AlphaGenome 2 预测非编码 DNA 的变异效应

人类基因组中约 2% 的序列负责编码蛋白质，另外 98% 属于非编码区域，其中包含大量尚未被充分解释的调控信息。 AlphaGenome 2 的主要价值在于将百万碱基级长序列输入、多类基因组功能预测和遗传变异效应评分纳入同一框架，而不是宣称一次“破解”全部基因组暗物质。

36氪热点稿使用的是“AlphaGenome 2”，但所给报道以及 Nature 论文题名《Advancing regulatory variant effect prediction with AlphaGenome》采用“AlphaGenome”。 在原始论文或官方页面确认版本关系前，不宜自行把“2”解释成第二代架构或一次独立升级。

AlphaGenome 2 一次可输入最长 100 万个碱基对的 DNA 序列，并以单碱基分辨率返回数千种功能基因组特征。 开发者可以针对同一段序列读取多类输出：RNA 表达水平，包括 RNA-seq、CAGE；RNA 剪接位点与强度；染色质开放性、组蛋白修饰、转录因子结合位点，以及染色质三维接触图。

这种统一预测的价值不止于减少模型数量。DNA 序列中的调控元件通常不是孤立工作的：增强子中的变异若改变转录因子结合，可能进一步影响染色质开放、目标基因表达以及其他接触结构。AlphaGenome 2 把这些输出纳入同一预测系统，因此一次变异分析得到的不只是一个标签，而是一组可以相互对照的功能变化。

模型通过人类和小鼠的 ENCODE、GTEx 等大规模多组学数据学习序列与调控信号之间的关系，资料称模型覆盖数百种细胞类型和组织。 这些细胞背景很重要，因为同一段 DNA 在不同细胞中的表达、染色质状态和调控作用并不相同。

遗传变异效应预测的基本做法是分别输入野生型和突变型序列，再比较两者预测输出的差异。如果某个碱基变化对应表达下降、剪接改变或结合信号减弱，系统就能快速指出它可能影响哪些功能，把研究范围从整条基因缩小到更值得检验的候选位置。

模型内部是否采用 CNN、Transformer 或 U-Net，现有材料尚不足以确认，也不足以支持逐层拆解。二手资料称其采用混合架构，但该来源同时提示内容可能存在偏差；具体设计仍需回查原始论文与开放代码。

资料称，AlphaGenome 在 26 个变异效应预测基准任务中，有 25 个达到或超过 Enformer、Borzoi、ChromBPNet 等现有模型，并在非编码变异任务上表现突出。 这说明它在多项标准化评测中具有较强竞争力，不等于所有任务都达到相同准确率，更不能换算成临床诊断准确率；同样，“几秒完成变异评分”主要压缩的是候选评估时间，无法取代后续实验验证。

现有资料描述的应用更接近研究辅助工具。资料报道，AlphaGenome 在 T 细胞急性淋巴细胞白血病分析中定位了导致癌基因异常激活的非编码突变，并追踪了相关调控机制。 在罕见病领域，它可为关键变异和蛋白质结合受影响的方向提供候选线索。 在合成生物学中，它能辅助设计具有细胞类型特异性的基因开关。 在药物与精准医疗中，它可用于靶点优先级排序和个体化治疗方案探索。

开发者目前可关注资料所述的 API 预览，并核实研究代码和模型权重的开放状态。该资料称，团队在 2025 年 6 月发布预印本时开放了 API 预览，Nature 正式发表后又宣布开放研究代码与模型权重。 实际开放范围、版本兼容性、许可与使用条件仍应在正式发布页复核。

“98%”是非编码序列占比，不是模型准确率；基准领先证明的是评测表现，不是任意疾病或个体上的可靠性；序列预测提供的是机制假设与候选排序，不是已经证实的因果关系或临床结论。 AlphaGenome 2 可用于高效缩小需要实验和临床验证的候选范围，但不能直接替代湿实验与临床验证。