DeepMind新模型能“读”不同细胞怎么使用同一份DNA，找出几乎多一倍的致病候选变异

先说背景：同样的DNA，为什么细胞各干各的？

人体大约有几十万亿个细胞，它们的DNA几乎一模一样，像人手一份相同的说明书。可心脏细胞只管收缩，免疫细胞负责巡逻，肝细胞处理毒素。区别在于：每个细胞会选择性地把说明书里的某些段落“打开”或“关掉”。

科学家已经能给单个细胞做“基因表达画像”，看哪些基因正在工作。全球性的人类细胞图谱等项目，也在绘制这种精细地图。但还有一个更难的问题：DNA上某一个字母如果换了，会不会只在某一种细胞里惹出麻烦？很多疾病相关的变异并不落在基因本身，而落在远处的“开关”区域，要追踪它们在哪种细胞里起作用，一直很难。

去年，DeepMind发布了第一代AlphaGenome，主要预测DNA变化对整块组织的平均影响。组织是许多种细胞混在一起的“大锅菜”，平均值容易把只在某一种细胞里出现的信号淹没掉。

这次发布了什么

11月11日，DeepMind宣布推出AlphaGenome 2。它不再同时对很多组织做“平行预测”，而是一次只针对一种条件——某种组织、某类细胞，或细胞当时所处的状态。除了输入大约一百万个DNA字母，模型还会在每个计算步骤里“记住”当前要看的是哪种细胞。

DeepMind称，模型在人类和小鼠的批量组织数据以及单细胞数据上训练，用了超过1.07亿个单细胞画像，覆盖68种组织。它预测的内容包括基因表达、染色质是否开放（可以理解为DNA是否处于容易被读取的状态），并新增了研究人员点名希望加入的“DNA甲基化”预测。甲基化是附着在DNA上的化学标记，常与基因是否被关闭有关。

公司给出的关键数字是：在TenK10K这个包含28种主要免疫细胞的大型单细胞数据集上，AlphaGenome 2找出的因果变异约占30%，上一代在单细胞数据上微调后的模型约为16%；对“这个变异是把基因调高还是调低”的方向判断，约为43%对23%。也就是说，按他们的测试，新模型找出的有效线索大约多了一倍。这些数字来自DeepMind自己的评估。

它还做了两个更具体的演示。其一，近年有研究指出，一种远离基因本身的变异，会在肠道巨噬细胞里过度激活ETS2基因，从而参与炎症性肠病。DeepMind称，AlphaGenome 2在计算上复现了这一发现：它单独标出了那个变异，并显示影响主要发生在肠道巨噬细胞，对其他细胞和基因影响不大。其二，面对模型训练时没见过的新冠mRNA疫苗研究单细胞数据，它能区分被疫苗激活的T细胞和休息中的T细胞，并显示一个与重症相关的变异，在细胞被激活时对基因活动的干扰更强——这种差别如果只看未激活的细胞，就会被漏掉。

一个对实验室很实际的功能是：科研人员可以上传只包含几十个细胞的单细胞测序快照，不必重新训练模型，就能让它对这种新状态做预测。人类细胞图谱联合创始人、剑桥大学的Sarah Teichmann说，让她兴奋的正是这一点：模型可以直接适应新的单细胞数据。

它现在能做什么、还不能做什么

DeepMind还预先计算了大量与身高、2型糖尿病等复杂性状相关的变异，在数百种人体细胞和组织结构中的预测结果，方便研究人员把基因组关联研究里的“这一大段DNA和疾病有关”，进一步缩小到更可能的变异、基因和细胞类型。基因组公司Genomics Limited的首席执行官Peter Donnelly评价说，这类DNA序列预测模型有助于填补“统计上相关”到“药物研发真正需要的机制”之间的空隙。

但必须说清楚边界：DeepMind写明，AlphaGenome和AlphaGenome 2仅供研究使用，尚未经过临床或诊断用途的验证或批准。它不能拿来给个人做看病结论。公司公布的性能数字也主要来自自己的测试和案例复现，外界还需要时间独立检验。

对普通人意味着什么

短期内，它不会出现在医院的化验单上。更现实的影响是在实验室和药物研发前端：科学家也许能更快判断，某个与疾病相关的DNA差异，到底该在哪一种细胞里做实验，而不必把所有细胞类型都试一遍。

如果后续被独立研究反复确认，这类工具有可能让“找病因、找药靶”少走一些弯路。现在它还只是一张更细的地图，不是诊断仪。

原文发布时间：Google DeepMind，2026年11月11日 23:00（北京时间）