原文標題：AlphaGenome 2: Deciphering how cells read DNA to better understand disease
Google DeepMind於11月11日推出AlphaGenome 2，將DNA序列預測從廣泛組織平均值，推進到特定人類細胞類型與狀態。模型透過AlphaGenome API向非商業研究提供，商業研究則處於私人預覽；官方明確指出，這些工具僅供研究，沒有經過臨床或診斷用途的驗證與核准。
新版採條件式架構，在長達一百萬字母的DNA序列之外，同時輸入目標組織、細胞類型或狀態，每次聚焦一種條件。訓練結合人類與小鼠的整體及單細胞資料，涵蓋逾1.07億個細胞輪廓與68種組織，並在既有基因表現、染色質可及性等讀出外新增DNA甲基化。研究者也可輸入自己的單細胞實驗，讓模型預測未量測的性質。
在包含28種主要免疫細胞的TenK10K資料集上，官方報告指出，新版對因果變異的辨識比例為30%，對照原版經單細胞微調等比較工具的16%；方向性基因效應則為43%對23%。這些是特定評估結果，並非疾病診斷準確率。模型還能根據少量新細胞資料推估未見狀態，並預先計算多種性狀相關變異的分數，協助研究者縮小候選範圍；真正的生物作用與醫療價值仍需實驗驗證。
發生了什麼事
AlphaGenome 2把DNA變異影響預測細化到細胞類型與狀態，並提供非商業研究API；商業研究仍為私人預覽，工具本身沒有臨床診斷核准。
為什麼重要
相同DNA在不同細胞可能產生不同作用，組織平均值容易掩蓋差異。條件式模型可協助找出值得實驗的候選變異，但預測不能直接當成因果或醫療結論。
影響哪些人
研究人類遺傳、單細胞生物學與疾病機制的科學團隊，是主要對象；藥物研究者也可探索候選線索，但商業使用需依私人預覽資格與條件辦理。
已確認與未確認
已確認研究供應方式、模型架構及官方評估數字；評估結果限指定資料集，臨床效能、個別病患診斷與治療用途均未獲驗證或核准，不能據此延伸。
