谷歌AlphaGenome 2深入探索疾病的细胞根源
内容提要
谷歌DeepMind发布AlphaGenome 2，可预测基因变异对不同细胞类型和状态的影响。该模型基于6800万细胞图谱训练，识别能改变基因表达的变异数量约为前代两倍，并能预测未训练过的新细胞类型、发现实验数据空白。其突破在于将人类遗传学与细胞生物学结合，有助理解疾病机制和药物靶点。模型计算成本较高，暂不取代前代，已开放非商业研究使用。
延伸解读
细胞类型差异为何关键
文章指出，人体几乎所有细胞携带相同DNA，但不同细胞类型和状态会开启或关闭不同基因，因此同一变异在不同细胞中效果可能截然不同。AlphaGenome 2 针对单个细胞类型和状态预测变异影响，比前代更精细，有助于发现特定细胞中原本可能被忽略的疾病相关效应。
训练数据与预测能力
模型基于超过1亿个单细胞图谱、覆盖68种组织训练。DeepMind称其识别能改变基因表达的变异数量接近前代最先进模型的两倍，还能在未重新训练的情况下预测新细胞类型和生物状态，并识别实验数据空白，帮助科学家决定下一步实验方向。
从遗传学到药物靶点
DeepMind研究人员认为，核心突破在于将人类遗传学与细胞生物学结合：可针对大规模人群研究中发现的变异，深入观察其在细胞层面的影响，并可能联系到疾病。由于药物开发针对特定蛋白质和特定细胞类型，这种精细度对确定治疗方向很重要。
成本与使用限制
AlphaGenome 2 的预测更精细，但计算成本更高，比前代更昂贵，因此暂不取代AlphaGenome，也不适合用于生成覆盖人类基因组所有可能DNA字母变化的图谱。目前该模型通过API开放非商业研究使用，商业研究仅限有限私有预览。
Q&A
AlphaGenome 2是什么？它和上一代AlphaGenome有什么区别？
AlphaGenome 2是谷歌DeepMind推出的新一代AI模型，用于预测基因变异对不同细胞类型和状态的影响。相比前代AlphaGenome，它能提供更细粒度的视图，识别出的能改变基因表达的变异数量几乎是前代的两倍，并且能预测未训练过的新细胞类型和状态。
AlphaGenome 2是如何训练出来的？用了哪些数据？
AlphaGenome 2基于超过1亿个单细胞图谱训练，覆盖68种组织。这些数据来自能够高分辨率捕获单细胞及其状态的新技术，使模型能将静态细胞图谱转化为人类遗传学的预测引擎。
AlphaGenome 2在疾病研究和药物开发中有什么实际用途？
该模型可以帮助研究人员深入分析大规模人群中发现遗传变异在细胞层面的影响，从而连接疾病机制。由于药物开发针对特定蛋白质和特定细胞类型，这种细胞层面的精细度对于确定治疗靶点至关重要。
AlphaGenome 2有哪些局限性？为什么暂时不取代前代？
AlphaGenome 2的计算成本较高，预测更昂贵，因此暂时不会取代前代AlphaGenome。高昂的计算需求使其难以用于生成覆盖人类基因组所有可能DNA字母变化的全基因组图谱。
研究人员如何使用AlphaGenome 2？是否开放商用？
谷歌通过AlphaGenome API向非商业研究开放AlphaGenome 2，同时为商业研究提供有限的“私人预览”。
AlphaGenome 2未来可能朝哪些方向发展？
DeepMind正致力于通过生成更多数据来改进模型，包括目前代表性不足的细胞状态。未来版本可能基于跨多个物种的数据训练，以提供更广阔的生物学视野。长期来看，此类模型可能助力创建“虚拟细胞”——模拟生物系统的数字仿真。
