Google DeepMind cho biết AlphaGenome Atlas cho nhà nghiên cứu một điểm số với mỗi trong 9 tỷ thay đổi một chữ cái có thể xảy ra trong DNA người, để quyết định nên nghiên cứu biến thể nào trước. DeepMind cũng ra mắt AlphaGenome 2, dự đoán tác động trong từng loại tế bào, và mô tả cả hai công cụ là công cụ hỗ trợ nghiên cứu, không phải công cụ lâm sàng.
Nhà khoa học nghiên cứu Žiga Avsec giải thích công trình này trong loạt Ask a Scientist của Google vào ngày 17 tháng 11 năm 2026. Bài viết về AlphaGenome 2 của DeepMind, đề ngày 11 tháng 11 năm 2026, có thêm chi tiết kỹ thuật.
AlphaGenome Atlas là gì?
Bộ gen người có 3 tỷ cặp base, mỗi chữ cái có thể bị thay bằng ba chữ cái khác, tạo ra 9 tỷ thay đổi một chữ cái. Nhiều bệnh di truyền bắt nguồn từ một thay đổi như vậy, nhưng phòng thí nghiệm không thể thử hết.
DeepMind dùng AlphaGenome, ra mắt tháng 6 năm 2025, để dự đoán kết quả của từng thay đổi và công bố kết quả dưới tên AlphaGenome Atlas vào tháng 9. Mỗi biến thể nhận một điểm AVI (AlphaGenome Variant Impact), mà DeepMind cho biết thể hiện tác động tiềm tàng trên toàn bộ gen và giúp chọn ra các thay đổi gây xáo trộn nhất để theo dõi tiếp.
- Đầu vào: một đoạn DNA một phần dài 1 triệu cặp base
- Đầu ra: hàng nghìn dự đoán cho mỗi đoạn
- Quy mô: dự đoán cho cả 9 tỷ thay đổi một chữ cái

AlphaGenome 2 bổ sung điều gì?
AlphaGenome chủ yếu được huấn luyện bằng dữ liệu của toàn bộ mô hoặc dòng tế bào, và DeepMind nêu tính đặc hiệu theo loại tế bào là hạn chế chính. AlphaGenome 2 nhận một chuỗi 1 triệu chữ cái cùng một điều kiện, chẳng hạn một mô hoặc loại tế bào, rồi dự đoán tác động cho điều kiện đó. DeepMind cho biết mô hình được huấn luyện bằng hơn 100 triệu hồ sơ tế bào riêng lẻ trên 68 loại mô.
DeepMind báo cáo mô hình tìm được số biến thể làm thay đổi biểu hiện gen trong tế bào gần gấp đôi mô hình tiên tiến nhất trước đó. Trên bộ dữ liệu 28 loại tế bào miễn dịch, tỷ lệ xác định biến thể nhân quả là 30%, so với 16% của mô hình gốc được tinh chỉnh bằng dữ liệu đơn bào, và hướng tác động lên gen là 43% so với 23%. Các con số này đến từ DeepMind và cộng sự, và bài viết không nêu kiểm chứng độc lập. Bài báo khoa học là bản thảo bioRxiv.
Các nhà nghiên cứu đã làm gì cho đến nay?
Theo DeepMind, Gareth Hawkes của Đại học Exeter dùng Atlas để thu hẹp danh sách 1 tỷ biến thể. Tập trung vào 1% tác động lớn nhất, ông tìm ra 19 nhóm biến thể liên quan đến chỉ số khối cơ thể để ưu tiên nghiên cứu.
Laura Covill của Broad Institute dùng điểm AVI cho các bệnh hiếm chưa có lời giải. Atlas chỉ ra một biến thể quan trọng trong gen liên quan đến rối loạn phát triển thần kinh, cung cấp bằng chứng hỗ trợ cho một ca sau đó được giải quyết.
Giá
Không có giá nào được nêu. Theo DeepMind, nhà nghiên cứu phi thương mại có thể dùng API AlphaGenome và các hướng dẫn Colab. Nghiên cứu thương mại đang ở bản xem trước riêng tư qua Google Cloud, với biểu mẫu quan tâm trên trang AlphaGenome 2. DeepMind cũng mời gửi trường hợp sử dụng đến hết ngày 30 tháng 11 và cho biết các dự án được chọn có thể nhận thêm hạn mức và tín dụng. Hãy xem trang của DeepMind để biết điều khoản hiện hành.
Công cụ phù hợp với ai?
Nhà nghiên cứu di truyền. Ai phải sàng hàng triệu biến thể từ mẫu của bệnh nhân sẽ có cách xếp hạng chúng. Avsec nêu ví dụ 4 triệu biến thể ở một bệnh nhân mắc bệnh hiếm, thu hẹp về các biến thể hiếm vẫn còn hàng trăm hay hàng nghìn lựa chọn.
Nhóm khám phá thuốc. DeepMind cho biết các công cụ có thể giúp nhà nghiên cứu dược phẩm xác định và kiểm chứng nhanh hơn các mục tiêu điều trị triển vọng.
Nhà nghiên cứu nông nghiệp. DeepMind gợi ý kiến trúc mô hình có thể giúp nhân giống cây trồng chịu khí hậu, nhưng chưa đưa ra kết quả nào.
Bạn đọc và bệnh nhân. Các công cụ này không chẩn đoán gì. DeepMind nói AlphaGenome 2 chưa được kiểm chứng hay phê duyệt cho mục đích lâm sàng hoặc chẩn đoán, và dự đoán cần được đọc cùng các nguồn thông tin khác.
Còn điều gì chưa biết?
DeepMind cho biết vẫn đang tìm cách tốt hơn để đo độ tin cậy của mô hình, và chỉ đưa ra dự đoán về hướng tác động khi mô hình tự tin. Mục tiêu dài hạn là mô phỏng số hoàn chỉnh một tế bào người là hướng đi được nêu, chưa phải sản phẩm.
Bước tiếp theo
Hãy đọc bài về AlphaGenome 2 của DeepMind để có liên kết bài báo, cách truy cập API và biểu mẫu quan tâm, và xem các con số trên là kết quả của chính nhà phát triển cho đến khi các nhóm bên ngoài báo cáo.







