Google AlphaGenome 2 將疾病研究聚焦至細胞層面
Google DeepMind 於 11 月 11 日公布 Google AlphaGenome 2,將 DNA 預測由廣泛的組織模式轉向特定細胞類型及狀態。這個研究模型針對一項影響深遠的缺口:若科學家無法確定遺傳變化會在何處產生影響,辨識出該變化的重要性便會降低。更詳細的預測有望帶來更好的實驗,但並不能證明某種治療會奏效。
核心比較在於原版 AlphaGenome;它會針對許多預先定義的輸出預測分子活動。其後繼版本則將生物學背景列為明確輸入。這使研究問題由 DNA 變化是否影響活動,轉為哪些細胞會受到該影響。
對遺傳學研究人員及藥物研發團隊而言,這個差異令計算證據的評估方式更受考驗。一項具說服力的預測,必須連結遺傳變化、分子後果及相關的生物學情境。這項公布強化了這種做法,同時實驗確認仍不可或缺。
Google AlphaGenome 2 將細胞背景納入預測
根據 DeepMind 的細胞特異性模型公告,系統會處理一段長達 100 萬個字母的 DNA 序列,並同時接收選定的生物學條件。該條件可描述組織、細胞類型或細胞狀態。DeepMind 表示,模型採用人類及小鼠資料,並以橫跨 68 種組織、超過 1.07 億份個別細胞圖譜作訓練。
重要改變在於,細胞背景成為模型所接收問題的一部分。
遺傳變異,即 DNA 序列中的差異,未必會在每個地方產生相同後果。基因表達,即使用基因指令時所涉及的活動,提供了研究人員可探究的可量度結果。因此,一項有用的預測除了需要序列,亦需要相應情境。
想想研究團隊實際需要從答案中得到甚麼。某個區域重要的廣泛指示,或有助找出起點;但在任何人能設計具資訊價值的實驗前,仍有大量工作要做。研究人員仍須決定應檢視哪些細胞,以及量度甚麼結果。
加入背景令這項決定更明確。同一序列可在不同生物學條件下評估,從而產生可供研究人員比較的假設。若某個建議機制指出效應應在哪裏出現、又應在哪裏維持不存在,該機制便會更具體。
這種特異性亦提高了證據門檻。若預測指明某個特定細胞類型,實驗便可直接檢驗該說法。若結果在所有地方都出現,與集中於預測情境的效應相比,所講述的故事將截然不同。
這正是這次發布值得在版本編號以外獲得關注的原因。其設計將焦點帶向廣泛摘要可能掩蓋的生物學差異,同時讓這些差異可被檢視,而不是讓研究人員從一般分數中自行推斷。
有一條重要界線必須維持:提供細胞條件,並不代表模型重建了整個活細胞。研究人員應在已評估的任務範圍內解讀其輸出,而不應將之視為對疾病的完整描述。
對關注 AI 研究的讀者而言,這條界線有助區分專門的科學模型與通用助理。它的價值取決於其預測能否支持有用的科學決策。流暢的解釋或吸引的視覺化,都不能取代該等證據。
因此,眼前問題相當實際:新增的背景資訊,能否協助研究人員選擇揭示原本可能錯過內容的實驗?這比模型是否產生看似更豐富的輸出,是更有意義的標準。
疾病研究需要找出遺傳效應的位置
面對壓力的研究人員,是那些正將遺傳關聯轉化為可驗證疾病解釋的人。
DNA 區域與疾病之間的統計關聯,可以指出重要線索,但不會自動解釋連接兩者的生物學鏈條。研究人員必須弄清哪項變化重要、它影響甚麼,以及為何該後果會在特定細胞中變得相關。
每一個未解決的環節都會使下一步決定更複雜。選擇實驗系統的團隊,需要相信該系統能代表所提出的機制。考慮治療標靶的團隊,則需要證據證明改變其活動能針對疾病過程。
細胞背景令這些問題更難被迴避。若預測效應取決於特定狀態,在無關條件下測試可能產生缺乏資訊價值的結果。反過來說,在方便的實驗室條件下得到正面結果,對真正重要的情境可能意義不大。
這種壓力屬於方法學層面,並非聲稱實驗室必須立即採用新產品。研究團隊需要說明其選定系統能否回答其問題。細胞特異性的預測,為他們作出這項選擇時提供了另一個可評估的假設。
它亦改變了應如何解讀陰性結果。未能觀察到效應,可能會質疑所提出的機制;也可能反映實驗與所聲稱生物學背景不相符。區分這些可能性需要審慎的實驗設計。
潛在好處是形成更佳的決策序列。研究人員可從較廣泛的一組遺傳線索開始,找出合理的細胞情境,再挑選能區分競爭性解釋的實驗。這是可能改善的工作流程,而非每個項目均已量度的成果。
對藥物研發團隊而言,詳細機制可帶來的不僅是標靶選擇資訊。它可塑造有關干預措施須在何處發揮作用,以及甚麼證據足以證明值得進一步投資的問題。這些仍是需要分子預測以外證據支持的研發問題。
特異性亦令分歧更具建設性。研究人員毋須爭論模型是否認為某個變異重要,而是可把其提出的細胞情境與其他證據比較。明確的假設為合作者提供具體可質疑的內容。
同一種嚴謹態度亦適用於科學知識管理。團隊需要保留項目之間所延續的預測效應、觀察到的效應及詮釋之間的分別。可搜尋知識庫可協助保存這條證據脈絡。
更廣泛的含意很直接:更好的預測應改善研究人員在實驗前提出的問題。當這些問題帶來具資訊價值的答案,包括與原有模型相矛盾的答案時,它們的實用性便會更清楚。
ETS2 個案將預測與既有發現連結起來
一個具體例子涉及 ETS2,這個基因與炎症生物學有關。一項於 2024 年 6 月在 Nature 發表的巨噬細胞炎症研究,調查了一個位於蛋白質編碼基因以外、與疾病相關的區域。研究人員將該區域與巨噬細胞中 ETS2 活性增加連結起來;巨噬細胞是參與炎症反應的免疫細胞。
DeepMind 表示,其新模型透過計算重現了相關變異在腸道巨噬細胞中的選擇性效應。這個例子之所以有用,是因為它將預測與經由實驗研究的生物學機制連結起來。
重現已確立的機制是一項令人鼓舞的測試,但發現未知機制需要不同的評估。
差異在於研究人員開始時掌握甚麼。在回顧性測試中,實驗發現提供了可用來比較預測的答案。在前瞻性測試中,研究人員必須在不知道哪個解釋會成立之前,決定研究甚麼。
兩種評估形式都很重要。重現已知發現可顯示模型捕捉到相關關係。前瞻性工作則會問,當答案尚不可得時,這種能力能否協助找出有用線索。
Nature 的細胞遺傳學報道提及 James Lee 對該計算結果的回應。Lee 是 Francis Crick Institute 的免疫學家及遺傳學家,並領導較早前的研究;他形容結果令人安心。他的反應承認計算結果與實驗工作相符,但並未確立計算可取代實驗。
在比較研究速度時,這個區別尤其重要。提出假設與確立生物學機制是不同活動。實驗可揭示意外效應、挑戰假設,並暴露成功的回顧性預測未能處理的複雜因素。
ETS2 個案亦說明位置為何重要。僅就基因作出預測,會令細胞情境未能確定。將所提出效應與相關免疫細胞群連結起來,能令假設更有資訊價值,亦令後續實驗更聚焦。
不過,將該結果轉化為治療聲稱仍是錯誤。基因參與疾病的證據,並不能證明某項特定干預措施會有效或可被耐受。原有實驗論文本身亦討論了治療方法及其他組織影響方面的挑戰。
在評估 AI 時,有用的啟示是讓主張與證據相配。一項已重現的分子關係,支持有關該關係的主張;但並不會自動支持有關患者結果、研發時間表或可避免多少次失敗實驗的結論。
研究人員可藉這個例子進一步問:甚麼才算是更困難的測試?模型能否在合理替代解釋之間,優先選出正確解釋?它偏好的細胞情境能否在新樣本中獲得驗證?依循其排序的表現,會否勝過另一種選擇方法?
這些問題保留了結果中有趣的部分,也將一個引人注目的例子轉化為評估議程,為成功預測與具資訊價值的失敗都留出空間。
AlphaGenome 2 與 AlphaGenome 的比較,關鍵在於背景
最清晰的 AlphaGenome 2 與 AlphaGenome 比較,涉及模型如何處理生物學條件。根據 DeepMind,早期系統會並行產生預先定義的輸出;後繼版本則按選定情境調整其預測。
這項比較屬於既有研究領域之內。於 2025 年 1 月在 Nature Genetics 發表的Borzoi 研究論文,描述如何從 DNA 預測細胞類型特異性及組織特異性的 RNA 定序覆蓋度。RNA 定序會量度 RNA 分子,以描繪基因活動。
競爭問題在於哪種方法能支持所評估的研究任務,而非哪個模型的整體宣傳最廣。
Borzoi 提供了一個有用的參照,因為它避免讓與細胞相關的預測聽起來像一個全新的類別。研究人員早已探索序列與分子活動之間的聯繫。相關比較應聚焦於任務、輸入、輸出及證據的細節。
一個模型可以對某項實驗決策有用,卻不代表它適合每一個項目。團隊可能需要針對已充分表徵的情境作出預測、比較不同條件,或分析新收集的觀察結果。這些需求應決定模型如何接受評估。
同一原則亦適用於比較原始及更新後的 AlphaGenome 系統。較新的架構構成測試效能的理由,並不代表可以假定它在所有方面都更優勝。研究人員需要辨識哪些任務有所改善,以及哪些限制仍然重要。
DeepMind 的 AlphaGenome 2 論文 隨發布一同推出,為評估其主張提供技術基礎。在該公司的 TenK10K 評估中,涵蓋 28 種免疫細胞類型,所報告的因果變異召回率由 16% 升至 30%。所報告的方向性基因效應復原率則由 23% 升至 43%。
召回率描述評估能找回多少相關例子。精確率描述被選中的預測中有多少是正確的。在解讀醒目的改善數字時,這兩個概念必須保持區分。
所報告的數字支持一項關於分子預測基準表現的主張。它們並不是正確診斷患者的百分比,也不應被理解為任何特定建議治療方案成功的機率。
因此,AlphaGenome 2 與 AlphaGenome 的比較,在緊扣已評估任務時最具說服力。一旦擴展為關於所有疾病、所有細胞情境或每種競爭方法的主張,說服力便會減弱。
對研究採購者而言,合適的回應是進行與自身工作相符的比較。他們應問:改善是否會改變一項實驗決策、該決策能否被測試,以及結果是否仍可重現。
這種做法亦為互補工具留下空間。不同方法的一致結果可幫助找出值得研究的假設,而分歧則可揭示值得關注的假設前提。兩種結果都不能免除評估底層證據的需要。
更高的召回率仍留下相當大的不確定性
改良後的基準測試,是模型在該任務上取得進展的證據,而不是對生物學理解的完整衡量。
所報告的召回率數字立即帶來一個實際問題:模型未能找回的相關效應會怎樣?研究人員需要知道,未被標記的變異應否獲較低優先次序,還是仍應視為尚未解決。
這個區分很重要,因為缺乏預測很容易被過度解讀。模型未能辨識某種效應,可能是出於與該效應是否存在無關的原因。研究人員應避免把不完整的計算證據轉化為確定的否定結論。
正面預測同樣需要審慎對待。附帶詳盡擬議機制的候選項目,即使在排序中靠前,也可能看來很有說服力。這些細節令假設更容易測試,卻不會把預測變成觀察結果。
另一個問題是比較設定。評估可在所選例子、衡量結果,以及用作判定預測成功的規則上有所不同。一個醒目的百分比並不包含所有這些背景資訊。
獨立研究人員可協助驗證所報告的增益在原始評估以外的適用程度。重要的問題並不是每項新實驗是否都與發布結果一致,而是模型的表現在清楚界定的任務及條件下是否仍然有用。
這亦是把 AlphaGenome 2 簡單解讀為「已獲解釋」時容易造成誤導的地方。解釋架構有助讀者理解這項提案;評估證據則需要追問哪些主張曾受測試、哪些內容仍在範圍之外,以及哪些替代解釋仍然成立。
一項特別有用的評估,會在進行後續實驗前先記錄預測。這會令研究人員更難在結果揭曉後只挑選有利例子。其後,他們可把模型的優先次序與競爭方法或既有做法作比較。
失敗案例亦應在過程中保持可見。錯誤的細胞歸屬,可能揭示與錯誤效應方向不同的限制。把所有結果合併成單一成功分數,可能掩蓋研究人員最需要理解的部分。
商業團隊亦需要把科學表現與營運適用性分開看待。一個模型可以產生有用假設,但對特定機構而言,存取、可重現性及獲准使用範圍仍可能未有定論。
DeepMind 明確表示,AlphaGenome 及 AlphaGenome 2 是研究工具,未經驗證或批准作臨床或診斷用途。這項限制應繼續附於下游對其能力的描述之中。
適當的結論既不是全盤否定,也不是承諾即時醫療效益。研究人員現在有一項更具體的計算提案可供檢視。它的更廣泛價值,取決於團隊如何用它作出決策,以及其後如何測試這些決策。
留意獨立測試、新機制及可用存取方式
Google AlphaGenome 2 的下一階段,應以具體證據而非愈來愈廣泛的描述來判斷。在未來數月,獨立評估、前瞻性實驗及可用存取方式將提供最具參考價值的訊號。
最有力的證據,會把一項預測連繫到一個決策,然後再連繫到經實驗評估的結果。
首先,留意模型開發者以外團隊所作的評估。有用的研究應說明任務、比較方法,以及預測成功或失敗的條件。在獨立數據集上可重現的增益,將加強人們對所報告改善可廣泛適用的信心。
較弱的結果不會自動令模型毫無用處,但會縮窄研究人員應信任其排序的情境。當團隊需要決定計算指引在哪些地方值得進一步投入實驗資源時,這類資訊很有價值。
其次,留意新近研究的機制,而不是更多對既有發現的重建。一份有說服力的報告,會在測試前先確認模型的假設,並說明它如何影響實驗選擇。
結果應包含足夠細節,以區分成功預測與事後有利的詮釋。它亦應顯示,細胞情境是否除了普遍指出某個 DNA 區域重要之外,還帶來其他有用資訊。
這個訊號會直接測試此次發布的核心命題。如果情境特異的預測一再幫助研究人員選擇具資訊價值的實驗,採用它們的理據便會更強。若它們很少改變決策,改良的基準分數便只有較狹窄的實際意義。
第三,留意存取方式是否支援持續研究。DeepMind 宣布透過應用程式介面提供非商業用途服務,讓軟件可向其查詢,同時推出商業私人預覽。其 研究 API 文件 為評估可用工作流程提供切入點。
僅有可用性並不能解答每一個採用問題。研究人員需要判斷服務是否支援其預期分析,以及能否保留足夠資訊,以便日後重現結果。
商業機構同樣應把私人預覽與廣泛的正式生產可用性區分開來。相關訊號在於,存取是否會在條款清楚可理解的情況下,發展成可靠的研究工作流程。
這些觀察亦為日後公告提供一個有用篩選框架。獨立效能測試評估可泛化性;前瞻性實驗評估預測是否改善科學選擇;實際存取方式則決定研究人員能否把這些增益帶入持續工作之中。
這些都不要求把模型輸出視作臨床證據。綜合起來,它們可更清楚說明系統在哪些地方有幫助,以及實驗不確定性仍然存在於何處。
在把 Google AlphaGenome 2 視為疾病機制的證據前,應把評估結果與底層生物學研究一併閱讀。問問測試了哪種細胞條件、衡量了甚麼結果,以及哪些替代解釋仍然合理。對研究團隊而言,下一步有用的做法,是以團隊本已熟悉的問題進行有界限的比較。在檢視實驗答案前先記錄預測,保留不成功案例,並把分子一致性與治療詮釋分開。這種做法既讓模型得到公平測試,也讓證據保持可追溯。值得繼續追問的問題很具體:加入細胞情境是否有助研究人員選擇更好的實驗,而該實驗是否支持所提出的機制?



