🌀 AIBB-Flywheel

新闻数据飞轮
← 返回文章列表
ithome 其他 采集 2026-11-11T16:11:46+00:00

谷歌发布AlphaGenome 2基因序列模型

原始标题:谷歌 DeepMind 发布 AlphaGenome 2 基因序列模型:识别致病变异能力提升近一倍

来源
ithome
发布时间
2026-11-11T15:19:51
采集批次
2026-11-11-16
字数
1012
URL 指纹
6d9ff9aff1521bd4

📌 AI 总结(174 字)

谷歌DeepMind推出AlphaGenome 2,将DNA变异预测从宽泛组织细化至单细胞类型和状态,可识别更多影响基因表达的致病变异。在免疫细胞测试中,因果变异识别占比由16%升至30%,方向判断准确率由23%升至43%。模型还新增DNA甲基化预测,并借助单细胞数据定位疾病相关变异及靶基因,为罕见病和复杂性疾病研究提供工具,但目前仅限研究用途。
📄 正文(1012 字)
谷歌DeepMind发布新一代DNA序列模型AlphaGenome 2,用于预测DNA序列及其变异对特定人体细胞类型的影响,帮助研究人员挖掘疾病的细胞驱动因素。初代AlphaGenome主要预测变异对宽泛组织的分子活性影响,新模型则将分析粒度缩小到单个细胞类型与状态,并通过重构架构显著提升变异预测性能,可发现宽泛组织模型遗漏的疾病相关细胞效应,还能预测训练中未见的细胞和疾病状态。

AlphaGenome 2基于超过1.07亿个单细胞图谱训练,覆盖68类人体组织,并纳入人类与小鼠的组织块、单细胞数据。模型将静态细胞图谱转化为人类遗传学预测引擎,相比此前最优模型,可识别近两倍数量会改变细胞内基因表达的变异。其条件式架构一次针对一种组织、细胞类型或状态预测DNA效应,使模型能够学习同一段DNA在不同细胞中的读取差异。

新模型保留基因表达、组蛋白修饰、染色质可及性等预测能力,并新增DNA甲基化预测。跨模态数据填充功能允许研究人员输入单细胞基因活性等部分测量结果,进一步预测未测量的染色质可及性等属性,用于规划后续实验。

在28类原代免疫细胞组成的TenK10K数据集测试中,AlphaGenome 2识别出的因果变异占比达到30%,基因效应方向判断准确率为43%,分别高于初代模型的16%和23%。模型还能追踪造血干细胞成熟为红细胞及免疫细胞谱系形成过程中的基因表达变化,并在未覆盖的基因组区域解释同一组织内不同细胞的表达差异。

在炎症性肠病研究中,该模型复现了远端调控序列变异通过激活肠道免疫巨噬细胞ETS2基因致病这一结论,并精确定位到相应因果变异,说明其作用具有细胞和基因选择性。模型还可在无需重新训练的情况下,提取数十个细胞的RNA测序快照作为条件输入,预测未见过的细胞状态。在新冠mRNA疫苗相关测试中,它成功区分疫苗激活与静息状态的T细胞,并发现与重症相关的变异在激活细胞中影响更强,而在静息细胞中可能完全遗漏。

谷歌已预先计算数百种人体细胞和组织条件下与性状相关变异的预测结果,以增强子与基因关联映射、定位全基因组关联研究中的因果变异、靶基因及作用细胞类型。模型正与惠康桑格研究所等机构合作,扩展对更多细胞类型、发育谱系和扰动状态的分析。AlphaGenome 2及交互式教程已通过AlphaGenome API向非商业研究开放,商业研究处于私密预览阶段。该模型尚未通过临床或诊断用途验证与审批。