AlphaGenome 2 предсказывает работу генов в конкретной клетке по участку ДНК до 1 млн букв
Одна мутация в ДНК может сильно менять работу гена в одних клетках и почти не влиять на другие. AlphaGenome 2 от Google DeepMind принимает до 1 млн нуклеотидов (букв ДНК) и профиль клетки, например лимфоцита при воспалении. Первая версия знала лишь фиксированный набор тканей. Для биотех-команд это быстрый путь от списка мутаций к гипотезе для лаборатории.
AI-обработка оригинала Habr AI; редакция Hamidun News
Одна и та же замена буквы в ДНК может сильно менять работу гена в одних клетках и почти не влиять на другие. Это похоже на строчку в конфиге: в тестовой среде она безобидна, а в продакшене ломает сервис, потому что окружение другое. 11 ноября Google DeepMind представила AlphaGenome 2. Модель принимает участок ДНК длиной до 1 млн нуклеотидов (букв генетического кода) и описание конкретной клетки, например лимфоцита при воспалении, а затем предсказывает, как мутация изменит работу генов именно в этой клетке. Если вы делаете ИИ-инструменты для биотеха или следите за наукой, здесь виден рабочий приём: модели передают контекст, а усреднённую картину по всем случаям не используют.
Почему контекст клетки так важен
Почти все клетки организма содержат одну и ту же ДНК, но нейрону и клетке гладкой мускулатуры нужны разные белки. Разница в том, какие гены считываются, то есть в экспрессии. Белки кодируют только 1–2% ДНК. Остальные до 98% раньше называли «мусорными», но теперь известно, что там находятся посадочные площадки для белков-регуляторов, гены вспомогательных РНК и элементы, которые задают трёхмерную укладку хроматина (комплекса ДНК с белками-гистонами). Профиль экспрессии меняется от сигналов иммунной системы, гормонов, стадии развития клетки, температуры и даже механического воздействия.
Поэтому мутация вне самих генов тоже может привести к болезни: она меняет активность гена, и клетке не хватает нужного белка. Предсказать такие эффекты по-прежнему трудно.
Что изменилось по сравнению с первой версией
Первая AlphaGenome вышла в прошлом году. Она принимала до 1 млн нуклеотидов и выдавала усреднённые профили для фиксированного набора тканей и клеточных линий из обучающей выборки. Это как прогноз погоды по стране: общая картина есть, а про конкретный двор модель ничего не скажет.
Во второй версии на входе появился клеточный энкодер (Cell encoder). Он превращает профиль экспрессии в вектор, то есть в числовое описание состояния клетки. Этот контекст учитывается во всех ключевых слоях сети. Для обучения использовали данные проектов CZ CELLxGENE и Human Cell Atlas, где описаны миллионы отдельных клеток. Профиль можно выбрать из готовой базы или загрузить свой. В итоге предсказание строится для типа клетки и для её состояния.
Архитектура осталась прежней: U-Net, где свёрточные слои (CNN) ищут короткие локальные паттерны, а трансформеры связывают участки на расстоянии до миллиона оснований. На выходе модель даёт профиль экспрессии и карту регуляторных изменений с разрешением до одного нуклеотида. Карта показывает, какие участки останутся открытыми для считывания, где смогут сесть транскрипционные факторы и как изменятся контакты хроматина в ядре.
Пример и место в рабочем процессе
В анонсе DeepMind есть пример с воспалительным заболеванием кишечника. Модель воспроизвела результат более раннего экспериментального исследования и выделила вариант в удалённом регуляторном участке. Эта мутация избирательно усиливает активность гена ETS2 в моноцитах и макрофагах и почти не затрагивает другие клетки. Для исследователя это короткий путь от списка подозрительных вариантов к проверяемой гипотезе: какой ген затронут, в каких клетках и что стоит проверить в эксперименте.
AlphaGenome 2 не заменяет AlphaGenome Atlas, базу, запущенную в сентябре. В ней модель заранее посчитала влияние 9 млрд однобуквенных мутаций: в геноме около 3 млрд оснований, и у каждой по три варианта замены. Прогонять столько вариантов через тяжёлую контекстную сеть для каждого состояния клетки слишком ресурсоёмко. Поэтому сначала по Atlas грубо отсеивают кандидатов, а потом самые интересные считают в AlphaGenome 2. Там можно подавать и более сложные комбинации мутаций.
Модель входит в экосистему DeepMind для биологии: AlphaMissense оценивает опасность аминокислотных замен, AlphaFold предсказывает структуры белков, AlphaProteo проектирует белки под выбранную мишень.
Ограничения и вывод для практики
Даже точные предсказания в клинически значимых случаях требуют экспериментального подтверждения. Пример с ETS2 показывает, что модель повторила уже известный результат, и независимым открытием его считать нельзя. Попробовать AlphaGenome 2 можно через API, но только для некоммерческих исследований. Код и веса в открытом доступе есть лишь у первой версии.
Для команд, которые строят инструменты для лабораторий, вывод такой. Схема «дешёвый справочник на первом шаге, дорогая модель с контекстом на втором» подходит и за пределами геномики. Если вы делаете продукт для поиска мишеней или разбора вариантов, имеет смысл заранее изучить API и продумать, как встроить его в пайплайн. Коммерческие условия DeepMind пока не объявила, поэтому строить продукт только на AlphaGenome 2 рано.
- 21 нояб. 2026 г.Капитан пловцов отдала ChatGPT три задачи по расписанию и сократила рутину в разы
- 21 нояб. 2026 г.Нейросеть MIRA рисует Rocket League в 20 кадрах в секунду, но пинг доходит до 460 мс
- 21 нояб. 2026 г.Google построила закрытую копию интернета с фейковыми банками, чтобы учить ИИ-агентов Chrome
- 21 нояб. 2026 г.В тесте MLPerf впервые участвуют Nvidia Rubin и TPU Ironwood: 153 системы
Вопросы и ответы по материалу
Что известно по теме: почему контекст клетки так важен?
Почти все клетки организма содержат одну и ту же ДНК, но нейрону и клетке гладкой мускулатуры нужны разные белки. Разница в том, какие гены считываются, то есть в экспрессии. Белки кодируют только 1–2% ДНК. Остальные до 98% раньше называли «мусорными», но теперь известно, что там находятся посадочные площадки для белков-регуляторов, гены вспомогательных РНК и элементы, которые задают трёхмерную укладку хроматина (комплекса ДНК с белками-гистонами).
Что известно по теме: что изменилось по сравнению с первой версией?
Первая AlphaGenome вышла в прошлом году. Она принимала до 1 млн нуклеотидов и выдавала усреднённые профили для фиксированного набора тканей и клеточных линий из обучающей выборки. Это как прогноз погоды по стране: общая картина есть, а про конкретный двор модель ничего не скажет. Во второй версии на входе появился клеточный энкодер (Cell encoder). Он превращает профиль экспрессии в вектор, то есть в числовое описание состояния клетки. Этот контекст учитывается во всех ключевых слоях сети.
Что известно по теме: пример и место в рабочем процессе?
В анонсе DeepMind есть пример с воспалительным заболеванием кишечника. Модель воспроизвела результат более раннего экспериментального исследования и выделила вариант в удалённом регуляторном участке. Эта мутация избирательно усиливает активность гена ETS2 в моноцитах и макрофагах и почти не затрагивает другие клетки. Для исследователя это короткий путь от списка подозрительных вариантов к проверяемой гипотезе: какой ген затронут, в каких клетках и что стоит проверить в эксперименте.
Протестируйте новые LLM и мультимодальные модели в одном окне
Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.