DeepMind 發布 AlphaGenome 2,可依細胞類型預測 DNA 變異影響
2026/11/13
Google DeepMind 發布基因序列預測模型 AlphaGenome 2,將分析尺度從組織層級推進到細胞層級。新模型能依據不同的細胞類型與細胞狀態,預測 DNA 變異對基因表現造成的影響,協助研究人員找出只在特定細胞中發揮作用的關鍵變異,進一步追查與疾病相關的基因調控機制。
人類基因組中,真正負責編碼蛋白質的區段只佔一小部分,其餘大量序列則與基因何時開啟、在哪些細胞中表現有關。許多疾病相關的 DNA 變異,正是落在這些調控區域,而非直接改變蛋白質本身。然而,要判斷某個變異究竟會造成什麼影響,往往需要耗時的實驗驗證。AlphaGenome 系列模型的目標,就是以 AI 從 DNA 序列直接預測這些調控效果,加速研究流程。
DeepMind 指出,前一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。業界分析人士認為,這項進展具有重要意義。同一個組織往往由多種細胞組成,例如腦部包含不同類型的神經元與支持細胞,免疫系統的細胞也會隨活化狀態而改變行為。若只看組織整體的平均訊號,某些只在少數細胞中作用的變異就容易被掩蓋。能夠細分到細胞類型與狀態,等於提高了解析度,讓研究人員更有機會找到過去難以察覺的致病線索。
在應用層面,這類模型可望協助篩選全基因組關聯研究中找到的大量候選變異,排定實驗驗證的優先順序,進而加快疾病機制研究與藥物標靶探索的速度。不過,AI 模型的預測仍需實驗結果加以確認,其準確度也取決於訓練資料涵蓋的細胞類型與實驗條件。對醫療與生技產業而言,AI 與基因體學的結合正逐漸成為研究標準工具,台灣的生醫研究單位也可留意這類工具在精準醫療上的應用潛力。
從研究發展的脈絡來看,AI 在生命科學領域的應用正從單點突破走向系統化工具。業界分析人士指出,過去基因體學研究面臨的一大瓶頸,是定序技術產出資料的速度,遠快於研究人員解讀資料的速度。大量變異被發現,卻難以逐一判斷其功能意義。像 AlphaGenome 2 這樣的預測模型,若能提供可信度足夠的初步判讀,將有助於研究團隊把有限的實驗資源集中在最有可能具備生物意義的候選變異上。此外,細胞層級的分析也與近年單細胞定序技術的普及相互呼應,兩者結合後,可望讓研究人員更精確地描繪疾病在不同細胞中的發生過程。
從蛋白質結構預測到基因調控分析,DeepMind 持續將 AI 推進生命科學的核心問題。AlphaGenome 2 深入細胞層次,為疾病研究提供更精細的工具,其實際成效將在後續的科學研究中逐步得到檢驗。