Google DeepMind 發表 AlphaGenome 2，在細胞層級繪製疾病地圖

Google DeepMind 的研究人員推出了 AlphaGenome 2，這是一款先進的人工智慧模型，旨在預測 DNA 的變化如何影響不同類型的細胞。該模型致力於解決一個複雜的生物學難題：為什麼同樣的基因突變會在某個器官引發疾病，卻對其他器官毫無影響。透過提供細胞行為的高解析度視角，AlphaGenome 2 可望顯著加速標靶醫療藥物的開發。

超越靜態 DNA 地圖

雖然人體內幾乎每個細胞都含有相同的 DNA，但不同的細胞——如心臟、皮膚或免疫細胞——會根據其功能和狀態啟動不同的基因。AlphaGenome 2 是去年發布的原始 AlphaGenome 模型的後繼者。第一版模型提供了對基因組的廣泛觀察，而 AlphaGenome 2 則專注於疾病的「細胞根源」，捕捉隨細胞類型而異的特定基因表現模式。

根據 Google DeepMind 的說法，與之前的領先模型相比，新模型識別出的改變細胞基因表現的遺傳變異數量幾乎是其兩倍。這種精細度對於藥物研發至關重要，因為研究人員需要針對特定細胞類型中的特定蛋白質進行作用，以減少副作用並提高療效。

海量數據與「零樣本」預測

這一突破得益於在涵蓋 68 種不同組織、超過 1 億個獨立細胞剖面的海量數據集上對模型進行訓練。DeepMind 表示，這有效地將靜態的「細胞圖譜」——大型生物數據庫——轉化為人類遺傳學的預測引擎。

AlphaGenome 2 的一個顯著特點是，它能夠在不需要額外訓練的情況下，對全新的細胞類型和生物狀態進行預測。它還能識別現有實驗數據中的空白，幫助科學家確定實驗室中哪些領域需要進一步研究。

「在開發藥物時，你的目標是特定的蛋白質和特定的細胞類型，」DeepMind 基因組學負責人 Žiga Avsec 解釋道。他指出，AlphaGenome 2 提供的特異性，對於從對遺傳學的普遍理解轉向可行的醫療解決方案至關重要。

邁向虛擬細胞之路

儘管取得了進展，AlphaGenome 2 尚未取代其前代模型。該模型的高精細度伴隨著巨大的運算成本，使其運行起來比原始的 AlphaGenome 更「昂貴」。例如，DeepMind 在 9 月發布的涵蓋所有可能 DNA 字母變化的綜合圖譜（Atlas），是使用舊模型製作的，因為 AlphaGenome 2 的運算需求對於如此龐大的規模來說並不切實際。

展望未來，DeepMind 計劃擴展模型的訓練數據，以包含更多細胞狀態，並可能加入來自多個物種的數據。從長遠來看，這些模型預計將有助於創建「虛擬細胞」——即可以模擬複雜生物系統的數位模擬。

Google 從即日起透過 AlphaGenome API 向非商業研究開放 AlphaGenome 2，並為商業研究提供有限的「私人預覽」。此次發布延續了人工智慧實驗室應對重大科學障礙的廣泛趨勢，競爭對手如 Anthropic 正在探索藥物設計，而 OpenAI 則專注於解決複雜的數學問題。