Google DeepMind 表示,其 AlphaGenome Atlas 为人类 DNA 中每一个可能的单一字母变化(共 90 亿个)提供评分,协助研究人员决定先研究哪些变异。DeepMind 同时推出 AlphaGenome 2,可预测个别细胞类型中的影响,并强调两款工具属研究辅助,并非临床工具。

研究科学家 Žiga Avsec 于 2026 年 11 月 17 日在 Google 的“Ask a Scientist”系列中介绍这项工作。DeepMind 于 2026 年 11 月 11 日发表的 AlphaGenome 2 文章则提供了技术细节。

甚么是 AlphaGenome Atlas?

人类基因组有 30 亿个碱基对,每个字母可换成另外三个字母,因此共有 90 亿个单一字母变化。许多遗传病源自其中一个变化,但实验室不可能逐一测试。

DeepMind 利用 2025 年 6 月推出的 AlphaGenome 预测每一个变化的结果,并于 9 月以 AlphaGenome Atlas 发布。每个变异会得到一个 AVI(AlphaGenome Variant Impact)分数,DeepMind 称这个分数显示变异对整个基因组的潜在影响,有助研究人员挑出最具破坏性的变化作跟进。

  • 输入:长度 100 万个碱基对的部分 DNA 序列
  • 输出:每个序列数以千计的预测
  • 规模:涵盖全部 90 亿个单一字母变化
AlphaGenome 2 发布文章中的等距立方体插图
图片: Google DeepMind

AlphaGenome 2 新增了甚么?

AlphaGenome 主要以整个组织或细胞株数据训练,DeepMind 指细胞类型特异性是其主要限制。AlphaGenome 2 接收 100 万个字母的序列加上一个条件(例如某种组织或细胞类型),并预测该条件下的影响。DeepMind 称它以 68 种组织、逾 1 亿个单一细胞的数据训练。

DeepMind 报告,它找出在细胞中改变基因表达的变异数目,接近上一代最先进模型的两倍。在一个包含 28 种免疫细胞类型的数据集上,它报告因果变异的比率为 30%,原版 AlphaGenome 以单细胞数据微调后为 16%;基因影响方向的比率为 43%,对比 23%。这些数字来自 DeepMind 及其合作者,文章没有提到独立验证。相关论文为 bioRxiv 预印本。

研究人员至今做了甚么?

据 DeepMind 说,英国 Exeter 大学的 Gareth Hawkes 利用 Atlas 把 10 亿个变异的清单缩窄,集中处理影响最大的 1%,找出 19 组与身体质量指数相关的变异组别优先研究。

Broad Institute 的 Laura Covill 把 AVI 分数用于未解决的罕见疾病研究。Atlas 找出一个与神经发育障碍相关基因中的关键变异,为随后成功解开的个案提供了佐证。

价格

未列出任何价格。DeepMind 表示,非商业研究人员可使用 AlphaGenome API 及 Colab 教学。商业研究则通过 Google Cloud 进行私人预览,AlphaGenome 2 页面设有意向表格。DeepMind 亦邀请于 11 月 30 日前提交使用案例,并称获选项目可能获额外配额及额度。最新条款请查阅 DeepMind 页面。

适合哪些人?

遗传学研究人员。 需要从患者样本的数以百万计变异中筛选的人,可借此排序。Avsec 举例,一名罕见病患者有 400 万个变异,筛选至罕见变异后仍有数百甚至数千个选项。

药物研发团队。 DeepMind 称这些工具可协助制药研究人员更快找出并验证有潜力的治疗标靶。

农业研究人员。 DeepMind 认为模型架构可能有助培育耐气候变化的作物,但目前未提供任何结果。

一般读者及患者。 这些工具不会作出诊断。DeepMind 指 AlphaGenome 2 未经临床或诊断用途的验证或批准,预测结果应与其他资料一并参考。

还有甚么未知?

DeepMind 表示仍在研究更好的方法衡量模型的信心,只有在有把握时才会给出方向性预测。建立完整人类细胞数码模拟的长远目标只是既定方向,并非产品。

下一步

阅读 DeepMind 的 AlphaGenome 2 文章,取得论文链接、API 使用方式及意向表格;在外部团队作出报告前,上述数字请视为开发者自身的结果。