AlphaGenome 2发布：按细胞类型预测变异效应

从「一个基因组」到「每种细胞一个基因组」

Google DeepMind 发布了 AlphaGenome 2，这是一个条件 DNA 序列模型，能够按细胞类型预测调控活性与变异效应。据 MarkTechPost 的报道，该模型通过 AlphaGenome API 提供，面向非商业研究用途开放。

这条消息的分量，需要放在基因组学的老问题里才能看清。同一个人的全部细胞共享几乎相同的 DNA 序列，但肝细胞、神经元和免疫细胞的行为天差地别——差异不在序列本身，而在哪一段序列被「打开」。非编码区的变异之所以难以解读，正是因为它的影响高度依赖所处的细胞环境。一个变异在某种细胞里是调控开关的破坏，在另一种细胞里可能毫无作用。

AlphaGenome 2 的核心主张，就是把这个「环境」作为条件显式建模：输入序列，同时指定细胞类型，输出对应的调控活性与变异效应预测。

非编码区与调控元件

人类基因组中只有约 1%–2% 的序列直接编码蛋白质，其余绝大部分属于非编码区。这些区域并非「垃圾 DNA」，而是密集分布着调控元件：启动子位于基因转录起始位点附近，负责招募 RNA 聚合酶；增强子可在距离目标基因数十万碱基处发挥作用，通过染色质三维折叠与启动子接触；沉默子则抑制转录。非编码变异之所以难以解读，是因为它并不改变蛋白质序列，而是可能破坏或创造转录因子结合位点、改变染色质可及性，其效应强烈依赖于该元件在特定细胞中是否处于活跃状态。理解这一点，是理解「条件建模」为何必要的前提。

条件建模改变了什么

传统变异效应预测器往往给出一个跨组织的平均分数。这种做法的隐含假设是变异的影响大体一致，但调控元件的组织特异性恰恰推翻了这个假设。条件模型的思路是让细胞类型成为模型的输入变量之一，而不是事后按组织拆分结果。

这种设计带来的直接好处是可解释性的提升：研究者可以针对特定细胞类型提出假设，例如「这个非编码变异是否影响了该细胞中的增强子活性」，并在同一框架下获得预测。对疾病遗传学而言，这意味着可以把全基因组关联研究中定位到的信号，落到更具体的细胞背景里去考察。

需要说明的是，原始素材并未披露模型架构、训练数据规模或具体性能指标，因此本文不对这些维度做数量化判断。可以确认的只有两点：模型定位为条件序列模型，以及它通过 API 而非本地权重的方式分发。

全基因组关联研究（GWAS）与精细定位

GWAS 通过比较大量个体的基因型与表型，找出与疾病或性状统计相关的基因组位点。但 GWAS 命中的信号通常位于非编码区，且由于连锁不平衡，一个信号峰内往往包含数十到数百个彼此高度相关的变异，难以直接确定因果变异。把 GWAS 信号与调控注释、表达数量性状位点（eQTL）数据结合，是常见的精细定位策略。条件变异效应模型的价值在于：它可以针对信号峰内的每个候选变异，在疾病相关细胞类型中给出调控影响的预测，从而为优先级排序提供依据，缩小后续实验验证的范围。

API 分发的取舍

AlphaGenome 2 以 API 形式面向非商业研究开放，这个选择值得单独讨论。

一方面，API 模式降低了使用门槛。基因组学实验室未必具备运行大规模序列模型所需的算力，按需调用能把前期投入压到最低，也便于 DeepMind 统一控制模型版本与推理行为。对方法学研究者来说，这意味着可以更快地把模型嵌入现有的分析流程。

另一方面，API 模式也带来约束。推理必须在线完成，大规模批量扫描变异的成本与吞吐受制于接口而非本地硬件；模型的内部表征无法直接检查，限制了可解释性研究的深度；「非商业研究」的许可边界也需要使用方自行厘清。这与开放权重模型的生态逻辑不同，选择哪条路线取决于研究目标。

这类模型真正的考验

按细胞类型预测变异效应，价值不在演示，而在能否经得起湿实验检验。预测出的调控影响最终要通过报告基因实验、CRISPR 扰动或群体遗传数据来验证。条件模型引入的额外维度，也意味着验证工作要按细胞类型分别展开，实验负担相应增加。

另一个待观察的问题是细胞类型的覆盖范围与粒度。细胞类型的分辨率如何界定、罕见或难以体外培养的细胞类型是否在支持范围内，这些都会决定模型在实际研究中的适用面。原始素材未涉及这些细节，需要等待技术报告或文档说明。

对关注 AI for Science 的读者来说，AlphaGenome 2 代表的是序列模型从「预测一个数」走向「预测特定语境下的一个数」的趋势。这个方向是否成立，最终由实验数据说话。

湿实验验证手段

报告基因实验（如 luciferase assay）把候选调控序列连接到报告基因上游，通过荧光或发光强度读取其驱动转录的能力，适合验证单个增强子或启动子片段。CRISPR 扰动则是在内源基因组背景下操作：利用 CRISPRi/a 调节靶区域染色质状态，或用碱基编辑精确引入候选变异，再通过 RNA 测序或单细胞 readout 观察目标基因表达变化。群体遗传数据则提供了另一条验证路径——若模型预测的效应方向与人群中该变异的等位基因频率、eQTL 效应或性状关联一致，可视为间接支持。三类证据互补，但都要求按细胞类型分别设计实验。

常见问题

AlphaGenome 2 是什么？ Google DeepMind 发布的条件 DNA 序列模型，按细胞类型预测调控活性与变异效应。

如何获取？ 通过 AlphaGenome API 访问，面向非商业研究用途。

和普通变异效应预测器有何不同？ 将细胞类型作为条件输入，而非输出跨组织的平均预测。