AlphaGenome震撼问世！

Nature封面丨当AI终于开始同时理解剪接、表达与调控

2026年1月28日，来自谷歌 DeepMind 的研究团队在 Nature 上发表了题为 Advancing regulatory variant effect prediction with AlphaGenome 的研究论文，提出了一个试图同时解决序列长度、预测分辨率与调控模态整合问题的统一模型——AlphaGenome，重新组织了非编码变异效应的建模方式。

AlphaGenome 第一次在同一框架中同时实现了三件事：输入长达 1 Mb 的 DNA 序列、保持单碱基分辨率，并覆盖多模态调控输出。

具体而言，模型能够预测 RNA-seq、CAGE、PRO-cap 信号，剪接位点、剪接使用率与剪接连接（splice junction）水平，以及 ATAC-seq、DNase、组蛋白修饰、转录因子结合和染色质三维接触图（Hi-C / Micro-C）等共计 11 大类调控模态。这使得模型不再需要在“是否纳入远端调控信息”和“是否保留碱基级细节”之间做出权衡，而是首次在单一 sequence-to-function 框架中同时保留了二者。

AlphaGenome的意义并不仅在于模型规模的扩大，而在于它采用了一种不同于以往的调控视角。传统 sequence-to-function 方法往往将剪接、表达和染色质状态拆解为彼此独立的预测任务，而在真实细胞中，这些过程被一条隐含的因果路径连接着。AlphaGenome使研究者首次能在同一模型中，同时追踪非编码变异在多个调控层级上的连锁扰动，从而更接近一个核心问题：单个碱基的改变，究竟如何沿着调控体系逐层放大并产生功能后果。