Google DeepMind 表示,其 AlphaGenome Atlas 為人類 DNA 中每一個可能的單一字母變化(共 90 億個)提供評分,協助研究人員決定先研究哪些變異。DeepMind 同時推出 AlphaGenome 2,可預測個別細胞類型中的影響,並強調兩款工具屬研究輔助,並非臨床工具。
研究科學家 Žiga Avsec 於 2026 年 11 月 17 日在 Google 的「Ask a Scientist」系列中介紹這項工作。DeepMind 於 2026 年 11 月 11 日發表的 AlphaGenome 2 文章則提供了技術細節。
甚麼是 AlphaGenome Atlas?
人類基因組有 30 億個鹼基對,每個字母可換成另外三個字母,因此共有 90 億個單一字母變化。許多遺傳病源自其中一個變化,但實驗室不可能逐一測試。
DeepMind 利用 2025 年 6 月推出的 AlphaGenome 預測每一個變化的結果,並於 9 月以 AlphaGenome Atlas 發佈。每個變異會得到一個 AVI(AlphaGenome Variant Impact)分數,DeepMind 稱這個分數顯示變異對整個基因組的潛在影響,有助研究人員挑出最具破壞性的變化作跟進。
- 輸入:長度 100 萬個鹼基對的部分 DNA 序列
- 輸出:每個序列數以千計的預測
- 規模:涵蓋全部 90 億個單一字母變化

AlphaGenome 2 新增了甚麼?
AlphaGenome 主要以整個組織或細胞株數據訓練,DeepMind 指細胞類型特異性是其主要限制。AlphaGenome 2 接收 100 萬個字母的序列加上一個條件(例如某種組織或細胞類型),並預測該條件下的影響。DeepMind 稱它以 68 種組織、逾 1 億個單一細胞的數據訓練。
DeepMind 報告,它找出在細胞中改變基因表達的變異數目,接近上一代最先進模型的兩倍。在一個包含 28 種免疫細胞類型的數據集上,它報告因果變異的比率為 30%,原版 AlphaGenome 以單細胞數據微調後為 16%;基因影響方向的比率為 43%,對比 23%。這些數字來自 DeepMind 及其合作者,文章沒有提到獨立驗證。相關論文為 bioRxiv 預印本。
研究人員至今做了甚麼?
據 DeepMind 說,英國 Exeter 大學的 Gareth Hawkes 利用 Atlas 把 10 億個變異的清單縮窄,集中處理影響最大的 1%,找出 19 組與身體質量指數相關的變異組別優先研究。
Broad Institute 的 Laura Covill 把 AVI 分數用於未解決的罕見疾病研究。Atlas 找出一個與神經發育障礙相關基因中的關鍵變異,為隨後成功解開的個案提供了佐證。
價格
未列出任何價格。DeepMind 表示,非商業研究人員可使用 AlphaGenome API 及 Colab 教學。商業研究則透過 Google Cloud 進行私人預覽,AlphaGenome 2 頁面設有意向表格。DeepMind 亦邀請於 11 月 30 日前提交使用案例,並稱獲選項目可能獲額外配額及額度。最新條款請查閱 DeepMind 頁面。
適合哪些人?
遺傳學研究人員。 需要從患者樣本的數以百萬計變異中篩選的人,可藉此排序。Avsec 舉例,一名罕見病患者有 400 萬個變異,篩選至罕見變異後仍有數百甚至數千個選項。
藥物研發團隊。 DeepMind 稱這些工具可協助製藥研究人員更快找出並驗證有潛力的治療標靶。
農業研究人員。 DeepMind 認為模型架構可能有助培育耐氣候變化的作物,但目前未提供任何結果。
一般讀者及患者。 這些工具不會作出診斷。DeepMind 指 AlphaGenome 2 未經臨床或診斷用途的驗證或批准,預測結果應與其他資料一併參考。
還有甚麼未知?
DeepMind 表示仍在研究更好的方法衡量模型的信心,只有在有把握時才會給出方向性預測。建立完整人類細胞數碼模擬的長遠目標只是既定方向,並非產品。
下一步
閱讀 DeepMind 的 AlphaGenome 2 文章,取得論文連結、API 使用方式及意向表格;在外部團隊作出報告前,上述數字請視為開發者自身的結果。







