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。
// 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。