11月11日，谷歌 DeepMind 发布 AlphaGenome 2：一个能预测 DNA 变异在特定人体细胞里会产生什么影响的模型。它不再像上一代那样只给出组织层面的平均答案，而是针对某一种细胞、某一种细胞状态单独作答。模型即日起通过 AlphaGenome API 向非商业研究开放，商业研究则进入私下预览。
AlphaGenome 2 的变化来自训练方式。DeepMind 用超过 1.07 亿份人类与小鼠单细胞图谱训练了它，覆盖 68 种组织；模型输入一段最长 100 万个字母的 DNA 序列，再加一个指定的组织、细胞类型或细胞状态，输出该条件下的基因表达、染色质开放程度等预测。研究者也可以拿自己的单细胞实验数据做条件，几十个细胞就能用，不必重新训练。在 TenK10K 免疫细胞基准上，它在 90% 精确度下找回 30% 的候选致病表达变异，上一代微调后只有 16%；判断基因效应方向的准确率从 23% 提高到 43%。
同一个变异，不同细胞里是两回事
过去很多疾病基因研究卡在一个盲区：某个变异只在特定细胞里起作用，混进组织平均值里信号就被稀释了。AlphaGenome 2 把预测落到细胞层面，意味着研究者可以更快定位某个疾病到底由哪类细胞驱动，再决定往哪个方向做实验。基因组 AI 并不只有这一条路：DeepGEM 2.0 从病理切片预筛肺癌基因靶点走的是图像到基因的另一条路线。对普通读者来说，这件事的直接意义不在看病：DeepMind 明确表示，AlphaGenome 2 只供研究使用，没有经过临床或诊断验证，不能用来诊断或指导治疗。非商业研究免费开放，商业研究要等私下预览，模型也没有公开权重。
接下来值得看的有三件：研究者用它做出多少新的疾病关联发现；DeepMind 承诺的 Antigravity 技能何时上线；以及社区聚光计划 11 月 30 日截止后，哪些团队拿到额外额度。AlphaGenome 2 不取代上一代——老模型继续提供全基因组图谱，新模型负责更细的细胞级追问。
