AlphaGenome 2发布:基因调控预测进入单细胞尺度

AI 前沿AlphaGenome2发布openstarry.com

这是什么:从组织平均走向单细胞

AlphaGenome 2是DeepMind推出的新一代DNA基础模型,核心目标是理解非编码区如何调控基因开启与关闭,并预测基因变异带来的影响。人类基因组中约2%是蛋白质编码区,其余大量非编码区长期被称为基因组暗物质,却承载调控开关并关联大量致病突变。初代模型已经能做变异效应预测,但主要按整块组织给出平均信号。AlphaGenome 2把粒度推进到单细胞,试图解释同一个突变为何在不同细胞类型中产生不同甚至相反的效果。

关键能力与原理

已公开的能力可以概括为以下几项。

原理上,这类模型学习DNA序列与调控活性之间的关系,通过对比参考序列和突变序列,预测基因表达等调控结果。细胞编码器的作用是把细胞状态变成主干网络可用的条件信息。可以把它理解为给通用DNA模型加了一个细胞状态接口,让同一个主干网络在不同细胞背景下做推断。需要说明的是,这是对公开能力的概括,具体模型结构和训练细节仍需以正式文档为准。

和上一代相比,差异在哪里

最核心的差异是从组织平均走向单细胞条件化。初代模型把一块组织混在一起算平均信号,少数致病细胞的特征容易被掩盖;AlphaGenome 2先区分细胞类型和状态,再预测变异影响。TenK10K基准上,初代模型即使做单细胞微调,致病突变识别率也只有16%,AlphaGenome 2提升到30%;增强或减弱方向的判断准确率从23%提升到43%,两项指标接近翻倍。

第二个差异是新样本的免重训适配。面对190名帕金森病患者脑组织样本,AlphaGenome 2在没有针对性训练的情况下识别出41%的致病突变,而专门用这批数据训练过的同类模型Scooby为17%。这说明细胞编码器路线

以 AI 之力,筑未来之境

现在注册,立即免费获赠 200 次大模型调用权益

免费注册 →