DeepMind Just Released The Best Thing AI Ever Did
三句話摘要
DeepMind的AlphaGenome 2能預測DNA變異在特定細胞類型中的基因調控效應,突破了前代AI無法考慮細胞差異的限制。 AlphaGenome 2將AI預測DNA變異效應的能力提升到細胞特定層面,有望加速精準醫學發展並拯救千萬患者的生命。 同一個DNA變異在不同細胞中會產生截然不同的效應——例如胰島素產生的β細胞與其他胰臟細胞對同一基因變異的反應完全不同,這使得精準預測變成考量數十億個變異×數百種細胞類型的難題。
重點整理
同一個DNA變異在不同細胞中會產生截然不同的效應——例如胰島素產生的β細胞與其他胰臟細胞對同一基因變異的反應完全不同,這使得精準預測變成考量數十億個變異×數百種細胞類型的難題。
利用既有的大規模單細胞測序數據作為訓練資料是關鍵突破,科學家已測量過大量細胞中各基因的活性水準,這提供了足夠的輸入輸出對讓AI學習細胞特定的基因調控模式。
AlphaGenome 2不僅在已知變異上表現出色,更驚人的是它能泛化到完全陌生的細胞類型,在帕金森氏症研究中的準確率超越了在該領域接受過專門訓練的專家AI。
儘管成就顯著,模型仍有局限——漏掉許多疾病相關變異,且在罕見細胞類型上預測能力有限,但這已是朝向精準醫學的重要一步。
實用技巧與重點
- 人類DNA:約30億個字母,含數百萬個分子開關
- AlphaGenome 1:無法區分細胞類型的變異效應
- AlphaGenome 2改進:加入細胞類型作為輸入變數
- 已知變異識別:準確率90%(每10個標記約9個正確)
- HK1基因案例:胰島素產生β細胞中有顯著效應,其他胰臟細胞幾乎無效應
- 帕金森氏症研究數據對比:
- 專家AI準確率:17%
- AlphaGenome 2準確率:41%(未經該研究訓練)
- 提升幅度:超過一倍
- 論文規模:78頁
- 開放政策:通過API免費提供給研究者,計劃開源代碼和模型權重
結論
AlphaGenome 2將AI預測DNA變異效應的能力提升到細胞特定層面,有望加速精準醫學發展並拯救千萬患者的生命。
完整解析
人類基因表達不僅由DNA序列決定,更重要的是那些分子開關——調控開關的活躍與關閉。在三十億個DNA字母中藏著數百萬個這樣的開關,決定了基因何時何地被啟動。許多疾病正是因為這些開關失控而引起的,如白血病或危險性高膽固醇血症。DeepMind的前一代AlphaGenome 1能夠預測DNA單點變異對基因活性的影響——這本身已是令人難以置信的成就。然而,它面臨一個根本限制:同一個基因變異在不同的細胞類型中會產生完全不同的效應。
人類的腦細胞與皮膚細胞含有完全相同的DNA,卻以截然不同的方式使用這些基因。要預測這些細胞特定的效應,意味著需要考量數十億個變異與數百種細胞類型的組合——數兆種可能性。在實驗室逐一測試是完全不可行的。那麼該如何從一串DNA序列預測這一切呢?答案在於利用既有的大規模單細胞測序數據。科學家已經在大量細胞中測量過各個基因的活性水準,這提供了豐富的訓練資料——輸入是特定細胞類型的DNA序列,輸出是該細胞中基因的活性。
AlphaGenome 2利用這些數據解決了兩個關鍵問題:第一,AI是否足夠強大到學習這些複雜的相互作用;第二,它能否泛化到未曾見過的細胞類型。實驗結果令人震撼。在已知變異的識別上,AlphaGenome 2能找到雙倍數量的影響基因活性的變異,準確率達90%——意味著每十個它標記為有影響的變異中,約九個確實會影響基因活性。更不可思議的是,它確實具備泛化能力。在帕金森氏症研究中,專家AI(該領域接受過特定訓練的模型)只能正確預測17%已知的遺傳效應,而AlphaGenome 2從未在這個研究上訓練過,卻能預測41%——提升超過一倍,且保持相同的高準確率。這種在全新數據上表現優於領域專家AI的能力達到了科幻級別的成就。
當然,限制仍然存在。AlphaGenome 2遠非完美,最佳預測仍會漏掉許多疾病相關變異,對罕見細胞類型的預測能力也有限。但考慮到AlphaFold首次發表時就顯示出改變生物學的潛力,AlphaGenome 2同樣有著深遠的影響。有趣的是,AlphaFold 2已經通過API免費提供給全球研究人員使用,DeepMind更計劃開源代碼和模型權重,讓科學界能直接應用這項技術。


