研究 #Google 2026-11-12 · 原文发布 11-11

DeepMind 发布 AlphaGenome 2:按细胞类型预测基因变异的影响,识别出的因果变异接近上一代的两倍(30% 对 16%)

从「按组织平均」细化到单个细胞类型和状态的 DNA 序列模型。这一条讲架构改了什么、效果提升多少、怎么用。

一手来源 Google DeepMind 博客 · deepmind.google 读原文 ↗

// 要点

  • 改为条件模型:输入一百万个碱基的 DNA 序列加上一个目标条件(组织、细胞类型或状态),可从参考目录选,也可由研究者自己的单细胞实验即时生成,无需重新训练。
  • 训练数据包括人与小鼠的批量和单细胞数据,超过 1.07 亿个细胞档案、覆盖 68 种组织;新增 DNA 甲基化读数。
  • 在含 28 种免疫细胞的 TenK10K 数据集上,识别出的因果变异为 30%(对比 16%),方向性基因效应为 43%(对比 23%)。
  • 今天起可通过 AlphaGenome API 用于非商业研究,商业研究为私有预览。

开发者视角这条离我的产品远,收它是因为设计思路可借鉴:把「对谁预测」作为条件输入,而不是为每种情况各出一套输出。做多租户或多岗位的产品,比如智能面试按岗位给反馈,也可以先试「一个模型加条件」而不是每个岗位一套提示词。

// 来龙去脉 · 来自 #Google 专题

看完整时间线 →
  1. 11-12 Google 推出 Gemini Decisions API:Gemini Decision 1 一次处理最多 1,000 个封闭式问题,每百万输入 token 0.10 美元,输出不计费
  2. 11-11 Gemini 4 Carbon 向开发者全面开放:限时与 Argon 同价,每百万 token 输入 2 美元、输出 10 美元
  3. 11-11 DeepMind 推出 AlphaProof Code:智能体生成 600 多万行 Lean 证明,四周内形式化验证 Signal 协议的实现代码

每周一,一封邮件看完 AI 大事

每周一早上,把过去 7 天最值得关注的 6 件 AI 大事和我的解读发到你邮箱。

邮箱只用于发送周报,不会提供给任何第三方;每封邮件底部都可以一键退订。 看看最近一期 →