DeepMind Releases DNA Foundation Model AlphaGenome 2
English text is being prepared.
Google DeepMind has released a new-generation DNA foundation model, AlphaGenome 2, and published a 78-page technical report, with the focus shifting to the non-coding regions that make up 98% of the human genome. The model uses single-cell data from 68 tissues and over 107 million cells; on the TenK10K benchmark, its pathogenic mutation identification rate rose from 16% to 30%, and its accuracy in determining whether gene activity is enhanced or weakened rose from 23% to 43%. The official release freely provides impact scores for nearly 7 million genetic variants across 510 cell states, and it plans to package the model as Skills integrated into Google Antigravity for use by Gemini 4.
Why read this
SelectedAI score 80
The original text presents three capability changes: single-cell precision, zero-experiment reproduction, and training-free adaptation, which can be used to assess progress in DNA foundation models.
Topics
Body
DeepMind深夜又甩出王炸了!
就在刚刚,诺奖得主哈萨比斯亲自挂帅,带领谷歌DeepMind正式发布新一代DNA基础模型AlphaGenome 2。
要知道,当年让他一举封神的AlphaFold,其实只破解了人类DNA中占2%的蛋白质编码区。
而剩下整整98%的非编码区,一直被称为基因组里的「暗物质」。这里不仅掌管着基因开启与关闭的「调控开关」,还藏着人类九成以上的致病突变。
这一次,DeepMind一口气放出长达78页的重磅技术报告,带着AlphaGenome 2向这片「暗物质」发起总攻,带来了四大核心突破。
从「看整块器官」精确到「看单个细胞」
模型吃透了人体68种组织、超1.07亿个单细胞数据,能看清同一个DNA突变在不同细胞里各自的反应,抓出致病突变的成功率比上一代直接翻倍。
不用做生物实验,纯靠计算复现《Nature》数年成果
一滴试剂没碰,模型就精准找出了引发严重肠病的幕后突变,连突变在哪种免疫细胞里发作都算得一清二楚。
碰到没见过的新病变,只喂几十个细胞就能看懂
哪怕是模型从未见过的病变样本,科研人员也不用重新训练模型,只需上传几十个细胞的测序数据,就能快速预测突变带来的后果。
免费开放百万级变异库,即将接入Gemini 4
官方公开了涵盖数百万个基因变异的影响评分库,并且很快还会把模型打包成Skills接入Google Antigravity,交给Gemini 4随时调用。
精确到单个细胞,致病突变识别率直接翻倍
为了破译这片基因组「暗物质」,DeepMind曾推出过初代AlphaGenome,但它有一个明显的短板,只能按「整块器官组织」来做笼统预测。
然而一块人体组织里往往混杂着几十种不同的细胞,混在一起只能算出「平均信号」,这就导致少数致病细胞的特征很容易被掩盖。
这也解释了为什么,遗传学界一直有个让人困惑的现象——
明明是同一个免疫相关的DNA突变,在肺组织里会提高IL20RA基因的表达,到了食管组织里却反过来降低它,按整块器官测序始终找不到原因。
直到AlphaGenome 2把视角拉近到单个细胞,背后的原因才彻底水落石出。
原来在上皮细胞里,这个突变破坏了负责激活基因的调控位点,从而导致基因表达显著下降。
相反,在血管内皮细胞里,它破坏的却是负责抑制基因的位点,失去限制后,基因表达反而大幅上升。
由于食管里上皮细胞占多数,而肺里血管内皮细胞更丰富,因此把整块器官混在一起算均值时,两股相反的作用就会互相抵消。
不难看出,当预测精度细化到单个细胞后,模型的识别准确率实现了大幅跃升。
在涵盖28种人类免疫细胞的TenK10K基准测试中,即便对初代模型专门进行单细胞微调,它也只能找出16%的致病突变。
相比之下,AlphaGenome 2不仅将这一比例提升到了30%,而且在判断「突变会让基因活性增强还是减弱」时,准确率也从23%拉高到了43%,两项核心指标几乎双双翻倍!
就连人类造血干细胞一步步分化成红细胞和B细胞的动态过程,它画出的基因变化热图,也跟实验室真实测出来的结果如出一辙。
纯靠AI模拟计算,零实验复现Nature数年成果
如果说跑分翻倍还只是基本功,那么它在真实疑难杂症上的表现,才真正让生物学家感到震撼。
2024年,《Nature》曾刊登过一项轰动医学界的炎症性肠病研究。
为了查清一处藏在非编码区的致病线索,科研团队在实验室里苦熬了好几年,反复进行CRISPR基因敲除等繁琐实验。
最终他们才好不容易证实,一处微小的基因突变竟然跨越29万个碱基的超远距离,过度激活了ETS2基因,从而引发严重的肠道炎症。
这次,DeepMind团队把同一段DNA输进了AlphaGenome 2。然后,模型全程没做一次生物实验,仅凭计算就得出了完全一致的结论!
在此过程中,模型不仅从7个高度相似的候选位点里一眼揪出致病突变,而且跳过了旁边距离更近的基因,精准锁定了远处的ETS2。
并且,它还进一步算出了「该突变只在肠道巨噬细胞和单核细胞里起作用,其他免疫细胞几乎不受影响」这一关键细节。
除了查找致病原因,在已经获批上市的镰状细胞病CRISPR基因疗法靶点上,它的表现同样非常亮眼。
模型不仅在红细胞发育早期的关键细胞中,精准找到了相隔5.8万个碱基的调控位点,还把基因编辑所针对的GATAA核心序列一字不差地识别了出来。
无需重新训练模型,只喂几十个细胞看懂未知病变
到了临床一线,研究人员经常会碰到一个现实难题。
许多罕见病或新发感染往往只能从患者身上采集到几十个病变细胞,这点数据量远不足以重新训练一个大模型。
为了解决这一痛点,AlphaGenome 2在主干网络之外专门新增了一个细胞编码器。
有了这套设计,无论遇到什么没见过的新病变,科研人员只需上传几十个新细胞的测序数据,细胞编码器就能当场提取出对应的细胞状态特征。
随后,这些特征会直接传给主干网络。这样一来,整个大模型无需重新训练,就能直接预测基因突变在这些新细胞里产生的影响。
为了验证这项能力,团队选用了一批模型从未见过的190名帕金森病患者脑组织样本进行测试。
在没有做任何针对性训练的情况下,AlphaGenome 2成功识别出41%的致病突变,远超专门用这批患者数据训练过的同类模型Scooby(仅17%)。
而在另一批新冠mRNA疫苗接种者样本中,它不仅敏锐识别出了打完加强针后才被唤醒的稀有T细胞,还顺藤摸瓜找出了一个非常隐蔽的新冠重症突变。
数据显示,这个突变在未激活的T细胞里几乎没有影响。但一旦免疫系统被激活,它就会显著抑制抗病毒基因的表达,从而加重感染风险。
不仅如此,这套架构还能帮实验室省下一大笔检测经费。
科研人员只需测量一项最常规的单细胞基因表达数据,模型就能自动推算出单碱基DNA甲基化等多项高成本指标,相当于测一项就能补全多项数据。
免费开放700万变异库,即将化作Skills接入Gemini 4
除了发布模型与论文,DeepMind这次还帮全球科研人员提前算好了两套大规模数据库,并全部免费公开。
其中不仅有640种真实人体细胞的基因调控图谱,还提前算出了近700万个基因变异在510种细胞状态下的具体影响评分。
目前,相关API和交互式Colab教程均已向非商业科研免费开放。
而在官方博客的末尾,DeepMind还释放了一个重磅预告。
团队很快就会把AlphaGenome 2封装成Skills,接入自家的Agent开发平台Google Antigravity,交由Gemini 4直接调用!
试想,一边是擅长文献研读与科学推理的Gemini 4大脑,一边是看透亿万单细胞的AlphaGenome 2。
当这两者结合在一起,那些原本要在实验室里苦熬数年的试错与筛选,就能通过几轮Agent调用在电脑上提前跑通。
如此一来,人类查清疑难杂症、研发新药的周期,也将大幅缩短!
参考资料:
本文来自微信公众号“新智元”,作者:ASI启示录,36氪经授权发布。
AI Trends