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。
- 单细胞分辨率:模型使用68种组织、超过1.07亿个单细胞数据,能够在同一份DNA变异上区分不同细胞类型的反应。公开案例中,同一免疫相关突变在上皮细胞和血管内皮细胞中分别破坏激活或抑制调控位点,导致基因表达方向相反;组织平均会把两股作用抵消。
- 少量细胞适配:新增细胞编码器,可从几十个新细胞的测序数据中提取细胞状态特征,再交给主干网络做条件化预测。遇到未见过的病变样本时,不需要重新训练大模型。
- 变异效应判断:在涵盖28种人类免疫细胞的TenK10K基准上,AlphaGenome 2识别致病突变的比例为30%,判断突变增强还是减弱基因活性的准确率为43%。
- 长距离调控识别:在炎症性肠病案例中,模型从候选位点中定位到跨越29万个碱基、过度激活ETS2的突变,并判断其主要作用于肠道巨噬细胞和单核细胞;在镰状细胞病相关靶点上,识别出相隔5.8万个碱基的调控位点及GATAA核心序列。
- 公开资源:相关方放出了640种真实人体细胞的基因调控图谱,并预先计算了近700万个基因变异在510种细胞状态下的影响评分,API和交互式Colab教程向非商业科研开放。
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