RooHome自定义 Mode · MCP · .roo
全景路径

DeepMind AlphaGenome 2 单细胞基因组AI发布

\n Google Deepmind has unveiled AlphaGenome 2, an AI model that analyzes genetic variants for individual cell types rather than across bulk tissue. Trained on more than 107

ガイド一覧 · 本文は主に簡体字中国語です。国際向けの要点は English summary をご利用ください。

DeepMind AlphaGenome 2 单细胞基因组AI发布

Google DeepMind 在 2026 年 11 月 12 日发布了 AlphaGenome 2，这是一款专为单细胞级别设计的 AI 模型，能精准预测特定人类细胞类型中 DNA 变异的基因影响。它不是在整体组织层面做预测，而是针对单个细胞状态输入，计算基因表达、染色质可及性和甲基化等细节。训练数据来自超过 1.07 亿个单细胞细胞谱，共覆盖 68 种组织。

谁适用？研究人员、药物开发团队和需要理解疾病细胞驱动因素的人会特别受益。相比前代模型，AlphaGenome 2 在 TenK10K 基准测试上识别出近两倍的因果变异，适合需要细化 GWAS 信号或支持免疫反应研究的场景。

怎么决策？如果你主要研究特定细胞（如免疫细胞或造血干细胞）的疾病机制，推荐直接用其 API 获取预计算结果或自定义输入；若需批量基因组分析，则可选搭配 Cursor 等第三方 IDE 修改器来快速迭代模型调用。

什么是 AlphaGenome 2

AlphaGenome 2 是 Google DeepMind 的下一代 DNA 序列模型，突破了 AlphaGenome 1 的 bulk tissue 局限。它采用条件模型架构，同时输入 DNA 序列和特定细胞状态，能预测单个细胞类型或新发现的细胞谱中的变异效应。模型还能推断缺失数据，如仅测基因表达时，补全染色质可及性信息。

核心优势在于单细胞分辨率：它能分辨心肌细胞与免疫细胞的细微差异，帮助发现疾病特异性驱动基因。这与之前的并行多组织预测方式不同，后者容量分散，难以捕捉紧密相关细胞的差异。

核心技术与应用场景

AlphaGenome 2 针对细胞状态进行条件预测，支持：

  • 基因表达强度
  • 染色质可及性（DNA 包装开放程度）
  • DNA 甲基化（化学开关）

它还能对新细胞状态泛化，不需重新训练。只需上传少量单细胞 RNA-seq 数据，模型就能快速适配并预测变异效应。示例包括：

  • COVID-19 mRNA 疫苗研究中区分激活 T 细胞与静止细胞
  • 炎症性肠病中特异性激活肠道巨噬细胞的 ETS2 基因机制

预计算结果已覆盖数百个细胞条件，简化了 GWAS 分析（基因组关联研究）。研究人员可通过 API 获取特定细胞类型的变异优先级，加快药物研发和基础生物学发现。

发布影响与相关路径

这一发布标志着单细胞生物学与人类遗传学深度融合。DeepMind 同时推出 AlphaGenome API（非商业研究可用，商业预览中），并计划在 Google Antigravity 平台集成 AlphaGenome 2 与 Gemini 4，用于自动化研究工作流。

如果你关注 AI 模型前沿动态，可通过站点内的 订阅路径 跟踪类似单细胞 AI 工具更新。RooHome 的 四模块对照 可帮助你快速对比不同模型的细胞分辨能力与价格。

风险与边界

AlphaGenome 2 仅供非商业研究使用，未获临床诊断批准。直接用于医疗决策可能引发误判或伦理问题。请勿将其作为诊断工具。DeepMind 官方未披露商业化时间表，实际使用以官方 API 页面为准。

免责声明：本文内容仅供参考，不构成任何专业医疗、法律或投资建议。RooHome 站点内工具页数据以最新官方公布为准，具体价格、接口或模型版本可能随更新调整。

延伸阅读