在生命科学和人工智能交汇的前沿，谷歌DeepMind再次投下一枚重磅炸弹。继初代AlphaGenome成功预测DNA变异对组织的影响后，新一代AlphaGenome 2正式亮相，将预测精度从“组织平均水平”推进到“单个细胞类型与状态”。这不仅是一次技术迭代，更是一场科研范式的转变。当AI工具导航逐渐成为科研基础设施，AI办公的边界也从文档处理延伸至基因序列分析，为人类理解疾病、开发疗法提供了前所未有的可能。
从组织到单细胞：为什么细胞级预测如此重要？
人体每个细胞都携带着相同的DNA蓝图，但不同细胞类型却通过开启或关闭特定基因来执行截然不同的功能。例如，心肌细胞和免疫细胞虽然拥有相同的遗传信息，其基因表达模式却天差地别。全球人类细胞图谱项目已对数百万个细胞的基因表达进行了详尽绘制，但如何预测细微DNA变异对不同细胞类型的影响，一直是悬而未决的难题。
初代AlphaGenome采用并行预测模式，能够一次性读取百万字母长度的DNA序列，同时预测多类组织的相关属性。这种方法的优势在于效率高，但计算能力被分散，难以捕捉近缘细胞类型之间的细微差异。就像用广角镜头拍摄整个城市，虽然能看到全貌，却看不清每扇窗户里的细节。
AlphaGenome 2则彻底重构了模型架构，从“并行预测”转向“条件式模型”。它不再同时处理所有组织，而是单次仅针对一种条件（如特定组织、细胞类型或细胞状态）进行预测。除了DNA序列，模型在每个架构阶段都会将目标生物条件作为输入，从而学习同一段DNA在不同细胞中的读取差异。这种精细化的策略，使得AI技术能够捕捉到被宽泛组织模型遗漏的、疾病相关细胞中的变异效应。
性能跃升：识别致病变异能力近乎翻倍
AlphaGenome 2最令人瞩目的成果，是其变异效应预测能力的阶跃式提升。在覆盖28类原代免疫细胞的大型单细胞数据集TenK10K测试中，AlphaGenome 2识别出的因果变异占比达到30%，基因效应方向判断准确率达43%，而初代AlphaGenome分别仅为16%和23%。这意味着它能识别出近两倍数量的、可改变细胞内基因表达的变异，帮助科研人员发现此前被忽略的候选变异。
这一突破得益于模型基于68类组织、超过1.07亿个单细胞图谱的训练数据。跳出组织块平均水平后，模型能够解析心肌、血液免疫细胞等特化细胞内部的活性，挖掘仅在特定细胞类型中发挥作用的关键DNA变异。更值得关注的是，AlphaGenome 2无需重新训练即可泛化到全新的单细胞实验场景。科研人员只需上传数十个细胞的单细胞RNA测序基因活性快照，模型就能将其压缩为细胞状态表征，作为条件输入处理从未见过的细胞状态，性能甚至可媲美直接在对应数据集上训练或微调的模型。
这种强大的泛化能力，让模型能够预测疾病、疫苗接种等场景下的全新细胞状态。例如，在针对新冠mRNA疫苗的单细胞数据测试中，AlphaGenome 2不仅能够区分疫苗激活的免疫T细胞与静息状态T细胞，还揭示了与新冠重症相关的变异在细胞激活状态下对基因活性的干扰更强——这种效应在未激活细胞中会被完全遗漏。
条件式架构：从预测到实验规划的智能助手
AlphaGenome 2的架构创新不仅提升了性能，还赋予了模型跨模态数据填充的能力。细胞生物状态与输出结果在模型中被分离，这意味着科研人员只需输入单类测量数据（如单细胞基因活性），模型就能预测染色质可及性等其他未测量的属性。这种能力可以帮助科研人员在实验前预判结果，更合理地规划后续实验方向，减少盲目试错。
对于从事企业数字化转型的生物科技公司而言，这种AI办公模式正在改变研发流程。过去，科研人员需要开展大量湿实验才能确定DNA变异的功能，如今借助AlphaGenome 2的预测，可以优先聚焦高概率致病的变异，大幅提升研究效率。模型保留了初代支持的基因表达、组蛋白修饰、染色质可及性等核心DNA功能实验指标，还新增了备受需求的DNA甲基化预测能力，进一步拓展了适用场景。
值得注意的是，AlphaGenome 2已经预先计算了针对数百种人类细胞与组织条件下、性状相关变异的预测结果。这意味着科研人员无需自行开展大规模计算，即可直接使用这些预计算结果，大大降低了AI技术的使用门槛。就像使用AI图片生成工具，输入一个提示词就能得到高质量画面，科研人员输入细胞类型和变异信息，就能获得调控效应预测。
精准定位：从GWAS关联到因果机制的跨越
全基因组关联研究（GWAS）能够发现数千种与疾病相关的DNA变异，但这些变异大多位于非编码区，且由于连锁不平衡，科研人员往往难以确定具体的因果变异、靶基因和作用的细胞类型。AlphaGenome 2的预计算变异评分，为解决这一难题提供了利器。
在身高、2型糖尿病等多种复杂性状的分析中，模型的变异评分能够帮助定位最相关的特定变异与细胞类型。在置信度充足时，模型还能准确预测变异是上调还是下调基因活性，为理解基因的致病作用提供关键线索。例如，此前一项里程碑研究发现，一段远端调控序列的变异会通过过度激活肠道免疫巨噬细胞中的ETS2基因，诱发炎症性肠病。AlphaGenome 2在计算层面精准复现了这一结论，证明该变异仅会选择性提升肠道巨噬细胞的ETS2基因活性，对其他细胞类型和基因几乎无影响。
这种细胞特异性的调控图谱，大量疾病相关变异位于名为增强子的远端调控序列中，效应难以追踪。由于CRISPR实验大多使用稳定的实验室培养细胞系，科研人员往往缺乏人体特定细胞的调控关联图谱。AlphaGenome 2将增强子-基因映射能力拓展至人脑星形胶质细胞等原代人体细胞，帮助科研人员定位疾病发生特定细胞中的调控变异与靶基因的对应关系。
开放与未来：AI驱动科研新范式
目前，AlphaGenome 2已通过AlphaGenome API面向非商业研究开放，商业研究则处于私密预览阶段。这为全球科研机构提供了平等的访问机会，也意味着更多科学家可以借助这一AI工具导航中的利器，探索基因调控的奥秘。谷歌还宣布，不久后将把AlphaGenome 2 Skills集成到智能体开发平台Google Antigravity中，结合Gemini 4等智能体工具，助力科研人员加速研究进程。
从技术演进来看，AlphaGenome 2代表了AI技术在生命科学领域的最新科技成果之一。它搭建了人类遗传学与单细胞生物学的桥梁，将静态的细胞图谱转化为动态的预测引擎。随着科研人员在单细胞层面绘制更多人体图谱，AI模型的性能将持续提升。谷歌正与惠康桑格研究所等机构合作，计划对更广泛的人类细胞类型、发育谱系、扰动细胞状态开展分析。
这一进展也让人联想到AI画图、文生图等创意工具如何从文本生成图像，AlphaGenome 2则是从DNA序列“生成”细胞功能预测。两者的底层逻辑都是深度学习的模式识别与生成，只是应用场景截然不同。对于科研人员而言，这意味着他们可以使用更多AI工具箱来提升研究效率。
当然，官方也提示：AlphaGenome与AlphaGenome 2仅用于研究用途，尚未经过临床或诊断用途的验证与审批。因此，基于模型发现的候选变异仍需通过细胞实验或动物模型验证。即便如此，AlphaGenome 2已经为遗传病研究和精准医学带来了新希望，让我们看到AI办公与生命科学融合的无限可能。
随着AI Agent技术的深入推进，未来的科研环境将更加智能化。AlphaGenome 2不仅是一个预测工具，更是一个可交互的科研伙伴——它能理解细胞状态、预测实验后果、提出可验证的假设。这种AI办公模式正在重塑生物医学研究的全流程，从假设生成到实验设计，再到结果解读，每个环节都能看到AI的身影。在最新科技浪潮的推动下，人类对生命密码的解读将进入一个全新的阶段。