AlphaGenome 2 发布说明：用于细胞类型特异性变异预测的新型条件 DNA 序列模型
AlphaGenome 2 概述
AlphaGenome 2 是一款下一代 DNA 序列模型，旨在预测遗传变异对特定人类细胞类型和状态的影响。通过从其前身的批量组织预测转向条件架构，该模型使研究人员能够识别细微的 DNA 变异如何影响专门细胞内的基因表达，从而为理解人类性状和疾病机制提供了一个关键工具。
条件架构与细胞类型特异性
与并行预测多种组织特性的原始 AlphaGenome 不同，AlphaGenome 2 采用了条件架构。该模型在架构的每个阶段都将百万碱基的 DNA 序列与特定的生物学条件（例如细胞类型或状态）一起作为输入。这种设计使模型能够学习同一段 DNA 在不同细胞类型中是如何被不同解读的。
关键技术能力包括：
- 细胞编码器 (Cell Encoder)： 科学家可以输入单细胞 RNA-seq 数据来生成细胞状态表示，从而使模型能够在无需重新训练的情况下对未见过的细胞状态进行预测。
- 跨模态填补 (Cross-modality Imputation)： 该模型可以根据基因活性等单一测量结果，预测缺失的实验数据，例如染色质可及性。
- 扩展读出 (Expanded Readouts)： 除了基因表达、组蛋白修饰和染色质可及性外，AlphaGenome 2 现在还可以预测 DNA 甲基化。
性能与变异召回率
与原始模型相比，AlphaGenome 2 在精确度和召回率方面表现出显著提升。该模型在 68 种组织的超过 1.07 亿个个体细胞图谱上进行了训练，在以下几个关键领域表现出增强的性能：
- 变异识别： 在 TenK10K 数据集上，与原始模型相比，AlphaGenome 2 识别出的因果变异（30% 对 16%）和定向基因效应（43% 对 23%）几乎翻了一番。
- 发育追踪： 该模型能以更高的保真度追踪基因表达的连续变化，例如血干细胞向免疫谱系的分化成熟。
- 疾病相关见解： 该模型成功复现了里程碑式研究的发现，例如识别出一个远端调控开关中的变异，该变异通过在肠道巨噬细胞中特异性过度激活 ETS2 基因从而驱动炎症性肠病 (IBD)。
连接遗传学与单细胞生物学
AlphaGenome 2 有助于弥合全基因组关联研究 (GWAS) 与功能细胞生物学之间的差距。通过预先计算与性状相关变异的预测结果，该模型主要通过以下两种方式协助研究人员：
- 增强子-基因映射： 它扩展了将调控开关（增强子）映射到原代人类细胞类型（如脑星形胶质细胞）中目标基因的能力，而在这些细胞类型中实验数据往往有限。
- 因果变异定位： 它有助于识别复杂性状（从身高到 2 型糖尿病）的特定因果变异及其作用的细胞类型，同时预测变异是增加还是减少基因活性。
可用性与未来方向
AlphaGenome 2 目前可通过 AlphaGenome API 用于非商业研究，并提供用于商业研究的私人预览版。Google DeepMind 还宣布计划将 AlphaGenome 2 Skills 与 Gemini 4 一起集成到其代理开发平台 Google Antigravity 中。
注意：AlphaGenome 和 AlphaGenome 2 仅供研究使用，尚未经过临床或诊断目的的验证或批准。