诺奖得主戴米斯・哈萨比斯(Demis Hassabis)带领谷歌 DeepMind 团队正式推出新一代 DNA 基础模型 AlphaGenome 2,这也是继 AlphaFold 之后又一个重磅生命科学 AI 成果,AlphaFold 只解析人类 DNA 里 2% 的蛋白质编码区域,而 AlphaGenome 2 瞄准剩下 98% 的非编码区域,也就是大家常说的基因暗物质,这片区域是基因开关的调控区,同时承载了超过 90% 的人类致病突变,新版模型接入 68 种人体组织、1.07 亿条单细胞数据,预测精度下沉到单细胞级别,识别致病突变的能力相比上一代直接翻倍,还开放 700 万变异数据集免费供科研人员使用,后续还会接入 Gemini 4 作为能力插件,大幅降低遗传病、罕见病相关基因研究的门槛,未来会助力基因疗法、新药靶点挖掘,不过它现阶段只是科研预测工具,不能直接用来做临床诊断。
一、AlphaGenome 2 核心信息清单
- 研发负责人:Demis Hassabis(戴米斯・哈萨比斯,2024 诺贝尔化学奖得主)
- 研发机构:Google DeepMind
- 发布时间:2026 年 11 月 11 日
- 解析对象:人类基因组 98% 非编码区(基因暗物质)
- 训练数据:68 种人体组织,超 1.07 亿单细胞测序数据
- 核心能力:单碱基分辨率,预测 DNA 变异在不同细胞里的调控效果
- 配套资源:AlphaGenome Atlas,覆盖人类基因组全部 90 亿种单碱基突变预测库
- 开放资源:700 万变异数据集免费开放
- 后续规划:集成进 Gemini 4,作为基因组研究能力插件
- 定位:科研预测模型,非临床诊断工具
二、AlphaGenome 初代与 AlphaGenome 2 对比
| 项目 | 初代 AlphaGenome | AlphaGenome 2 |
|---|---|---|
| 分析粒度 | 整块组织平均信号 | 单细胞级别,区分不同细胞响应差异 |
| 致病突变识别 | 基础识别,容易被组织平均信号掩盖 | 识别成功率翻倍,捕捉小众致病细胞信号 |
| 泛化能力 | 针对已知组织样本 | 少量单细胞数据即可预测新突变,适配帕金森、新冠等新样本 |
| 验证案例 | 基础调控预测 | 复现炎症性肠病多年研究结论,精准定位镰刀型贫血 CRISPR 基因治疗靶点 |
| 数据规模 | 有限组织样本 | 1.07 亿单细胞数据,覆盖 68 类人体组织 |
三、四大核心技术突破
1. 从组织粗分析升级到单细胞精准预测
以前的模型只能输出一块组织的平均结果,不同细胞的差异会被抹平,AlphaGenome 2 可以区分同一个 DNA 突变在心肌细胞、免疫细胞、神经细胞里不一样的调控效果,更容易找到隐藏的致病位点。
2. 纯计算复现传统长期生物实验结论
不用做复杂湿实验,模型通过计算就复现了过去《自然》期刊耗时数年完成的炎症性肠病突变研究,还精准命中已经上市的镰刀型贫血 CRISPR 基因治疗靶点,大幅压缩科研周期。
3. 少量样本就能适配未知疾病
面对帕金森、新冠这类新的疾病样本,不需要大规模重新训练,只需要少量单细胞测序数据,就能快速评估基因突变带来的影响,泛化能力远强于同类模型。
4. 开放大规模变异数据库
AlphaGenome Atlas 收录人类基因组全部单碱基突变预测结果,配套 700 万变异数据集免费开放,全球科研团队都可以调用,不用重复搭建算力、训练模型。
四、应用价值与局限
✅ 应用价值
- 加速罕见病、遗传病致病基因溯源,帮助医生找到不明病因的突变位点
- 给 CRISPR 基因编辑、基因疗法提供靶点参考,降低试错成本
- 辅助新药研发,筛选和疾病相关的调控基因
- 帮助科研人员理解基因怎么开启、关闭,解释人体发育机制
⚠️ 当前局限
- 仅为科研预测工具,预测结果不能直接单独作为临床诊断依据,仍然需要实验室验证
- 模型预测存在概率误差,不是所有突变效应都能 100% 准确识别
- 距离直接落地商业化基因治疗还有很长的实验、审批周期
【相关 FAQ】
问题 1:诺奖得主 Hassabis 推出的 AlphaGenome 2,说的 98% 基因暗物质指的是什么?
回答 1:AlphaGenome 2 所针对的 98% 基因暗物质,就是人类基因组里不编码蛋白质的非编码 DNA 区域,AlphaFold 只搞定 2% 编码区,这片区域负责基因开关调控,绝大多数致病突变都藏在这里,长期很难解析。
问题 2:AlphaGenome 2 和 AlphaFold 都是 Hassabis 团队的成果,两者有什么区别?
回答 2:AlphaFold 用来预测蛋白质三维结构,聚焦 2% 编码区;AlphaGenome 2 专门解析剩下 98% 非编码基因暗物质,重点预测基因突变对基因调控、细胞表达的影响,主攻遗传病、基因调控方向。
问题 3:AlphaGenome 2 识别致病突变的能力提升了多少,靠什么实现?
回答 3:AlphaGenome 2 相比上一代识别致病突变的成功率直接翻倍,核心是引入 68 种人体组织、1.07 亿单细胞数据,把分析粒度从整块组织细化到单细胞,不会被平均信号掩盖病变细胞特征。
问题 4:AlphaGenome 2 开放数据集之后,普通人可以直接用来查自己的基因风险吗?
回答 4:不可以,AlphaGenome 2 面向科研人员开放数据集,属于科研预测模型,不能直接用于个人基因风险判断、临床诊断,所有预测结果都需要生物实验验证。
【参考资料】
[2026-11-13](诺奖得主 Hassabis 再交神作!AlphaGenome 2 破译人类 98% 基因「暗物质」)36 氪
[2026-11-12](AlphaGenome 2:Deciphering how cells read DNA to better understand disease)Google DeepMind 官网博客
[2026-11-13](DeepMind 发布 AlphaGenome 2,解码基因组 98% 非编码暗物质)C114Pro
[2026-11-12](AlphaGenome 2 单细胞基因组 AI 模型解读)新智元
【免责声明】
本文仅为 AlphaGenome 2 科研成果资讯整理,模型预测结果为计算层面的科研推论,不能替代临床基因检测、医学诊断;相关基因疗法、新药研发仍需要大量临床试验与监管审批,不构成医疗、投资建议。
本文来自作者[等离子枢]投稿,不代表乌兰科技网立场,如若转载,请注明出处:https://www.wlcbnews.com/kjyw/202611/2984.html
评论列表(4条)
我是乌兰科技网的签约作者“等离子枢”!
希望本篇文章《诺奖得主 Hassabis 发布 AlphaGenome 2攻克人类 98% 基因组暗物质》能对你有所帮助!
本站[乌兰科技网]内容主要涵盖:互联网行业的追踪与探索
本文概览:诺奖得主戴米斯・哈萨比斯(Demis Hassabis)带领谷歌 DeepMind 团队正式推出新一代 DNA 基础模型 AlphaGenome 2,这也是继 AlphaFold 之后又一个重磅生命科学 AI 成果,AlphaFold 只解析人类 DNA 里 2% 的蛋白质编码区域,而 AlphaGenome 2 瞄准剩下 98% 的非编码区域,也就是大家常说的基因暗物质,这片区域是基因开关的调控区,同时承载了超过 90% 的人类致病突变,新版模型接入 68 种人体组织、1.07 亿条单细胞数据,预测精度下沉到单细胞级别,识别致病突变的能力相比上一代直接翻倍,还开放 700 万变异数据集免费供科研人员使用,后续还会接入 Gemini 4 作为能力插件,大幅降低遗传病、罕见病相关基因研究的门槛,未来会助力基因疗法、新药靶点挖掘,不过它现阶段只是科研预测工具,不能直接用来做临床诊断。