基因序列預測模型AlphaGenome 2深入細胞層次，追查疾病相關DNA變異

DeepMind發布基因序列預測模型AlphaGenome 2，能依不同細胞類型與狀態，預測DNA變異對基因表現的影響。前代模型主要分析組織整體的分子活動，新版則能辨識只在特定細胞中發揮作用的變異，協助研究人員追查疾病相關的基因調控機制。

人體細胞雖然具有相同DNA，不同細胞啟動的基因卻不一樣。初代AlphaGenome可分析100萬個鹼基的DNA序列，同時預測多種組織與細胞株的分子特徵，但較難區分相近細胞類型的差異。AlphaGenome 2改採條件式模型架構，將指定的組織、細胞類型或狀態與DNA序列一起輸入，每次針對一種條件進行預測。

新版模型使用人類與小鼠樣本訓練，包含68種組織、超過1.07億筆單細胞資料。在涵蓋28種免疫細胞類型的TenK10K資料集測試中，當新舊模型的辨識精確率均達90%時，新版能找出30%確實會影響基因表現的DNA變異，前代則為16%。在預測變異會使基因表現增加或減少方面，當方向判斷正確率均達90%時，新版能辨識43%的相關變異效應，前代則為23%。

AlphaGenome 2還能利用新的單細胞RNA定序資料，無須重新訓練模型，就能分析訓練時未見過的細胞狀態。研究人員只要提供數十個細胞的基因表現資料，就能建立新的預測條件。DeepMind利用COVID-19 mRNA疫苗研究資料測試新版模型，AlphaGenome 2無須重新訓練，就能區分疫苗活化與未活化的T細胞，並預測某個與COVID-19重症相關的DNA變異，對活化T細胞的基因活動影響較大。

在發炎性腸道疾病的研究案例中，AlphaGenome 2透過計算預測重現先前研究的部分結果，指出特定DNA變異會提高腸道巨噬細胞中的ETS2基因表現，對其他細胞的影響則較小。新版也具備跨模態推論能力，能根據已有的單細胞基因表現資料，預測未量測的染色質開放程度與DNA甲基化狀態。

DeepMind另預先計算疾病及性狀相關DNA變異，在數百種人體細胞與組織條件下的預測結果，協助研究人員找出可能涉及疾病的DNA變異、目標基因與細胞類型。AlphaGenome 2已透過AlphaGenome API開放非商業研究使用，商業研究目前僅提供私人預覽。