AlphaGenome 2 据称可把基因变异影响预测细化到细胞类型层面
谷歌 DeepMind 据称推出 AlphaGenome 2,采用条件式架构,可把目标组织或细胞类型与状态作为输入,预测基因变异在特定细胞中的影响;相关说法尚未获临床或诊断批准,仅限科研用途。
海宇数科 · 事件日期 · 约 2 分钟 · 1 次阅读

人体各细胞共享同一套 DNA,但心肌细胞与参与抗感染的免疫细胞所开启的基因差异很大;同一突变在不同细胞中可能产生相反结果,这种细胞层面的差异长期制约疾病基因的定位。据称,当地时间 11 月 11 日,谷歌 DeepMind 推出 AlphaGenome 2,宣称能把"基因变异会怎样"的答案细化到单个细胞类型与状态。
使用超过 1.07 亿个单细胞数据训练,识别相关变异能力据称接近上一代两倍
上一代 AlphaGenome 主要关注不同组织整体的分子活动,对特定细胞内的细微差别预测能力有限。新模型据称改用条件式架构,将目标组织、细胞类型或状态作为输入;训练数据涵盖人与小鼠超过 1.07 亿个单细胞图谱、覆盖 68 种组织。据称,其识别相关变异的能力接近上代两倍;在 28 类原代免疫细胞的 TenK10K 测试中,它找出的致病变异比例达到 30%,而上代经微调后仅为 16%;预测表达变化方向的准确率也从 23% 提高到 43%。
未参与训练的细胞类型也可分析
该模型据称具备一定的泛化能力:上传少量单细胞 RNA 测序数据后,即可分析未见过的细胞类型与状态。在新冠 mRNA 疫苗数据中,它区分出激活与静息的免疫 T 细胞,并指出某个重症相关变异在细胞激活时影响更显著。该模型据称新增组蛋白修饰、染色质可及性以及上代缺失的 DNA 甲基化预测,并支持跨模态推断,例如仅凭基因活动反推未测指标。模型通过 AlphaGenome API 向非商业研究开放,商业用途走私有预览;谷歌强调其仅限科研,未获临床或诊断批准。
