DeepMind 发布 AlphaGenome 2,变异影响预测范围接近翻倍
发布时间:2026年11月12日 10:10:0011 月 12 日,Google DeepMind 发布 DNA 分析模型 AlphaGenome 2,可预测基因变异对具体细胞类型的影响。谷歌称其识别出的影响基因表达的变异数量接近上一代的两倍。模型面向非商业研究开放,但尚未获批用于临床诊断。
事件:把「哪里出错」定位到细胞
11 月 12 日,Google DeepMind 发布 AlphaGenome 2,这是一个 DNA 分析模型,核心能力是预测基因变异如何影响具体的细胞类型。
关键数字与条款:
| 项目 | 内容 |
|---|---|
| 核心提升 | 识别出的影响基因表达的变异数量接近上一代 2 倍 |
| 使用范围 | 面向科研人员开放,仅限非商业研究 |
| 监管状态 | 未获临床诊断批准 |
第二、第三条同样重要:它说明这是一个研究工具,不是医疗产品。
为什么「细胞类型」是关键词
过去的基因组模型大多回答一个问题:这个变异会不会影响基因表达?
AlphaGenome 2 回答的是更细的一层:在哪种细胞里、影响多少?
这个区别决定了它的实用价值。同一个变异,在肝细胞里可能毫无影响,在心肌细胞里却会显著改变表达——这正是很多「全基因组关联分析找到位点,却做不出药」的原因:位点找到了,但不知道作用于哪个组织。
把变异定位到细胞类型,等于给药物研发提供了靶点组织的先验,能显著减少早期筛选的试错。
AI for Science 的第三次跃迁
把这次发布放到更大的脉络里看,AI 在生命科学已经走过三段:
| 阶段 | 代表 | 解决的问题 |
|---|---|---|
| 结构预测 | AlphaFold | 蛋白质长什么样 |
| 序列设计 | AlphaProteo 等 | 怎么造出想要的蛋白 |
| 功能预测 | AlphaGenome 系列 | 变异会带来什么后果 |
第三段比前两段更难,因为它的验证周期更长、噪声更大。结构预测可以拿实验晶体结构对照,功能预测往往要在细胞系甚至动物模型里验证,一个结论可能需要数月。
边界必须说清楚
三条限制需要在传播中保留:
- 仅限非商业研究:企业想用它做药物筛选,需要另外的授权路径;
- 未获批临床诊断:不能用于给患者出报告;
- 预测不等于因果:模型给出的是相关性最强的候选,仍需湿实验验证。
这三点决定了它短期内是科研加速器,而不是医疗产品。
三层影响
对科研机构:罕见病研究最直接受益。大量罕见病位点已知、机制不明,细胞类型级的预测能大幅缩小验证范围。
对药企:靶点发现的前置环节效率提升,但商业授权是门槛,可能催生新的合作模式。
对 AI for Science 赛道:再次验证「专用模型 + 高质量生物数据」的路线,通用大模型难以替代。
观察点
- 学术界的复现与质疑:预测准确率需要独立验证。
- 商业授权何时开放:这决定产业影响力。
- 是否延伸到更多物种与组织:当前覆盖范围是能力边界。
- 与湿实验的闭环:有多少预测被实验证实,是最硬的指标。
一句话总结:AlphaGenome 2 把「变异在哪出错」从组织级推进到细胞级,但离临床还有一段必须用实验填满的距离。