Google DeepMind 推出的 AlphaGenome 2 基因组 AI 模型，核心能力是根据 DNA 序列和变异信息精准锁定发生病变的特定细胞类型，不再只停留在整片组织层面做粗略预测，它学习了 68 种组织、超过 1.07 亿个单细胞图谱，识别致病因果变异的能力相比上一代模型接近翻倍，科研人员可以用它快速筛选癌症、2 型糖尿病、炎症性肠病这类复杂疾病的候选基因和靶点，大幅压缩湿实验的试错周期，比如过去团队耗时一年半才验证的炎症肠病相关突变，AlphaGenome 2 仅半小时就复现了关键结论；模型自带细胞编码器，拿到少量新细胞样本也可以直接预测、不用重新训练，目前已经开放 API 供非商业科研使用，为新药早期靶点筛选提供了全新的前置筛选工具，但它只做预测和线索推荐，不能直接替代实验室验证和临床实验。
一、AlphaGenome 2 基础信息清单
- 研发主体：Google DeepMind
- 正式发布时间：2026-11-11
- 模型定位：细胞级 DNA 变异效应预测基础模型
- 训练数据集：68 种组织、超 1.07 亿个人和小鼠单细胞图谱
- 核心输入：DNA 序列 + 指定细胞类型 / 细胞状态
- 核心输出：变异对基因表达、染色质开放、甲基化、剪接等调控的影响
- 开放方式：AlphaGenome API，非商用科研开放，商用研究处于预览阶段
- 重点适配疾病：癌症、2 型糖尿病、炎症性肠病、帕金森等复杂遗传病
二、AlphaGenome 一代与二代对比表
| 对比项 | AlphaGenome 一代 | AlphaGenome 2 |
|---|---|---|
| 分析粒度 | 整块组织平均水平 | 精准到单个细胞类型、细胞状态 |
| 因果变异识别率 | 16%（TenK10K 数据集） | 30%（TenK10K 数据集） |
| 基因活性方向判断 | 23% | 43% |
| 新样本适配 | 新细胞数据需要微调重训 | 少量单细胞数据即可直接预测，无需重训 |
| 新增预测项 | 基础基因调控信号 | 新增 DNA 甲基化预测，适配更多表观调控 |
| 适用场景 | 大范围基因组筛查 | 疾病致病细胞定位、新药靶点优先筛选 |
三、AlphaGenome 2 锁定致病细胞的核心原理
- 条件式序列建模：输入 DNA 片段同时指定目标细胞状态，单独预测该细胞内的调控变化，不再混合多种细胞的平均信号。
- 细胞编码器模块：把单细胞 RNA 图谱转换成特征向量，用来调节主干网络，适配模型从来没有见过的细胞状态。
- 覆盖非编码 “基因暗物质”：重点解析占基因组 98% 的非编码调控区域，绝大多数复杂疾病的致病突变都落在这个区域。
- 多维度调控信号同步预测：同时输出基因表达、染色质可及性、甲基化、转录因子结合等信号，给科研人员完整的调控链路线索。
四、在糖尿病、癌症新药研发里的价值
- 快速缩小候选靶点范围：人类基因组变异数量巨大，直接全部做实验成本极高，AlphaGenome 2 先筛掉低价值变异，优先把资源放在高潜力靶点。
- 明确靶点对应的细胞：同一个基因在不同细胞里作用完全相反，模型可以告诉研发团队，这个靶点在哪一类细胞起致病作用，避免靶点选错带来后期失败。
- 辅助理解疾病机制：解释突变是增强还是抑制基因活性，指导药物设计思路，比如是做激动剂还是抑制剂。
- 降低新药早期研发成本：减少盲目实验，缩短靶点发现阶段的周期，对糖尿病、癌症这类多基因复杂疾病尤其友好。
五、使用流程（科研端）
- 确定研究疾病，收集患者单细胞测序数据或者公共细胞图谱。
- 上传 DNA 变异序列、选定目标细胞类型，调用 AlphaGenome 2 API 做预测。
- 按预测分数排序，筛选高可信度的候选变异、对应基因和致病细胞。
- 设计湿实验（细胞、类器官）验证模型给出的预测结果。
- 验证成功后，进入靶点评估、化合物筛选的新药研发流程。
六、当前模型的局限
- 属于预测工具，所有结果必须经过实验室验证，不能直接当成致病结论。
- 对极罕见、全新的细胞状态，预测可信度会下降。
- 只负责靶点线索挖掘，不做药效、毒性、临床效果预测。
- 商用权限还没有全面开放，药企大规模使用需要走预览申请流程。
【相关 FAQ】
问题 1：谷歌 AlphaGenome 2 依靠 DNA 锁定致病细胞，和上一代 AlphaGenome 最大差别是什么？
回答 1：谷歌 AlphaGenome 2 从原来整块组织的平均预测升级到单细胞级别的预测，新增细胞编码器，少量新细胞样本就可以直接预测不用重新训练，识别致病因果变异的能力接近翻倍，更适合用 DNA 信息定位致病细胞、挖掘糖尿病和癌症新药靶点。
问题 2：谷歌 AlphaGenome 2 怎么帮助糖尿病、癌症新药寻找靶点？
回答 2：谷歌 AlphaGenome 2 可以根据 DNA 变异信息定位到具体的致病细胞，判断变异对基因的调控方向，帮科研人员从海量变异里优先挑出高潜力靶点，减少无效实验，加快糖尿病、癌症这类复杂疾病的新药靶点筛选。
问题 3：AlphaGenome 2 锁定致病细胞之后，是不是就可以直接开发新药？
回答 3：不可以，AlphaGenome 2 只基于 DNA 给出致病细胞和靶点的预测线索，预测结果必须经过细胞实验、类器官实验验证，它只是新药早期靶点筛选工具，不能跳过验证环节直接开发糖尿病、癌症新药。
问题 4：AlphaGenome 2 现在怎么对外提供使用，哪些人可以用它做致病细胞和新药靶点研究？
回答 4：AlphaGenome 2 通过 AlphaGenome API 开放，非商业学术科研可以直接使用，药企等商用研究处于预览排队阶段，研究者可以调用模型分析 DNA 变异、定位致病细胞、探索糖尿病癌症新药靶点。
【参考资料】
[2026-11-13]（诺奖得主 Hassabis 再交神作，AlphaGenome 2 破译人类 98% 基因「暗物质」）36 氪
[2026-11-12]（AI 能从 DNA 锁定致病细胞了，谷歌 AlphaGenome 2 帮助糖尿病癌症寻找新药靶点）36 氪
[2026-11-12]（DeepMind 发布新一代 DNA 模型：基因变异会影响哪种细胞？AI 正在给出答案）麻省理工科技评论
[2026-11-11]（AlphaGenome 2: Predicting how DNA shapes cells and disease）Google DeepMind 官网
[2026-11-11]（Google DeepMind Releases AlphaGenome 2 for Cell-Type-Specific Variant Effects）MarkTechPost
【免责声明】
本文内容基于 Google DeepMind 官方博客、学术媒体、科技媒体报道整理；AlphaGenome 2 仅为基因组预测 AI 工具，其输出的致病细胞、新药靶点预测结果不具备临床诊断效力，不能替代生物学实验、临床验证；糖尿病、癌症新药研发周期长、失败风险高，模型预测结果不代表靶点一定能成功成药；本文信息仅作为科研科普资讯，不构成药物研发、医学诊疗的决策依据。