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

가이드 목록 · 본문은 주로 중국어 간체입니다. 영문 요약(English summary)을 참고하세요.

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