产品简介
AlphaGenome 2 是 Google DeepMind 在 2026 年 11 月 11 日发布的新一代 DNA 序列模型，上一代是 AlphaGenome。
架构上的改变在于它是条件模型。输入除了一段 100 万字母的 DNA 序列，还要给一个生物学条件，也就是组织、细胞类型或细胞状态，这个条件会在架构的每一层参与运算。条件有两个来源：从官方参考目录里挑，或者用它的 cell encoder 从科学家自己的单细胞实验现场生成，官方说几十个细胞就够。这一条很重要，它意味着不必等参考目录覆盖到你的研究体系才能用。
输出沿用上一代的核心实验读数，包括基因表达、组蛋白修饰与染色质可及性，另外新增了 DNA 甲基化，这是用户提得最多的一项。它还支持跨模态填补，比如输入单细胞基因活性，可以推断没测过的染色质可及性。
训练规模是 1.07 亿个单细胞图谱，覆盖 68 种组织，含人与小鼠的 bulk 与单细胞数据。官方把这批数据的作用描述为把静态的细胞图谱变成人类遗传学的预测引擎。
效果指标给得比较清楚。在 TenK10K 数据集上，这是一个含 28 种原代免疫细胞类型的大规模单细胞图谱，AlphaGenome 2 稳定识别的因果变异接近上一代的两倍，具体是 30% 对 16%；方向性基因效应的识别率是 43% 对 23%。这两个数字是同数据集、同口径的直接对比，上一个对照是原始 AlphaGenome 在单细胞数据上微调并配合其他专用工具的结果，所以可比性不错。
对新细胞状态的泛化是另一条值得记的能力。模型在训练数据之外的基因组区域上，能解释同一组织内不同细胞类型之间基因表达差异的更大比例；对没见过的细胞状态也能预测，官方举的例子是区分疫苗激活的 T 细胞与静息 T 细胞，不需要重新训练。
开放范围分两层。非商业研究当天就能通过 AlphaGenome API 使用，并配有表达条件化的 Colab 教程；商业研究只能走私有预览。官方还提到之后会在 Google Antigravity 里放出 AlphaGenome 2 Skills。
用途边界必须写清楚。官方原文说明 AlphaGenome 与 AlphaGenome 2 仅供研究使用，尚未经过验证或批准用于临床与诊断用途。这句不是免责套话，它决定了这个模型不能出现在任何诊断流程里。
核心功能
- 条件式架构：输入 100 万字母 DNA 序列加一个组织、细胞类型或细胞状态，条件在架构每一层参与运算，把预测从组织平均收紧到具体细胞。
- 用自有单细胞实验定义条件：条件可由 cell encoder 从科学家自己的单细胞数据生成，官方说几十个细胞即可，不必等待参考目录收录相应细胞类型。
- 新增 DNA 甲基化预测：在基因表达、组蛋白修饰与染色质可及性之外增加 DNA 甲基化，这是用户呼声最高的一项读数。
- 跨模态填补：输入一种测量结果可推断未测量的属性，例如从单细胞基因活性推断染色质可及性。
- 1.07 亿单细胞图谱训练：覆盖 68 种组织，含人与小鼠的 bulk 与单细胞数据，官方称把静态细胞图谱变成遗传学预测引擎。
- 因果变异识别接近翻倍：TenK10K 数据集上识别率 30% 对上一代微调后的 16%，方向性基因效应 43% 对 23%，同数据集同口径。
- 泛化到未见细胞状态：对训练中没有的细胞状态也能预测，官方例子是区分疫苗激活的 T 细胞与静息 T 细胞，无需重新训练。
- API 与 Colab 教程同时开放：非商业研究当天可用 AlphaGenome API，并配表达条件化的交互式 Colab 教程，之后还会推出 Antigravity Skills。
适合谁用
以下类型的用户会特别受益于 AlphaGenome 2：
- 把 GWAS 位点落到具体细胞类型
- 罕见病与复杂疾病的机制定位
- 单细胞实验设计前的效应预判
- 非编码区变异的致病性排序
- 跨模态数据填补
- 药物靶点的细胞类型归因
- 验证已知机制，如 IBD 中肠道巨噬细胞的 ETS2 调控
优点亮点
- 预测粒度从组织平均下沉到单个细胞类型与状态，能找到只在特定细胞里起作用的变异
- 因果变异识别 30% 对 16%、方向性基因效应 43% 对 23%，同数据集同口径可直接比
- 新增 DNA 甲基化并支持跨模态填补，一种测量可推断未测属性
- 可用自己的单细胞实验现场定义条件，几十个细胞即可，不依赖参考目录覆盖
- 能泛化到训练中未见的细胞状态，不必为每种新状态重训
- 非商业研究当天即可经 API 与 Colab 使用
价格与方案
非商业研究经 AlphaGenome API 与 Colab 教程免费使用，商业研究为私有预览需申请。社区用例征集截止 11 月 30 日，入选项目可能获得额外配额与 credits。产品仅供研究使用，未经验证或批准用于临床与诊断。
总结与建议
基因组模型过去只能告诉你这段序列在肝组织里像不像调控区，AlphaGenome 2 把粒度下沉到具体是哪一种细胞、处于什么状态。同一份 DNA 在心脏和免疫细胞里的读法不同，而疾病往往只发生在其中一种细胞里，这就是这次升级的实际价值。因果变异识别率从上一代微调后的 16% 提到 30%，同一数据集同一口径。非商业研究当天就能用，商业用途还在私有预览。
版本演进
- AlphaGenome 2 发布 （2026-11-11）：Google DeepMind 发布 AlphaGenome 2 条件式 DNA 序列模型，输入 100 万字母序列加组织、细胞类型或细胞状态，输出基因表达、组蛋白修饰、染色质可及性与新增的 DNA 甲基化预测。训练数据为 1.07 亿个单细胞图谱、覆盖 68 种组织，含人与小鼠的 bulk 与单细胞数据。TenK10K 数据集上因果变异识别率 30%，上一代单细胞微调后为 16%；方向性基因效应 43% 对 23%。可泛化到未见细胞状态。非商业研究当天经 AlphaGenome API 与 Colab 开放，商业研究走私有预览，之后将推出 Google Antigravity Skills。官方说明仅供研究，未验证或批准用于临床诊断。