Google DeepMind发布AlphaGenome 2，按细胞类型预测基因变异影响
该模型在 68 种组织、逾 1 亿个单细胞图谱上训练，Google称其识别的可改变基因表达的变异数量接近上一代模型的两倍；今日起通过AlphaGenome API开放非商业研究使用，商业研究需申请有限预览。
AI解读：Google在博客中称，该模型在 68 种组织、超过 1 亿个单细胞图谱上训练，识别的可改变基因表达的变异数量接近此前最先进模型的近两倍。
DeepMind表示，模型能对未经再训练的新细胞类型和生物状态作出预测，并可指出实验数据中的空白。
DeepMind基因组学负责人 Žiga Avsec称，其预测计算成本高于上一代，暂不能替代AlphaGenome用于全基因组图谱。
读者需注意的边界：这些性能数字和“近两倍”的说法来自Google自述，来源未提供独立评测或第三方复现结果。
Google DeepMind发布AlphaGenome 2，这是一个预测DNA变异如何影响不同细胞类型和细胞状态的AI模型，为去年AlphaGenome的后继版本。
Google在周三发布的博客中称，新模型比AlphaGenome等覆盖范围更广的模型提供更细粒度的视角，可能揭示特定细胞中与疾病相关、此前易被忽略的效应。据The Verge报道，该模型今日起通过AlphaGenome API开放非商业研究使用，商业研究则提供有限的“私有预览”。
训练数据与公司自述的性能
Google称，AlphaGenome 2在 68 种组织、超过 1 亿个单细胞图谱上训练，并称其识别出的可改变细胞基因表达的变异数量接近上一代最先进模型的近两倍。
DeepMind将静态的细胞图谱描述为被该模型转成“人类遗传学的预测引擎”。这些数字与表述均出自Google博客及公司研究人员，来源未给出独立评测结果。
- 训练规模：68 种组织、逾 1 亿个单细胞图谱
- Google自述：识别的可改变基因表达的变异数量接近上一代模型的近两倍
- 适用目标：预测遗传变异在具体细胞类型和状态下的效应
使用条件与限制
DeepMind基因组学负责人 Žiga Avsec对The Verge表示，AlphaGenome 2的预测更精细，但计算成本也更高、生成预测“更贵”。正因如此，用该模型生成覆盖人类基因组中“每一种可能的DNA字母变化”的全基因组图谱并不实际；DeepMind曾在 9 月发布过这样一份图谱。Avsec称，他视AlphaGenome 2为AlphaGenome的后继，但短期内不会取代后者。
参与该项目的DeepMind研究科学家Adam Gayoso称，主要突破在于“把人类遗传学与细胞生物学联系起来”：研究者可以针对大规模人群研究中发现的遗传变异，观察其在细胞层面的效应，并可能将这些效应与疾病关联。
- 开放范围：非商业研究可通过AlphaGenome API使用；商业研究为有限的私有预览
- 成本限制：Avsec称预测成本高于上一代，暂不适合替代AlphaGenome生成全基因组图谱
- 能力主张：可对未经再训练的新细胞类型和生物状态作出预测，并能指出实验数据空白
研究者对用途和后续方向的表述
Avsec对The Verge表示，药物开发针对特定蛋白质和特定细胞类型，因此这种细胞层面的精细度对治疗疾病的目标很重要。他还称，能训练这类模型，得益于近年能以高分辨率捕获单细胞及其状态、并构建大规模数据集的新技术。
DeepMind表示正通过生成更多数据来改进遗传学模型，包括目前代表性不足的细胞状态；Avsec称未来版本可能用“跨多个物种”的数据训练，长期看这类模型可服务于构建模拟生物系统的“虚拟细胞”。
- 当前重点：补充代表性不足的细胞状态数据
- 未来可能方向：跨物种数据训练、为“虚拟细胞”模拟提供输入