DeepMind 发布 AlphaGenome 2：按细胞类型预测 DNA 变异效应，TenK10K 上因果变异召回近翻倍（16%→30%）

这件事意味着什么

【要点】

· 发布：Google DeepMind 于 2026-11-11 15:00 UTC 发博文，宣布下一代 DNA 序列模型 AlphaGenome 2（AG2），并放出论文。

• · 能力：在约 100 万碱基的 DNA 序列之外，再输入组织、细胞类型或细胞状态，预测该条件下基因表达、染色质可及性等读数，以及变异会如何改变这些读数
• 也可用于未见过的细胞状态。

• · 数据：人类和小鼠的批量与单细胞数据，包含超过 1.07 亿个细胞图谱
• 单细胞表达编码器在 68 种组织、逾 1 亿条单细胞转录组上训练（论文可核验）。

• · 关键数字：在 TenK10K（28 种原代免疫细胞）上，相对经单细胞微调的 AlphaGenome 1 及其他专用工具，因果变异召回接近翻倍（16%→30%），表达方向判断为 23%→43%。
• 论文明确这是 90% 精确率下的召回
• 因果变异 AUPRC 为 0.76，对照 AG1-sc 的 0.72 和 Scooby 的 0.69。

• · 新内容：增加 DNA 甲基化预测
• 论文还给出约 700 万个常见变异、覆盖 640 种原代人类条件的增强子–基因连接和效应分数。

• · 获取：即日起非商业研究可通过 AlphaGenome API 使用；商业研究为私人预览。
• 论文写明源码和权重将在正式发表时提供，目前并未开源权重。
• 仅供研究，未经临床或诊断用途验证或批准。
• 博文称将很快在 Google Antigravity 中提供 Skills。

【我们的判断】

一

背景

• · 这是 DeepMind 基因组「序列到功能」模型的换代，不是通用大模型，也不是临床产品。
• AlphaGenome 1 主要在组织或细胞系的批量平均上预测变异效应。
• 同一段 DNA 在不同细胞里会被读成不同程序，组织平均会把只在特定细胞里起作用的变异淹没掉。
• AG2 改成按条件预测，并加入单细胞图谱和甲基化，目的是把细胞图谱变成可查询的变异效应引擎。

二

对照

• · 「近乎翻倍」指 TenK10K 上 90% 精确率下的召回（16%→30%、23%→43%），整体 AUPRC/AUC 升幅更小（0.72→0.76、0.79→0.85），并对照 Scooby、Borzoi。
• 不宜写成全面准确率翻倍。

• · 和站内已有基因组模型不是同一类：Carbon-X 是可对话的 DNA 语言模型，Omnii-1 是另一家公司的基因组模型。
• AG2 输出分子轨迹和变异分数。
• 权重尚未开放。

三

影响

• · 把 GWAS 关联区段落到更具体的因果变异、靶基因、作用细胞类型和表达方向，是药物靶点研究的关键一步。
• 官方引述 Genomics Limited 计划纳入 Mystra 平台，这是意向，不是已经跑通的临床验证。

• · 官方限定「仅供研究，未经临床或诊断用途批准」。
• 在没有独立复现、也没有开放权重之前，不宜写成可替代实验或用于诊疗的工具。

• · 待看：商业预览范围
• 正式发表后源码和权重是否如约提供
• Antigravity Skills 何时上线
• 独立队列能否复现这些数字。

【可核验】

• · DeepMind 博文（RSS 2026-11-11T15:00:15Z）
• · 论文 PDF
• · API 文档
• · 代码库
• · 产品页
• · AlphaGenome 1
• · Atlas