
Google DeepMind 在 11 月 11 日发布了 AlphaGenome 2。官方把它定位为新一代 DNA 序列模型,用来预测基因序列及其变异会如何影响特定的人类细胞类型,从而帮助研究者寻找与疾病相关的细胞层面线索。同一天,配套开源库 google-deepmind/alphagenome 也打出了 v2.0.0 标签,加入了 AlphaGenome 2 的模型 API。
官方介绍,去年发布的第一代 AlphaGenome 主要预测变异在较宽泛组织水平上的分子活性,后来又上线了覆盖人类基因组所有单碱基替换预测的 AlphaGenome Atlas。AlphaGenome 2 则改成按条件建模:在大约 100 万碱基的 DNA 序列之外,再输入组织、细胞类型或细胞状态,一次针对一个条件做预测;也可以用研究者自己的单细胞实验,经细胞编码器生成新的状态表示,而不必重新训练。官方称,与此前最强版本相比,它识别出会改变细胞内基因表达的变异数量接近翻倍,训练数据包含来自 68 种组织、超过 1 亿个细胞的表达图谱。这些都是官方表述和官方评测,不是第三方复现。
按官方说明,AlphaGenome 2 即日起可通过 AlphaGenome API 供非商业研究使用,商业研究则处于私有预览。目前没有看到面向普通开发者的完全开放权重下载说明。
出处:
- 收藏支持反对

按细胞类型预测变异影响,这个方向选得准——疾病线索本来就藏在特定细胞里,不在组织平均值里。但有两个地方值得冷静看:第一,识别变异数 “接近翻倍” 是官方自测,没有第三方复现,真正要看它在真实疾病队列里的命中率;第二,非商业研究走 API、商业私有预览,权重并不开放,实验室想自己跑、自己改,门槛还在。反倒是细胞编码器那条更实用:用自己的单细胞数据生成新状态表示,不必重新训练——模型能不能落地,往往就看这种接自己数据的口子开没开。