AlphaGenome 2:AI 读懂人类基因组,精准定位致病突变

DeepMind 发布 AlphaGenome 2,将基因组变异效应预测下探到单细胞分辨率,助力罕见病诊断。
Google DeepMind 在播客中介绍了 AlphaGenome 系列模型的最新进展。2025 年发布的 AlphaGenome 能预测非编码 DNA 在全组织层面的功能,而 AlphaGenome 2 进一步将分辨率下探到单个细胞类型,揭示同一种变异在 T 细胞、巨噬细胞等不同细胞中的差异化影响。团队还构建了 Atlas 平台,预计算约 90 亿种单字母变异的效应,并用 AVI 分数将复杂输出压缩为可排序的单一指标。在 Broad Institute 的合作中,AVI 分数帮助一名多年未确诊的罕见癫痫患儿锁定致病剪接变异并经实验验证。研究者将模型定位为高精度、低召回的研究工具,其长期愿景是构建虚拟细胞,但认为其难度可能高于实现 AGI。
AlphaGenome 2:AI 读懂人类基因组,精准定位致病突变
人类基因组测序用了13年,得到的字符串长度是莎士比亚全集的好多倍。但读懂这本"书"花的时间更长。正如参与人类基因组计划的遗传学家 Eric Lander 所说:"我们买到了书,但它太难读了。" Google DeepMind 正在用 AI 让这本书逐渐变得可读。
在 DeepMind 播客中,研究团队介绍了 AlphaGenome 系列模型的最新进展。2025年发布的 AlphaGenome 能够预测非编码 DNA 在全组织层面的功能,而 AlphaGenome 2 则进一步将分辨率下探到单个细胞类型,揭示单点突变如何驱动疾病。

从"垃圾 DNA"到调控密码
要理解 AlphaGenome 的价值,先要理解基因组的基本结构。人类基因组由约30亿个碱基对(A、C、G、T)组成。其中只有一小部分直接编码蛋白质——这些蛋白质是细胞内的"乐高积木",构建出执行各种功能的分子机器。其余绝大部分曾被称为"垃圾 DNA",如今我们知道它们是调控区域,决定细胞在何时、何地、以何种数量生产哪些蛋白质。
研究团队用了一个生动的类比:所有细胞都携带同一份遗传指令,但眼细胞需要检测光线,肌肉细胞需要执行物理运动,它们需要不同的"机器",因此需要不同的蛋白质组合。调控区域就是告诉细胞该生产什么的指令层。
AlphaGenome 的设计目标正是读取一段 DNA 序列,告诉我们该位置在细胞内发生了什么,以及如果改变一个字母(比如 A 变成 T),分子层面会有什么变化。
非编码 DNA 与调控元件
人类基因组中约 98% 的序列不直接编码蛋白质,这些区域统称为非编码 DNA。它们并非无用,而是包含了多种调控元件:启动子(位于基因转录起始位点附近,招募 RNA 聚合酶)、增强子(可位于基因上游或下游数十万碱基外,通过结合转录因子激活基因表达)、沉默子(抑制基因表达)以及绝缘子(界定调控域边界)。这些元件通过招募转录因子和染色质修饰酶,决定基因在何种细胞类型、发育阶段和生理状态下表达。理解非编码区的功能是解读基因组的关键,因为全基因组关联研究(GWAS)发现的疾病相关变异绝大多数位于非编码区。AlphaGenome 的核心任务就是预测这些非编码变异对分子表型(如基因表达、剪接、染色质可及性)的影响。
AlphaGenome 2 的核心突破:细胞类型分辨率
此前同类模型通常在"bulk"水平做预测——把一堆细胞研磨混合后,对心脏、肺等组织整体做判断。AlphaGenome 2 的目标是把模型能力提升到细胞类型层面,这得益于过去十年人类细胞图谱(Human Cell Atlas)等计划积累的大量单细胞数据。
据两位研究者 Ziga Avsec 和 Adam 介绍,血液中含有多种细胞类型,同一种变异在 T 细胞、红细胞、巨噬细胞中的影响可能截然不同,甚至在不同发育时间点也会有差异。AlphaGenome 2 通过架构改进,显著提升了细胞类型层面的预测性能,并能判断变异在特定细胞状态下(例如处于促炎状态的免疫细胞)是否产生效应。
论文中一个引人注目的案例涉及巨噬细胞和肠道炎症。在一个与炎症性肠病相关的基因座中,变异位于两个基因之间的"空白"区域,附近没有已知基因。AlphaGenome 2 预测其中一个变异调控着远距离的基因,而 Crick 研究所的团队通过实验验证了这一预测,证实该变异确实很可能调控着那个远距离的基因。

单细胞测序与人类细胞图谱
单细胞 RNA 测序(scRNA-seq)等技术使研究者能够在单个细胞水平测量基因表达和染色质状态,从而区分同一组织内不同细胞类型的分子特征。人类细胞图谱(Human Cell Atlas)是一项国际协作计划,旨在利用单细胞技术绘制人体所有细胞类型的参考图谱,覆盖发育、健康和疾病状态。这些数据为训练 AlphaGenome 2 提供了细胞类型特异性的监督信号——模型需要学习同一 DNA 序列在不同细胞语境下的调控输出。没有大规模单细胞数据,模型无法区分 T 细胞与巨噬细胞中同一增强子的活性差异。因此,AlphaGenome 2 的细胞类型分辨率突破既依赖架构创新,也依赖过去十年单细胞图谱计划的數據积累。
Atlas 平台:一次计算全部可能变异
为了让模型更易用,团队构建了 AlphaGenome Atlas。他们将 AlphaGenome 对基因组中每一个可能的单字母改变(约90亿种变化)的效应预先计算出来,并开放为网站资源。
Atlas 还引入了 AVI 分数(AlphaGenome Variant Impact Score),把模型输出的成千上万个数值、AlphaMissense 分数以及进化保守性压缩成一个数字。分数越高,说明该变异越值得关注。遗传学家拿到一长串疑似致病变异时,可以用 AVI 排序,优先研究高分项。
这个思路的底层逻辑来自群体的观察:在人群中频繁出现的变异通常是良性的,而在人群中从未观察到的变异则更可能有害。模型通过预测变异在人群中的频率来校准评分。研究者也坦言,这是一个噪声很大的信号,但足以指引方向。

连锁不平衡与群体频率校准
连锁不平衡(LD)指基因组上相邻的变异倾向于共同遗传,形成单倍型块。在 GWAS 中,一个与性状统计相关的标记变异可能只是与真正的因果变异处于同一 LD 块内,而非直接致病。这导致 GWAS 信号难以精确定位到单个因果变异。AVI 分数利用群体遗传学原理进行校准:在人群中高频出现的变异通常经历了负选择净化,更可能良性;而在人群中从未观察到的变异则可能有害。模型通过预测变异在人群中的频率来调整评分,从而部分绕开 LD 的干扰,直接评估变异本身的分子效应。研究者也承认频率信号噪声较大,但作为排序工具足以指引实验验证的方向。
真实案例:五年未解的罕见病
Broad Institute 的研究者 Laura Covell 专注于难以诊断的罕见病病例。其中一个案例是一名婴儿在六周大时被诊断为罕见癫痫,此后的四五年里,临床遗传学家做了大量检测,确认是遗传原因,却始终找不到具体是哪个变异。
Laura 用 AVI 分数对该患者的变异进行排序,排名最高的变异影响一个与癫痫相关的蛋白质功能,且与既往文献报道吻合。团队随后通过实验验证了剪接模式的变化,所有拼图终于拼合,这个病例得以解决。
找到分子诊断的意义不止于确诊。研究者指出,知道根本原因后,开发正确疗法的机会更大,反义寡核苷酸(ASO)和基因组编辑等遗传药物提供了潜在的治疗路径;同时,对家庭的未来生育规划也有直接帮助。
与 GWAS 的互补关系
全基因组关联研究(GWAS)是遗传学的常用工具:测序大量人群,寻找基因差异与性状之间的统计关联。从"香菜是否尝起来像肥皂"到炎症性肠病风险,GWAS 覆盖的性状范围极广。
但 GWAS 有两个固有局限。一是连锁不平衡——DNA 以块状遗传,一个看似重要的变异可能只是与真正因果变异相关。二是对罕见病不适用,因为需要大量携带同一变异的人群,而罕见病恰恰缺乏这样的样本。
AlphaGenome 提供的是另一种路径:把变异直接输入模型,系统性地记录分子层面的变化,不依赖人群规模。对于 GWAS 找到的关联,模型还能回答三个关键问题:哪个变异是因果性的、它影响哪个基因、在哪种细胞类型中起作用。
局限与前景:高精度、低召回
研究者对模型的局限非常坦诚。他们将其描述为"高精度、低召回"工具:当模型预测某个变异有强烈效应时,通常是对的;但它会漏掉很多。生物学充满边缘案例和例外,模型并不能完整模拟细胞内的过程。
DNA 的三维结构也带来挑战。研究者用"一碗意大利面"来形容 DNA 的缠绕状态——线性距离远的区域可能在空间上靠近并相互影响。有趣的是,AlphaGenome 2 的论文发现,变异是否位于可及区域比它距离基因的线性远近更能决定预测质量:位于开放区域的变异即使距离很远也能预测得不错,而处于紧密压缩区域的变异则表现较差。
模型还会受训练数据分布影响,对血液免疫细胞等数据丰富的类型预测更准。为此,团队允许用户将自己的实验数据接入模型,无需微调即可针对特定组织做变异效应预测。
面向使用者,AlphaGenome 系列提供公开 API 和 Python 包,可免费调用;Atlas 则是无需编程的网页界面。研究者还提到,编码智能体的兴起让"用自然语言提问、由智能体调用 AlphaGenome 并综合分析"成为可能。
染色质三维结构与可及性
DNA 在细胞核内并非线性伸展,而是通过组蛋白缠绕形成核小体,并进一步折叠成染色质环(loop)和拓扑关联域(TAD)。增强子与启动子之间的空间接触是调控基因表达的重要机制,线性距离远的元件可能在三维空间中靠近。染色质可及性(chromatin accessibility)指特定区域是否处于开放状态、允许转录因子结合,通常用 ATAC-seq 等技术测量。AlphaGenome 2 的论文发现,变异是否位于开放染色质区域比其与基因的线性距离更能预测模型性能:开放区域的变异即使远离基因也能较好预测,而压缩区域的变异预测较差。这提示模型部分捕捉了三维调控逻辑,但对高度折叠区域的解析仍受训练数据和技术限制。
更大的愿景:虚拟细胞
团队的长期目标是构建"虚拟细胞"——给定细胞状态、基因组和某种扰动(基因变异或药物处理),预测细胞状态将如何变化。这是 Demis Hassabis 经常提及的愿景。研究者强调这非常困难,AlphaGenome 只是第一步。
驱动这一愿景的是一个现实问题:药物临床试验的成功率很低,很大程度上源于我们对疾病真正成因和干预方式的理解不足。更好的基因组理解工具,有望帮我们找到更正确的方向。
当被问到虚拟细胞还需要多少年时,Adam 给出了一个颇有意味的判断:"我们可能会先有 AGI,再有虚拟细胞。"智力问题或许比生物学问题更容易解决——这大概是对生物学复杂性最谦逊的注脚。

AlphaGenome 诞生至今时间并不长,而生命演化了数十亿年才编织出如此复杂的调控网络。缩小这个差距是艰巨的任务,但若精准医学的未来是在分子层面对每个个体 pinpoint 疾病成因,这类工具是不可或缺的基础一步。
相关推荐

11条实测规则,把Claude Token消耗砍到极低
Claude Token消耗居高不下?创作者Doobie实测30天日志后重写11条省Token规则:努力等级留在medium、任务切换用/clear、别让缓存过期、辅助代理降级到Haiku,附Anthropic官方数据与成本对比。

零代码搭建你的第一个AI智能体:Claude Code实战指南
无需编程,在Claude Code中零代码搭建AI智能体。本文详解从文件夹设置、claude.md规则书、计划模式简报、技能保存到独立审查的完整流程,让智能体替你处理每周杂务。

Claude Code Advisor模式解析:Fable 5.2与Sonnet 5.5协作写代码
深入解析 Claude Code 实验性 Advisor 顾问模式:Fable 5.2 与 Sonnet 5.5 如何分工,访问条件、版本门槛、三种启用方式、Fable 特殊计费规则,以及官方文档对"降本 3.4 倍"说法的核实。