google deepmind于2026年11月11日发布alphagenome 2，将dna序列与变异影响的预测从宽泛组织推进到具体细胞类型和状态。模型已通过alphagenome api面向非商业研究开放，商业研究仍处于私密预览；官方明确，该模型仅供研究，未经临床或诊断用途验证和批准。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
An isometric grid of glowing, translucent pink cubes on a dark background, showing varying levels of subdivision into smaller blocks.
按条件预测同一段DNA的不同作用
初代模型同时预测多个组织的输出，AlphaGenome 2改为条件式架构：输入DNA序列时，同时指定组织、细胞类型或细胞状态，让模型在各架构阶段结合这些条件。模型使用人类和小鼠的组织块及单细胞数据训练，纳入超过1.07亿个单细胞图谱。
除基因表达、组蛋白修饰和染色质可及性等指标外，新模型还加入DNA甲基化预测。针对未见过的细胞状态，研究者可以提供单细胞RNA测序的表达信息，生成条件表征，而不必为每个新状态重新训练模型。
Three heatmaps comparing observed gene expression with Alphagenome 2 and Alphagenome 1 predictions. Each heatmap displays Z-scored expression levels of seven genes across nine hematopoietic cell types, ranging from erythroid cells (top) to B cells (bottom), with a blue-to-red color scale indicating low to high expression.
性能数字对应特定研究数据集
在包含28类原代免疫细胞的TenK10K数据集上，官方报告的因果变异识别比例为30%，初代对照为16%；基因效应方向指标为43%，对照为23%。这些是指定实验条件下的模型结果，不代表疾病诊断准确率。官方还提供预计算结果和交互式教程，帮助研究者筛选后续实验方向。
