2026 年 11 月 11 日，Google DeepMind 正式发布基因 AI 模型 AlphaGenome 2。距离初代模型在 2026 年 1 月登上《Nature》仅过去 10 个月，这次迭代没有继续拉长 DNA 上下文窗口，而是用跨越 68 种组织的超过 1.07 亿个单细胞图谱，把基因变异预测从笼统的组织层面推向了具体的细胞状态。
很多媒体将这次升级渲染为 AI 揪出致病元凶的准确率翻倍。拆开底层架构与独立学界的验证数据就会发现，AlphaGenome 2 的核心突破是把死板的查表模式改造成了动态条件生成；但它翻倍的只是分子表达变异的恢复率，离直接断定临床致病还有不小的距离。
上下文停在 1Mb，架构却甩掉了固定轨道
人类基因组里绝大多数与疾病相关的遗传变异都藏在非编码区。它们不直接改变蛋白质结构，而是像开关一样决定基因在何时、何种细胞里表达。同一段 DNA 变异在皮肤细胞里可能毫无波澜，放到正在抵抗感染的免疫细胞里就会引发病变。
过去几年，基因组大模型的主线一直是拼输入长度和堆输出轨道（Tracks）。但无论是早期的 Enformer、Borzoi，还是初代 AlphaGenome，都受困于固定目录架构。模型只能预测训练集中预设好的组织或细胞系，遇到没见过的细胞状态就束手无策。
| 模型名称 | 输入序列长度 | 输出分辨率 | 预设输出轨道规模 |
|---|---|---|---|
| Enformer | 196,608 bp | 128 bp | 5,313 个人类轨道、1,643 个小鼠轨道 |
| Borzoi | 524,288 bp | 32 bp | 7,611 个人类轨道 |
| AlphaGenome 1 | 1,048,576 bp | 单碱基级 | 5,930 个人类轨道、1,128 个小鼠轨道 |
| AlphaGenome 2 | 1,048,576 bp | 单碱基级 | 动态条件编码（支持最多 256 个自定义细胞） |
AlphaGenome 2 的输入长度依然维持在 1,048,576 个碱基对（约 1 Mb），API 同时向下兼容 16,384、131,072 和 524,288 个碱基对的序列输入。它真正换掉的是引擎：在人类和小鼠批量（bulk）数据及 1.07 亿个单细胞图谱基础上，新增了 DNA 甲基化预测功能，并在架构中塞进了一个细胞编码器（cell encoder）。
研究人员现在可以直接把实验室里的单细胞 RNA 测序（scRNA-seq）数据喂给细胞编码器，最多一次编码 256 个人类细胞。模型不需要重新训练，就能对从未见过的细胞类型和生物状态做零样本预测。
这种颗粒度对自免疾病和肿瘤免疫的靶点发现团队非常解渴。在涵盖 28 种原代免疫细胞的 TenK10K 基准测试里，对比经过单细胞数据微调的初代模型，AlphaGenome 2 识别出的因果变异比例从 16% 提升至 30%（1.88 倍），识别出的定向基因效应从 23% 提升至 43%（1.87 倍）。
落地到具体机制，AlphaGenome 2 在肠道巨噬细胞中复现了与炎症性肠病（IBD）相关的 ETS2 调控效应；面对重症 COVID 相关变异，它也在疫苗激活的 T 细胞状态中检测到了比静息状态更强的效应。如果只看笼统的组织平均值，这些藏在特定激活态里的关键信号就会被直接抹平。
- 结论.细胞编码器让基因模型第一次具备了按需定制生物微环境的能力，帮基础生物学家省去了为罕见细胞状态重新训练模型的算力开销。
分子效应翻倍不等于临床致病：初代暴露的三大软肋
官方通报里将近两倍的提升很容易让人产生错觉，以为 AI 已经能直接看懂 DNA 并锁定临床致病突变。实际上，TenK10K 测试里翻倍的只是改变基因表达的分子效应变异（如 eQTL）恢复率，而且官方并未公布这一比较下的精确度阈值。从基因表达量改变到真正引发人类疾病，中间还隔着蛋白质功能、生理代偿机制和临床表型证据链。
算得出基因表达的涨跌方向，不代表抓得住引发疾病的真正元凶。
初代 AlphaGenome 发表后的 10 个月里，独立科学界已经用一连串预印本和同行评审论文，给这股热潮泼了冷水。尽管 Sanger 研究所的 Ben Lehner 曾表示用超过 50 万个新实验测试了初代模型并认为表现强劲，但该声明既未附上完整验证报告，也披露了与 DeepMind 的资金与合作关系。相比之下，无利益相关的第三方评估扒出了三个非常具体的硬伤：
首先是方向准但量级差。初代模型在 GTEx eQTL（90% 符号准确率下）的恢复率达到 41%，远高于 Borzoi 的 19%，预测基因表达上调还是下调的带符号效应大小斯皮尔曼相关性也能达到 0.50；但一旦要预测具体变化了多少倍，其绝对效应量级的相关性就暴跌至 0.10。
其次是微观位点信噪比不足。独立学者 Drusinsky 与 Pollard 在 2026 年 9 月的预印本中指出，初代模型虽然在全基因组宏观基准上跑分漂亮，但落到单个具体位点时，许多精细映射的真实表达变异预测信号太弱，根本无法从周围的背景连锁变异中脱颖而出。2026 年 4 月的另一项独立预印本评估也证实，在预测不同个体之间的基因表达差异时，初代模型虽优于 Enformer，却依然打不过直接在个体基因型-表达数据上训练的传统统计模型。
更要命的是假阴性风险。Calandra 等人于 2026 年 8 月在《Journal of Medical Genetics》发表的遗传性癌症研究表明，初代模型虽然能帮实验室优先排序剪接变异，但面对部分实验已经明确证实的严重剪接缺陷，模型只给出了温和的预测打分。
算力变贵、校准缺位，临床诊断还得靠边站
这些前车之鉴直接决定了 AlphaGenome 2 在现阶段的真实坐标：它是一台高效的湿实验选题放大器，但绝对当不了临床遗传诊断的裁判官。
哪怕在 DeepMind 内部，二代也没有立刻取代初代。基因组学负责人 Žiga Avsec 坦言，AlphaGenome 2 更精细的细胞级预测带来了高昂的计算成本，生成预测比初代更贵。正因为算力账算不过来，DeepMind 在 2026 年 9 月构建涵盖人类基因组每一个可能单碱基变化的基因组图谱（Atlas）时，依然只能用初代模型去跑，拿 AlphaGenome 2 跑全基因组遍历在成本上根本不切实际。
对于临床遗传诊断机构来说，API 文档里的几条限制更是划出了红线。AlphaGenome 2 的输出混杂了实测训练轨道、受支持的插补（imputations）以及未经基准测试的探索性插补；而且二代目前只返回原始变异分数，初代独有的、基于常见变异校准的分位数分数在二代中处于缺位状态。模型不仅明确仅限非商业研究（商业研究仅开放有限的私密预览）、未获批用于临床诊断，在缺乏校准分数且存在剪接缺陷漏判风险的前提下，临床医生绝不可能拿它的低分结果去排除一个潜在的致病突变。
- 风险.切勿将 API 返回的探索性插补轨道与原始变异分数直接当作临床排他依据，计算预测的假阴性仍需通过功能湿实验（Functional assays）兜底。
当前 AI 科学赛道的军备竞赛正在加速，DeepMind 即将启用英国自动化材料科学实验室，Anthropic 给 Claude 配上了湿实验室做药物研发，OpenAI 则在密集攻克数学难题。热闹归热闹，判断 AlphaGenome 2 到底能帮药企和实验室省下多少真金白银，接下来只需盯紧三件事：独立实验室对二代在个体间表达差异上的复现表现、单个位点下背景变异信噪比有没有实质改善，以及那份未完全公开细节的论文里到底藏着怎样的精确度阈值与消融实验结果。