Google DeepMind представила AlphaGenome 2 для генетических исследований
11 ноября 2026 года Google DeepMind представила AlphaGenome 2 - модель для прогнозирования того, как последовательности ДНК и генетические варианты связаны с активностью генов в конкретных типах и состояниях клеток. По описанию команды, новая версия обучена на более чем 107 миллионах профилей отдельных клеток из 68 тканей и может обрабатывать варианты, не встречавшиеся в обучающих данных. Google сообщает почти о двукратном увеличении числа выявляемых вариантов, меняющих экспрессию генов, на одном из сравнений. Сейчас модель доступна через API для некоммерческих исследований и в закрытом предварительном доступе для коммерческих исследований. Она не предназначена для клинической диагностики.

Что изменилось
Модель фокусируется на конкретных клетках и состояниях
Первая AlphaGenome одновременно предсказывала характеристики широких тканей и клеточных линий. В AlphaGenome 2 биологическое условие - например, тип клетки или состояние - подается вместе с последовательностью ДНК. Это позволяет изучать, как один и тот же вариант проявляется в разных клетках, а не усреднять эффект по ткани. Для исследователя это полезно, когда регуляторное изменение связано только с определенной популяцией, например иммунными клетками в кишечнике. Условное прогнозирование не превращает вычислительный результат в лабораторное подтверждение: модель выдает направление для анализа и выбора эксперимента, но не устанавливает биологический механизм окончательно.
В обучение вошли десятки миллионов клеточных профилей
Google DeepMind сообщает о более чем 107 миллионах профилей отдельных клеток, собранных из 68 тканей, с данными человека и мыши. Компания также указывает, что новая версия может предсказывать несколько видов молекулярной активности, в том числе экспрессию генов, модификации гистонов, доступность хроматина и метилирование ДНК. При таких масштабах важно помнить, что число профилей само по себе не гарантирует одинаковое качество для каждой ткани, клеточного состояния и типа варианта. Детали датасетов, наборов проверки и архитектуры следует читать в технической публикации, а практическую пригодность оценивать для конкретной исследовательской задачи.
Компания заявляет об улучшении выявления вариантов
В описании AlphaGenome 2 говорится, что модель находит почти вдвое больше вариантов, связанных с изменением экспрессии, чем прежняя система. На наборе TenK10K Google сообщает 30% найденных причинных вариантов против 16% у AlphaGenome, дообученной на отдельных клеточных данных, и 43% против 23% для направлений эффекта. Это результаты, опубликованные самой командой, с конкретными наборами и сравнительными методами. Их нельзя переносить на все заболевания, все типы клеток или клиническую практику. Для независимой оценки понадобятся воспроизведение исследования и сравнение на других наборах, не участвовавших в разработке.
Исследователь может задавать состояние клетки по своим данным
Модель принимает клеточное состояние из каталога либо представление, полученное из пользовательского single-cell эксперимента. По сообщению Google, это позволяет делать прогнозы для новых состояний без полного переобучения модели и заполнять некоторые отсутствующие экспериментальные измерения. Команда приводит примеры состояний, связанных с вакцинацией, и эффекта генетического варианта в активированных иммунных клетках. Для воспроизводимости лаборатории нужно фиксировать версию модели, описание клеточного состояния, сборку генома, входные файлы и параметры запроса. Иначе две группы могут получить несопоставимые выводы даже при анализе похожего варианта. Такой вывод остается вычислительным и зависит от качества исходного профиля, подготовки данных и того, насколько новый эксперимент близок к известным условиям. Практическая проверка должна включать подходящий контроль, повторные измерения и ограничения, описанные авторами.
Доступ ограничен исследовательскими условиями
На дату объявления AlphaGenome 2 доступна через API для некоммерческих исследований; коммерческие исследования могут подать заявку на закрытый предварительный доступ. Google также заявила о планах выпустить навыки для Google Antigravity позже. Это не означает, что уже доступен готовый медицинский продукт или система клинических рекомендаций. В самом сообщении отдельно сказано, что AlphaGenome и AlphaGenome 2 предназначены для исследований и не валидированы для клинического или диагностического применения. Для лабораторий важны условия доступа, лимиты API, воспроизводимость входных данных и права на использование результата. Персональную медицинскую интерпретацию такой прогноз не заменяет.
Что это дает пользователю
Исследователи могут оценивать варианты с учетом типа клетки, а не только широкой ткани.
Прогнозы помогают формировать гипотезы и расставлять приоритеты для экспериментов.
Доступ и назначение различаются для некоммерческих и коммерческих исследований.
Что нужно учитывать
Метрики и сравнения в анонсе опубликованы разработчиком модели.
Вычислительный прогноз не подтверждает причинность лабораторным экспериментом.
AlphaGenome 2 не предназначена для клинической диагностики или выбора лечения.
Коротко
AlphaGenome 2 сдвигает анализ вариантов в сторону более конкретных клеточных типов и состояний. Для биологической интерпретации важны условия доступа, воспроизводимость и независимое подтверждение прогнозов экспериментом.
