AlphaGenome 2 已停止对您的细胞求平均。

2024年，弗朗西斯·克里克研究所的一个团队花了18个月的实验室工作，想找出为什么单个DNA字母会驱动炎症性肠病。Google DeepMind的新模型在大约30分钟内就复现了这一发现。AlphaGenome 2预测的是某个变异在特定细胞类型内部的作用，而不是组织平均水平；在一项免疫细胞基准测试中，它找到的因果变异数量几乎是此前最先进方法的两倍。这是Google自AlphaFold以来一直在构建的技术栈的第三层——而第五层仍然缺失。

2024年，伦敦弗朗西斯·克里克研究所的一个团队做了一件代价高昂的事。他们花了一年半时间进行基因编辑和分子生物学研究，以解释为什么一个DNA字母——位于一段不含基因的基因组区域中——会增加炎症性肠病的风险。答案是一个远处的开关，它在肠道免疫细胞中过度激活了一个名为ETS2的基因。

本周，Google DeepMind 的研究人员用计算方法重现了该结果，而无需使用移液器。

“他们用 30 分钟就设法得出了答案，而我们做实验花了一年半，”领导这项 2024 年研究的免疫学家 James Lee 告诉《自然》。“从我们的角度看，这令人欣慰。”

该模型是 11 月 11 日发布的 AlphaGenome 2。它的改进范围较窄、技术性强且影响重大：它预测 DNA 变异在特定细胞类型或细胞状态内部的作用，而不是在整个组织范围内取平均。

这种区分正是整个论点的关键。你的心脏、大脑和免疫系统携带相同的DNA序列。将它们区分开来的是每个细胞开启了哪些基因，以及开启的程度。一个变异可以在一个细胞中破坏某个基因，而在旁边的细胞中毫无作用，这就是为什么组织平均值可能掩盖药物研发项目所需的机制。

2024年的四个步骤到2026年变成了三个：变异、机制，以及一个无需中间相隔十八个月就能抵达它们的模型。

实际发生了什么变化

AlphaGenome 1于2025年6月预览，并于2026年1月发表在《自然》上；它读取了一百万个DNA字母，并同时为许多组织中的数千项实验生成预测。DeepMind现在表示，这种设计“摊薄了模型的容量”，并使区分密切相关的细胞类型变得困难。

AlphaGenome 2 是一个条件模型。除了 DNA 序列之外，它还接收一种生物学条件——组织、细胞类型或细胞状态——并在其架构的每个阶段使用该条件，一次针对一种条件进行预测。它基于超过 1.07 亿个个体细胞谱进行训练，涵盖 637 种人类细胞类型和 311 种小鼠细胞类型，并新增了 DNA 甲基化——这是研究人员一直希望获得的读出数据。

有两种影响比基准测试更重要。首先，它可以预测缺失的测量值：给它单细胞基因活性，它就能估计染色质可及性，从而告诉实验室下一步值得做哪个实验。其次，它能适应从未见过的细胞状态，只需几十个细胞且无需重新训练。基于一项COVID-19 mRNA疫苗研究的数据，它区分了活化T细胞与静息T细胞，并发现一个与重症COVID-19相关的变异在活化状态下对基因活性的干扰更强——这种效应会被静息细胞掩盖。

“如果你想理解与遗传病相关的变异，那么你就必须问自己，哪些细胞类型会受到影响，”领导 AlphaGenome 团队的 Žiga Avsec 告诉《自然》。Lee 则更直白地指出了早期版本的局限：一个无法预测细胞类型特异性的模型“对我们并没有多大用处”。

谷歌正在构建的技术栈

按顺序阅读这些发布内容，一种结构就会浮现出来。每一层都解决上一层的问题，而每一层单独来看都毫无用处。

Isomorphic Labs，这家从 Alphabet 分拆出来、将 DeepMind 的药物设计工作商业化的公司，在 5 月筹集了 21 亿美元，并表示其首批临床试验预计将在今年年底前进行——这一目标此前曾定在 2025 年。AlphaFold 告诉了我们锁的形状。AlphaGenome 告诉了我们它在哪扇门上、在哪个房间里。Isomorphic 负责配钥匙。这些都不能决定钥匙能否到达那个房间。

递送正是生物学不再是一个信息问题的地方。一种在培养皿中能结合正确蛋白的药物，仍然必须经受住血液环境、穿过正确的膜并进入目标细胞。靶向递送确实存在——脂质纳米颗粒、抗体偶联药物、工程化T细胞——但它是按器官和按分子逐一选择的，而不是根据序列计算出来的。临床试验仍然是唯一真正重要的检验，而它们进展缓慢的原因，没有任何模型改变得了。

三到五年需要什么

主张很快解决生物学问题的理由，不在于这些模型有魔力。而在于第一步——形成关于机制的正确假说——的成本，比任何人预测的都下降得更快。三十分钟对十八个月，不是生产率提升；而是一种不同的工作。

有三件事必须成立。从变异到细胞再到药物的链条必须不断打通，而这个模型首次让这一点显得可行。湿实验验证必须跟上，这是机器人和试剂的问题，不是 AI 的问题。第五层必须先在一种组织、一类分子上被解决一次——此后这一模式往往会泛化。

AlphaGenome 2 不能治愈任何疾病。它仅供研究使用，尚未经过临床工作验证，其预测只是仍需实验室检验的假设。许多疾病涉及数十个变异；一些增强子调控基因的距离超出模型所能看到的范围。那个30分钟得出的结果只是重现了已知的东西。

但整套技术栈如今已具雏形，缺失的那一块也有了名字。这与五年来那些看似前景可期的演示是截然不同的局面。

来源：谷歌 DeepMind，《AlphaGenome 2：解读细胞如何读取 DNA，以更好地理解疾病》（2026年11月11日）；《自然》新闻，《DeepMind 用于基因组图谱的超强人工智能令科学家惊叹》（2026年11月11日）；Isomorphic Labs 融资公告（2026年5月12日）。

联系：[email protected]

请注意，中文版本是由 AI 辅助翻译的，因此可能存在细微错误。

作者

Ai-Banking-NetworkSecurity (ABN), ABN ASIA由具有深厚学术背景的人员创立，他们在美国、荷兰、匈牙利、日本、韩国、新加坡和越南等国家有工作经验。ABN Asia是学术界和技术相遇的地方。凭借我们领先的解决方案和优秀的软件开发服务，我们帮助企业提升水平，走向全球舞台。我们的承诺：更快。更好。更可靠。在大多数情况下：也更便宜。

无论您需要IT服务、数字咨询、现成软件解决方案，还是想向我们发送招标要求（RFPs），都请随时与我们联系。您可以通过[email protected]与我们联系。我们随时准备为您提供所有技术需求的帮助。

© ABN ASIA