Google DeepMind于11月11日发布AlphaGenome 2，这款DNA预测模型尝试判断遗传变化在特定细胞类型和细胞状态下会产生什么作用。公司公布的TenK10K测试结果显示，该模型识别出30%的因果变异，高于此前在单细胞数据上微调的AlphaGenome模型的16%。不过，这些结果属于研究基准测试，并不代表诊断准确率，也不能用于判断个人患病风险。
对研究人员而言，模型的价值在于将遗传信号与具体细胞环境联系起来，为后续实验缩小范围。组织层面的测量可以呈现整体变化，但不同细胞的作用可能彼此不同；若某种遗传影响只出现在特定细胞中，整体平均结果可能无法清楚指出相关细胞。
AlphaGenome 2将细胞条件纳入预测
此前的AlphaGenome会根据一段最长约一百万个字母的DNA序列，同时生成面向多个组织和实验的固定输出。AlphaGenome 2则允许研究人员指定目标条件，例如组织、细胞类型或细胞状态，并在模型处理过程中使用这些信息。DeepMind表示，这种设计旨在识别可能被较宽泛的组织测量掩盖的细胞特异性影响。
DeepMind称，模型训练使用人类和小鼠的整体及单细胞数据，涵盖超过1.07亿个单细胞档案。研究人员还可以输入单细胞基因活性数据，让模型针对新观察到的细胞状态生成条件化预测，无需重新训练。模型也可预测尚未直接测量的属性，为实验人员提供筛选候选方向的依据。
在TenK10K数据集上，测试覆盖28种原代免疫细胞类型。DeepMind报告称，AlphaGenome 2在评估中识别了30%的因果变异；作为对照，原版AlphaGenome经过单细胞数据微调后识别率为16%。这项比较反映的是特定基准上的变异识别表现，并非临床验证，也不说明模型能够预测个体的疾病发生概率。
ETS2示例重现已知肠道疾病机制
DeepMind还展示了一个与肠道疾病有关的案例。模型通过计算重现了一项已有研究发现：一个调控变异会提高ETS2基因在肠道巨噬细胞中的活性。巨噬细胞属于免疫细胞；在该示例中，模型指出了相关变异，并预测其对ETS2的影响主要出现在这类细胞中，对其他细胞类型和基因的影响则有限。
这一遗传机制并非AlphaGenome 2首次发现。帝国理工学院、弗朗西斯·克里克研究所和伦敦大学学院的研究人员在2024年公布的工作，已将一个在巨噬细胞中活跃的调控区域与ETS2活性升高及炎症功能联系起来。AlphaGenome 2在此处展示的是对既有生物学机制的计算重现，不能据此称其发现了新的疾病原因。
截至11月11日，DeepMind通过API向非商业研究开放AlphaGenome 2，商业研究用途仍处于私人预览阶段。公司表示，AlphaGenome系列模型面向研究使用，尚未经过临床或诊断用途的验证或批准。对研究人员来说，当前可讨论的应用重点，是利用细胞和状态层面的预测来筛选实验方向；模型结论仍需后续研究检验。