谷歌 DeepMind 发布 AlphaGenome 2,用于细胞类型层面的疾病预测

GOOGL-1.26%

关键要点

  • 谷歌 DeepMind 推出了 AlphaGenome 2,该模型可预测遗传变异如何扰乱特定细胞类型,从而精准识别细胞层面的疾病驱动因素。
  • 研究显示,AlphaGenome Atlas 于 2026 年 9 月推出 AVI 评分,使研究人员能够对全基因组范围内的遗传变异进行优先排序。
  • Laura Covill 利用 AlphaGenome Atlas 在神经发育障碍研究中识别出一个关键变异,破解了一例此前未能确诊的罕见病病例。

谷歌 DeepMind 推出了 AlphaGenome 2,这是一款 AI 模型,可预测遗传变异如何扰乱特定细胞类型,帮助研究人员找出疾病的细胞驱动因素。最新模型解决了前代 AlphaGenome 的一项关键局限:不再依赖组织层面的平均值,而是针对特定细胞类型进行预测,从而推动更精确的疾病研究。

AlphaGenome 于 2025 年 6 月首次推出,可处理长度为 100 万个碱基对的部分 DNA 序列,并生成数千项预测,帮助科学家确定哪些 DNA 变化会导致疾病。该模型适用于包含 30 亿个碱基对的人类基因组,并考虑了 DNA 四种碱基——腺嘌呤、胸腺嘧啶、胞嘧啶和鸟嘌呤——中可能出现的 90 亿种单字母变化。2026 年 9 月,谷歌 DeepMind 推出了 AlphaGenome Atlas,这是一个大型数据集,为研究人员提供 AVI(AlphaGenome Variant Impact)评分这一单一指标,用于指示整个基因组中变异的潜在影响。

AlphaGenome 2 在细胞类型特异性方面的进展

尽管 AlphaGenome 达到了业界先进水平,但它主要使用来自完整组织或细胞系的数据进行训练。AlphaGenome 2 通过预测遗传变异如何扰乱组织内的特定细胞类型,而非依赖组织层面的平均值,克服了这一局限。这一转变使研究人员能够精准找出疾病中发生功能障碍的细胞类型,从而更细致地了解疾病机制。该模型帮助科学家从单纯读取 DNA 序列,进一步转向理解疾病背后的分子机制,加快治疗靶点的识别。

当前研究应用与验证

研究人员已经在使用 AlphaGenome Atlas 推进遗传疾病研究。埃克塞特大学医学研究委员会研究员 Gareth Hawkes 使用 AlphaGenome Atlas,将 10 亿种遗传变异缩小至影响最大的 1%,并发现了 19 组与体重指数相关的变异。Broad Institute 研究员 Laura Covill 在罕见病研究中利用 AVI 评分筛选遗传变异;AlphaGenome Atlas 找到了一种与神经发育障碍相关基因中的关键变异,为研究提供了支持性证据,并帮助解决了一起此前未能解决的病例。

更广泛的影响与未来方向

AlphaGenome 的应用范围涵盖医疗保健和农业。这项技术可以加快对罕见或此前尚未表征的遗传疾病的研究,通过更快地识别高概率治疗靶点来加速药物发现流程,并帮助研究人员培育气候适应性强的作物。短期内,谷歌 DeepMind 计划利用 AI 更好地理解基因组语法,并准确预测突变的影响。长线目标包括构建功能完备的人类细胞数字模拟系统,让研究人员能够通过计算模拟疾病机制、了解罕见遗传疾病并测试候选疗法。

谷歌 DeepMind 正在积极研究如何衡量模型预测的置信度,确保研究人员了解每项结果的可信程度。早期分析显示,预测影响显著的变异具有较高的准确率,不过研究人员仍应结合其他信息来源来解读 AlphaGenome 的预测。

关键事实

  • AlphaGenome 于 2025 年 6 月推出,可处理长度为 100 万个碱基对的部分 DNA 序列
  • AlphaGenome Atlas 于 2026 年 9 月推出,提供 AVI(AlphaGenome Variant Impact)评分,用于筛选优先研究的变异
  • 人类基因组包含 30 亿个碱基对,可能存在 90 亿种单字母 DNA 变化
  • AlphaGenome 2 可预测遗传变异如何扰乱特定细胞类型,不再局限于组织层面的平均值
  • Gareth Hawkes 使用 AlphaGenome Atlas,将 10 亿种变异缩小至影响最大的 1%,并发现了 19 组与体重指数相关的变异
  • Laura Covill 在罕见病研究中使用 AVI 评分,发现了一种与神经发育障碍相关的关键变异
  • AlphaGenome 的潜在应用包括加快罕见病诊断、实现患者治疗个性化、加速药物发现,以及培育气候适应性强的作物

常见问题

AlphaGenome 2 与原版 AlphaGenome 有何不同?

AlphaGenome 2 解决了细胞类型特异性这一原版模型的关键局限。AlphaGenome 主要使用来自完整组织或细胞系的数据进行训练,而 AlphaGenome 2 则预测遗传变异如何扰乱组织内的特定细胞类型。这使研究人员能够了解疾病中哪些特定细胞类型发生了功能障碍,而不再依赖组织层面的平均值,从而更精确地识别疾病的细胞驱动因素。

什么是 AVI 评分?研究人员如何使用它?

AVI(AlphaGenome Variant Impact)评分是 AlphaGenome Atlas 提供的一个易于理解的单一指标,用于指示遗传变异在整个基因组中的潜在影响。研究人员利用 AVI 评分筛选并找出影响最大的遗传变化,以便进一步研究。这有助于他们从数百万种潜在变异中缩小范围,挑选出最值得深入研究的候选对象。Laura Covill 的研究便展示了这一点,她在神经发育障碍研究中找到了关键变异。

AlphaGenome 在疾病研究中有哪些实际应用?

AlphaGenome 可加快对罕见或此前尚未表征的遗传疾病的研究,通过帮助更快地识别高概率治疗靶点来加速药物发现,并支持为患者制定个性化治疗方案。医疗保健以外,该模型的架构还可以帮助研究人员培育气候适应性强的作物。谷歌 DeepMind 的长线目标是构建功能完备的人类细胞数字模拟系统,让研究人员能够通过计算模拟疾病机制、了解罕见遗传疾病并测试候选疗法。

免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论