一句话看懂：Google DeepMind 推出 AlphaGenome 2，将基因组 AI 的预测粒度从组织整体推进到单个细胞类型，测试中找出的相关基因变异约为上一代的两倍，现已开放非商业研究使用。
事件核心：发生了什么
2026 年 11 月 12 日，Google DeepMind 发布面向基因组研究的新模型 AlphaGenome 2。与上一代一次性并行预测数千项跨组织实验不同，它改成条件模型：除了输入 DNA 序列，还要指定一种具体细胞状态，再针对该细胞类型计算变异影响。官方称训练数据来自人和小鼠 68 种组织的超过 1.07 亿个单细胞图谱。除基因表达强度外，模型还预测 DNA 在细胞核中的物理包装可及性，并新增 DNA 甲基化预测——这是调控基因开闭的化学标记。在 28 种原代免疫细胞类型的 TenK10K 基准上，AlphaGenome 2 识别约 30% 的因果变异，43% 的情况下正确判断变异上调还是下调基因；微调版上一代分别为 16% 和 23%。
为什么重要
人体所有细胞共用同一套 DNA，但不同细胞类型开启的基因不同，这是基因组学长期未解的问题。旧路线一次覆盖大量组织，容易稀释模型容量，难以区分相近细胞类型；AlphaGenome 2 把条件状态作为额外输入，走的是更细粒度的技术路线。它的另一项能力是少样本适配：研究人员只输入几十个细胞的基因活性数据，模型就能推断此前未见过的细胞状态下的其他特性，且据 DeepMind 称常优于直接针对该数据训练的专用模型。对 AI 制药和靶点发现而言，这意味着计算预测可以更早帮助决定哪些湿实验值得做。
对用户/开发者/创作者的影响
普通用户短期不会直接感知，但生物医药研发和计算生物学开发者值得关注：模型已开放非商业研究，DeepMind 还预先计算了数百种细胞与组织条件的预测结果，可能成为遗传学与细胞生物学之间的查询入口。目前公开信息显示，这是研究工具而非面向开发者的通用 API，商业化路径和商业授权条款尚未披露。对内容创作者和一般 AI 应用开发者，影响主要在行业认知层面：大模型的能力正从语言、图像向专业科学数据延伸，垂直领域的数据质量和条件建模设计变得比单纯堆参数更关键。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，非商业开放之后是否推出商业许可或 API，以及定价与数据使用限制。第二，TenK10K 等基准上的表现在更多细胞类型和独立评测中能否复现，目前结果仅限素材给出的任务与条件。第三，少样本适配是否被药企和科研机构实际采用，并出现可验证的湿实验闭环。
