New 一對一 AI 實戰課,不設班期,直接預約 →

最新 AI 貼士 · AI News

DeepMind 發布 AlphaGenome 2:可預測特定細胞類型的 DNA 變異影響

Google DeepMind 於 2026 年 11 月 11 日公布 AlphaGenome 2:下一代 DNA 序列模型,預測變異如何影響特定人類細胞類型;當日經 API 供非商業研究使用,商業研究為私人預覽,且僅供研究、未獲臨床或診斷驗證或批准。

AI News 封面插圖:Google 與 Gemini

DeepMind 新聞來源摘要

本文目錄:這則更新發生了甚麼及何時公布 | 已確認事實與尚未確認事項 | 這則更新會影響誰、影響甚麼決定 | 現在可以採取的核對步驟 | 文章參考資料

這則更新發生了甚麼及何時公布

Google DeepMind 於 2026 年 11 月 11 日在官方網誌 AlphaGenome 2: Deciphering how cells read DNA to better understand disease 宣布 AlphaGenome 2。官方新聞 RSS 將該文標示為 2026 年 11 月 11 日 15:00 UTC 發布(香港時間同日晚上)。作者包括 Adam Gayoso、Natasha Latysheva、Pushmeet Kohli 與 Žiga Avsec。原文開宗明義指出:身體內每個細胞都攜帶同一套 DNA 藍圖,但不同細胞類型與狀態會開啟或關閉不同基因;如何預測細微的 DNA 變異如何改變這些表現,仍是未完全解決的課題,而這正是人類性狀與疾病的重要驅動因素之一。

官方回顧,去年已推出 AlphaGenome,用以預測 DNA 變異在廣泛組織層面如何影響分子活性,其後並以 AlphaGenome Atlas 平台提供人類基因組中所有約 90 億種單字母改變的預測,協助研究者排序與詮釋變異效應。AlphaGenome 2 則把視野從組織平均值推進至個別細胞類型與細胞狀態,並重新設計架構。原文稱之為變異預測表現的一次階躍式改進,並強調它有助預測在廣泛組織模型中可能被忽略、但與疾病相關細胞中的變異效應,也可對模型尚未見過的細胞或疾病狀態作出預測。

在數據與能力方面,官方開首寫成:相對先前最先進模型,AlphaGenome 2 能識別近兩倍會改變細胞內基因表現的變異;訓練數據為超過 1 億個單細胞剖面,涵蓋 68 種組織。後文補充,訓練同時使用人類與小鼠的群體及單細胞數據,其中包括超過 1.07 億個單細胞剖面,並可分辨如特定心肌細胞或血液免疫細胞等較專門的細胞。它預測的核心讀數與第一代相同,例如基因表現、組蛋白修飾與染色質可及性,並新增較多人要求的 DNA 甲基化預測。

架構上,官方把第一代寫成一次對許多組織與細胞系作平行輸出;第二代改為條件模型,每次針對一個條件(組織、細胞類型或狀態)作出預測,並在架構的各個階段把該生物學條件與約 100 萬個字母的 DNA 序列一併輸入。條件可由參考目錄選取,也可由研究者自己的單細胞實驗經細胞編碼器即場產生。原文並稱這種設計容許跨模態填補:若只輸入一種測量(例如單細胞基因活性),模型可預測尚未測量的性質(例如染色質可及性),以協助決定下一步實驗。

在驗證例子方面,官方引用 TenK10K 數據集(28 種初級免疫細胞類型的大型單細胞圖譜),稱 AlphaGenome 2 可靠識別的因果變異比例約為 30% 對 16%、方向性基因效應約為 43% 對 23%,相對已在單細胞數據上微調的原版 AlphaGenome 及其他專門工具,接近兩倍。原文亦稱,它以計算方式重現一項近期標誌性研究:遠端調控開關上的變異會在腸道巨噬細胞中過度激活 ETS2 基因,從而與炎症性腸病相關;模型在多種腸道免疫細胞之間作出預測時,能單獨標出該因果變異,並顯示其效應主要發生在腸道巨噬細胞。官方並寫明,模型可在無需重新訓練的情況下,適應全新的單細胞 RNA 測序實驗;研究者可上傳僅數十個細胞的基因活性快照。文中以 COVID-19 mRNA 疫苗研究中未見過的單細胞數據為例,稱模型能區分疫苗激活的免疫 T 細胞與靜息細胞,並顯示與重症相關的變異在激活狀態下對基因活性的干擾更強。

為協助把全基因組關聯研究(GWAS)找到的變異連到單細胞圖譜,官方稱已預先計算性狀相關變異在數百種人類細胞與組織條件下的預測,包括把增強子與基因的連結擴展到初級人類細胞類型,以及協助在複雜性狀中指出較可能的因果變異與作用細胞。原文亦預告,稍後會在代理式開發平台 Google Antigravity 推出 AlphaGenome 2 Skills。官方同時以獨立段落寫明:AlphaGenome 與 AlphaGenome 2 僅供研究用途,尚未就臨床或診斷用途通過驗證或批准。

已確認事實與尚未確認事項

已確認(以 DeepMind 官方網誌及 2026-11-11 新聞 RSS 為準):AlphaGenome 2 於當日公布;定位為預測 DNA 序列及其變異如何影響特定人類細胞類型的下一代模型;相對第一代,改為按單一條件預測並可接入研究者自己的單細胞實驗;訓練數據在開首寫成超過 1 億個單細胞剖面、68 種組織,後文寫成逾 1.07 億,並包括人類與小鼠的群體及單細胞數據;新增 DNA 甲基化預測;官方就 TenK10K 引用 30% 對 16%、43% 對 23% 等數字,並描述腸道巨噬細胞 ETS2 與疫苗激活 T 細胞等例子;當日可經 API 供非商業研究使用,商業研究為私人預覽;僅供研究、未獲臨床或診斷驗證或批准。以上均為供應商就其研究工具的自我陳述。

尚未確認:上述「近兩倍」與百分比在其他獨立數據集上是否可重現、私人預覽的合資格條件、時程與費用、Antigravity Skills 的確實推出日期與功能範圍,以及模型在實際藥物研發或臨床研究流程中的外部審計結果。原文沒有公布香港醫院、大學或檢測機構可以即時開通臨床用途的途徑。讀者不應把研究工具的公開說明,理解成已獲監管批准的診斷產品,亦不應假設本地病患數據可在未審查合約與隱私條款的情況下上傳至該 API。

這則更新會影響誰、影響甚麼決定

若你從事基因組學、單細胞生物學或藥物靶點研究,這則更新的價值在於一份可引用的官方說明:模型已從組織層平均推進到細胞類型與狀態,並提供非商業 API 與商業私人預覽兩條路徑。它有助於向合作者解釋「組織水平預測」與「特定細胞中的變異效應」不是同一件事,以及為何官方仍把用途限制在研究而非臨床。

對一般軟件工程或企業資訊科技團隊,短期內未必有需要接入該 API;較務實的做法是把它視為生命科學中「專用模型加代理式科研工具」的案例,而不是一項可直接採購的辦公室軟件。對香港的醫療或檢測機構,原文並未授權把該模型用於診斷或治療決定;任何概念驗證都應先核對研究用途限制、數據出境與倫理審查。

若團隊希望把生成式人工智能的能力、限制與治理原則寫成可重複的學習內容,可參考 企業 AI 培訓 或 香港 AI 課程總覽,而不是只轉貼一則科研模型公告。

現在可以採取的核對步驟

  1. 閱讀 DeepMind 原文,核對「特定細胞類型」「條件模型」「非商業研究 API/商業私人預覽」以及「僅供研究、未獲臨床或診斷驗證或批准」等表述,並與二手轉述分開存檔。
  2. 把 TenK10K 的百分比、ETS2 例子與疫苗研究例子列為「官方就其內部或合作評估的自我陳述」,不要在簡報中寫成已由獨立第三方全面覆核的臨床結論。
  3. 若研究團隊考慮申請 API 或私人預覽,先核對官方當日的使用條款、數據處理說明與是否允許使用本機構的人類數據。
  4. 需要把人工智能研究工具的能力與限制寫進培訓時,可由 企業 AI 培訓 或 香港 AI 課程總覽 開始。

官方來源:Google DeepMind:AlphaGenome 2(2026-11-11)。延伸學習可參考 企業 AI 培訓 與 香港 AI 課程總覽。

文章參考資料

以上公開資料於 2026 年 11 月 12 日查閱;事實以 Google DeepMind 官方原文為準。模型覆蓋範圍、API 取得方式與預覽進度可能變更。AlphaGenome 與 AlphaGenome 2 僅供研究用途,尚未就臨床或診斷用途通過驗證或批准。

本頁僅供一般資訊與學習用途,不構成法律、醫療、臨床、投資、採購或專業意見。

學習 AI,保護你的未來。

分享本文

返回最新 AI 貼士與 AI News

AI.Academy

想把這則更新用在工作上?

先核對原文,再用一個真實任務試做。需要導師在課堂帶著完成時,可報讀 AI Academy HK 實戰課。

  • 易上手
  • 一對一實戰
  • 帶走作品

不確定應該從哪一堂開始?

MISA:We're here to help