人类几乎每个细胞都装着同一套 DNA，但心肌细胞和正在对抗感染的免疫细胞，开启的基因完全不同。同一个基因变异，在不同细胞里可能一个致命、一个无害。这是基因组学最麻烦的问题之一，也是 11 月 11 日谷歌 DeepMind 发布 AlphaGenome 2 想解决的问题。
先看它比上一代多做了什么
上一代 AlphaGenome 主要预测 DNA 变异对不同组织整体分子活动的影响。问题是「组织」是个混合物——一块心肌组织里混着心肌细胞、成纤维细胞、血管内皮细胞和免疫细胞，模型给出的是一个平均值，看不出究竟是哪类细胞出了问题。
AlphaGenome 2 换了架构：条件模型。它把目标组织、细胞类型或细胞状态作为输入条件，让模型针对特定生物学条件做预测。同一个变异，你可以问它「在 CD4 T 细胞里会怎样」「在肝细胞里会怎样」「在静息状态和激活状态下分别会怎样」。
数据规模
训练数据来自人类与小鼠样本的超过 1.07 亿个单细胞图谱，覆盖 68 种组织。这个量级在过去两年才变得可行——单细胞 RNA 测序的成本下降，让公开数据库里积累了几千万到上亿量级的细胞级表达谱。
相比上一代，模型能识别出的基因表达相关遗传变异数量接近两倍。这个指标叫「变异效应可识别率」，直接决定了全基因组关联研究（GWAS）找到的那些位点里，有多少能被解释清楚。
两个关键评测
第一个评测用 TenK10K 数据集，覆盖 28 种原代免疫细胞类型。AlphaGenome 2 识别出致病因果变异的比例达到 30%，上一代模型经单细胞数据微调后为 16%。
第二个评测看方向预测：模型判断变异会让基因表达上调还是下调，准确识别比例 43%，上一代 23%。
两个数字都接近翻倍。方向预测这一项尤其重要——GWAS 能找到「这个位点与疾病相关」，但不知道是增强还是削弱了某个基因的功能；搞不清方向，就没法设计药物（该激活还是该抑制？）。
新增的预测能力
除了基因表达，AlphaGenome 2 还能预测组蛋白修饰、染色质可及性与 DNA 甲基化。
其中 DNA 甲基化是上一代不支持、研究人员反复提需求的指标。它是表观遗传调控的核心机制之一：甲基化水平改变会影响基因是否被转录，且与发育、衰老、肿瘤发生密切相关。能预测它，意味着模型从「读序列」扩展到了「读调控状态」。
另一个能力是泛化：模型支持在不重新训练或微调的情况下，分析此前未见过的细胞类型与生物学状态。研究人员只需上传少量单细胞 RNA 测序数据，模型就能根据细胞的基因活动特征生成相应预测。
一个具体的例子
DeepMind 举的例子能说明这套能力的实际用法：在一项此前未见过的新冠 mRNA 疫苗研究数据中，AlphaGenome 2 能区分疫苗激活状态与静息状态的免疫 T 细胞，并预测出一种与重症新冠相关的遗传变异，在免疫细胞被激活时会对基因活动产生更明显的影响。
这个例子的价值在于它展示了「基因 × 细胞状态」的交互：同一个变异，在静息细胞里没影响，在激活细胞里影响显著。这类效应用组织层面的模型根本看不出来。
另一个案例是炎症性肠病：模型通过计算预测，重现了此前一项研究的发现——识别出影响肠道巨噬细胞中 ETS2 基因活动的遗传变异。
它接在哪条线上
AlphaGenome 2 属于 DeepMind 的 AI for Science 序列模型谱系：从 AlphaFold 解蛋白质结构，到 AlphaMissense 判断错义突变的致病性，再到 AlphaGenome 预测调控效应。这条线的共同思路是——把生物学问题转化成序列到功能的映射问题，用大规模预训练解决。
对药物研发来说，这类模型的价值在靶点发现的上游：把 GWAS 找到的数百个候选位点，收敛成少数几个「在特定细胞类型里、方向明确、机制清楚」的靶点。这一步过去靠遗传学家逐个读文献，现在可以批量筛。
限制与开放方式
DeepMind 明确说明：模型仅用于科学研究，尚未经过临床或诊断用途的验证与批准。这句话不是客套——基因组模型的错误后果是误判致病性，直接影响临床决策，监管门槛极高。
开放方式分两层：非商业研究可通过 AlphaGenome API 使用；商业研究用户通过小范围私有预览计划申请。这个安排与 AlphaFold 早期的策略一致，既保住学术影响力，又保留商业授权空间。
技术上的限制也存在。模型预测的是「变异对分子表型的影响」，而不是「变异对疾病的影响」；从分子表型到疾病还有长长的因果链，中间隔着细胞互作、组织稳态、个体差异。
为什么这类进展值得盯
过去两年，AI for Science 的叙事大多围绕蛋白质结构展开。AlphaGenome 系列把战场推到了「调控基因组」——人类基因组里只有约 2% 编码蛋白质，剩下 98% 的绝大多数功能是调控。GWAS 找到的疾病相关变异，超过 90% 落在非编码区。
换句话说，理解调控，才理解大部分遗传病的成因。这一步走通了，精准医学才有真正的地基。慢，但是硬。