谷歌 DeepMind 推出新一代基因组 AI 模型 AlphaGenome 2，和之前行业最优模型相比，它能够识别近两倍可以改变细胞基因表达的 DNA 变异，核心升级是从之前宽泛的组织平均分析，下沉到单细胞、特定细胞状态维度做预测，模型用 68 种组织、超过 1.07 亿个单细胞图谱数据训练，不仅能识别已知细胞类型里的致病变异，还可以预判模型之前没有见过的细胞、疾病状态下变异带来的影响；初代 AlphaGenome 是面向整块组织做预测，很多只在特定细胞里起效的变异信号会被平均数据掩盖，AlphaGenome 2 解决了这个痛点，现在已经开放 AlphaGenome API，非商业科研可以免费使用，商业研究处于私密预览阶段，主要用来辅助罕见病、免疫疾病、复杂遗传病的机制研究，帮科研人员缩小实验范围，加快药物靶点筛选。
一、AlphaGenome 2 核心参数对比表
| 项目 | AlphaGenome 初代 | AlphaGenome 2 |
|---|---|---|
| 分析层级 | 组织层面平均信号 | 单细胞、独立细胞状态 |
| 训练数据 | 组织基因组数据 | 68 种组织，1.07 亿 + 单细胞图谱 |
| 变异识别能力 | 基准线，TenK10K 数据集召回 16% 致病变异 | 同精度下召回 30% 致病变异，识别数量接近翻倍 |
| 新增预测项 | 基因表达、剪接、染色质可及性 | 新增 DNA 甲基化，支持细胞状态条件化预测 |
| 陌生样本支持 | 很难外推新细胞状态 | 可以预测未见过的细胞、疾病状态 |
| 开放方式 | Atlas 预计算数据库 | API 调用，非商业科研开放 |
二、AlphaGenome 2 的工作流程
- 输入 DNA 序列和目标细胞状态信息，细胞状态可以是公开图谱，也可以是科研人员自己的单细胞测序数据。
- 模型里的 Cell Encoder 把细胞状态转化成特征向量，和 DNA 序列一起送入主模型。
- 模型输出这份 DNA 变异在该类细胞里对基因表达、甲基化、染色质等分子特征的影响结果。
- 科研人员根据结果筛选高风险候选变异，优先安排湿实验验证，不用盲目筛查全部位点。
- 批量汇总多个细胞类型的预测结果，判断变异是不是只在特定免疫细胞、心肌细胞等里面致病。
三、相比老版本的关键升级点
- 条件化预测架构：不再只看 DNA 序列，把细胞状态当成输入条件，同一个变异在不同细胞里的效果可以分开判断。
- 找回被稀释的变异信号：很多疾病相关变异只在少数免疫细胞、肠道细胞起效，组织平均模式会直接漏掉，单细胞维度可以抓出来。
- 效应方向判断提升：可以判断变异是上调基因还是下调基因，效应方向识别准确率从 23% 提升到 43%。
- 支持自定义单细胞数据：科研团队上传自己测序得到的细胞状态，不用依赖固定训练数据集。
四、适合的研究场景
✅ 适合：罕见病致病位点筛查、炎症性肠病、新冠重症这类免疫相关遗传研究、药物靶点初筛、单细胞 eQTL（表达数量性状位点）挖掘
❌ 不适合：直接用于临床诊断、给普通人做疾病风险判定、替代实验室湿实验验证
五、使用方式与权限说明
- 非商业学术研究：直接通过 AlphaGenome API 申请调用，免费开放，用于高校、科研院所基础研究。
- 商业研发：需要提交申请，进入私密预览队列，等待谷歌审核。
- 限制：AI 预测只是计算假说，所有高风险变异结论，必须经过 PCR、单细胞测序等实验室实验复核。
【相关 FAQ】
问题 1：谷歌 AlphaGenome 2 DNA 变异识别能力接近两倍，具体是什么意思？
回答 1：谷歌 AlphaGenome 2 在 90% 精度的前提下，在 TenK10K 免疫数据集上，致病变异召回率从 16% 提升到 30%，相比之前最优模型，能识别接近两倍、会改变细胞基因表达的 DNA 变异。
问题 2：谷歌 AlphaGenome 2 和初代 AlphaGenome 最大差别是什么？
回答 2：初代 AlphaGenome 是在整块组织层面做预测，AlphaGenome 2 下沉到单细胞和细胞状态，谷歌 AlphaGenome 2 可以识别那些只在特定细胞里起作用、容易被组织平均数据掩盖的 DNA 变异。
问题 3：谷歌 AlphaGenome 2 可以直接用来给患者做基因诊断吗？
回答 3：不可以，谷歌 AlphaGenome 2 只是科研预测工具，它对 DNA 变异的预测结果属于计算假说，不能直接作为临床诊断依据，所有结论都需要实验室实验验证。
问题 4：普通科研人员怎么调用谷歌 AlphaGenome 2 做 DNA 变异分析？
回答 4：谷歌 AlphaGenome 2 通过 AlphaGenome API 对外提供服务，非商业科研可以申请免费使用，商业用途需要提交申请进入私密预览，上传 DNA 序列和细胞状态数据就能拿到变异预测结果。
【参考资料】
[2026-11-12]（谷歌 DeepMind 发布 AlphaGenome 2 DNA 变异识别近两倍）科创板日报
[2026-11-11]（AlphaGenome 2: Deciphering how cells read DNA to better understand disease）Google DeepMind 官网
[2026-11-11]（谷歌 DeepMind 发布 AlphaGenome 2 基因序列模型：识别致病变异能力提升近一倍）新浪科技
[2026-11-11]（DeepMind AlphaGenome 2 单细胞基因组 AI 解读）Unite.AI
[2026-11-11]（AlphaGenome 2 单细胞变异预测基准解读）MadRobot 安全与 AI 博客
【免责声明】
本文仅为 AlphaGenome 2 基因组 AI 模型的科研资讯科普，谷歌 AlphaGenome 2 对 DNA 变异的预测结果仅用于基础科研，不能替代临床基因检测、医师诊断；模型预测存在假阳性、假阴性，变异致病结论必须经过生物学实验验证，本文不构成医疗诊断、基因检测、药物研发立项建议。API 开放权限、使用规则以 Google DeepMind 官方页面为准。
本文来自作者[空域镜像使]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/rgzn/202611/1760.html
评论列表（4条）
我是乌兰科技网的签约作者“空域镜像使”！
希望本篇文章《谷歌 AlphaGenome 2 发布，DNA 变异识别数量接近翻倍》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：谷歌 DeepMind 推出新一代基因组 AI 模型 AlphaGenome 2，和之前行业最优模型相比，它能够识别近两倍可以改变细胞基因表达的 DNA 变异，核心升级是从之前宽泛的组织平均分析，下沉到单细胞、特定细胞状态维度做预测，模型用 68 种组织、超过 1.07 亿个单细胞图谱数据训练，不仅能识别已知细胞类型里的致病变异，还可以预判模型之前没有见过的细胞、疾病状态下变异带来的影响；初代 AlphaGenome 是面向整块组织做预测，很多只在特定细胞里起效的变异信号会被平均数据掩盖，AlphaGenome 2 解决了这个痛点，现在已经开放 AlphaGenome API，非商业科研可以免费使用，商业研究处于私密预览阶段，主要用来辅助罕见病、免疫疾病、复杂遗传病的机制研究，帮科研人员缩小实验范围，加快药物靶点筛选。