公告为准；本文不构成生物医药研发、基因检测、新药研发相关投资建议，所有 AI 预测结论必须经过湿实验验证。
本文来自作者[Chloe54]投稿，不代表海博商机网立场，如若转载，请注明出处：https://www.hb12369.net/qyzx/202611/785.html
评论列表（4条）
我是海博商机网的签约作者“Chloe54”！
希望本篇文章《谷歌 DeepMind AlphaGenome 2 发布，下沉单细胞层级深挖细胞致病根源》能对你有所帮助！
本站[海博商机网]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尺度从初代的组织平均水平，下沉到单个细胞、特定细胞状态，专门用来解析 DNA 变异在不同细胞里的差异化调控效果，深挖各类疾病的细胞致病根源，模型用 68 种组织、超 1.07 亿个单细胞图谱完成训练，在 TenK10K 免疫细胞基准测试里，致病变异召回率从 16% 提升至 30%，识别能力接近翻倍，还能预判同一个突变在不同细胞里出现完全相反的调控效果，解决了过去组织混合样本把细胞特异致病信号互相抵消、很难定位病根的痛点，主要面向罕见病、炎症性肠病、糖尿病、肿瘤等复杂疾病的基础科研，辅助科研人员筛选致病位点、挖掘新药靶点，支持科研人员上传自研单细胞测序数据，不用重新微调模型就能适配新的疾病状态。