Google DeepMind 发布 AlphaGenome 2，用于细胞类型特异性变异预测

Google DeepMind 已发布 AlphaGenome 2，这是一个基因组学模型，可预测 DNA 变异如何影响特定的人类细胞类型，并发现的相关基因变化数量几乎是其前代模型的两倍。该模型基于来自人类和小鼠 68 种组织的超过 1.07 亿个单细胞图谱训练，将细胞的生物学状态作为额外输入，而不是一次性在多种组织上进行广泛预测。

Google DeepMind 发布了 AlphaGenome 2，这是一个条件序列到功能的 DNA 模型，读取 1 Mb 的 DNA 窗口加上目标细胞状态，并在每次调用中预测一种细胞类型的变异效应。在覆盖 28 种免疫细胞类型的 TenK10K 单细胞 eQTL 上，90% 精度下的因果变异召回率从微调 AlphaGenome 1 的 16% 升至 30%，效应方向召回率从 23% 升至 43%。该模型通过 AlphaGenome API 提供用于非商业研究，权重承诺在最终发表后开放，商业使用处于私密预览阶段。

Google DeepMind 宣布推出 AlphaGenome 2，这是一款下一代 DNA 序列模型，可预测 DNA 序列及其变异如何影响特定的人类细胞类型。该条件模型基于 68 种组织中超过 1.07 亿个单细胞图谱训练，识别出的改变表达的变异数量几乎是上一模型的两倍；在 TenK10K 免疫细胞数据集上，它找回了 30% 的因果变异，而原始 AlphaGenome 在单细胞数据上微调后仅找回 16%。该模型可通过 AlphaGenome API 用于非商业研究，并以私有预览形式开放商业研究使用。

Google DeepMind 发布了 AlphaGenome 2，这是去年 AlphaGenome 的继任者，可预测遗传变异如何影响单个细胞类型和状态，而非广泛的组织平均值。该模型基于 68 种组织中超过 1 亿个单细胞图谱训练，识别出的可改变基因表达的变异数量几乎是此前最先进模型的两倍，并且无需重新训练即可对新的细胞类型和生物学状态做出预测。Google 从今天起通过 AlphaGenome API 将其开放用于非商业研究，商业用途则提供有限的私密预览；DeepMind 的 Žiga Avsec 表示，其更精细的预测计算成本更高，因此不会很快取代 AlphaGenome。