AlphaGenome 2：更好的研究假设，不是临床结论

Google DeepMind于2026年11月11日发布AlphaGenome 2，聚焦DNA变异在特定细胞类型与状态中的影响。这是研究工具的进展，不等于临床结论。

实验室明天应该改变什么？我们的判断是，把模型用于安排实验注意力。一个尚未证实的假设，只要能帮助选对下一项实验，就可能有价值；前提是团队不能把模型的信心当作来自患者的证据。

三个问题，不能合并

美国国家人类基因组研究所指出，全基因组关联研究识别的是统计关联，而非因果关系。找出相关区域、确认分子机制、证明干预能让患者受益，是三项不同任务。

假设团队面对多个候选变异，一个计算评分可以支持先测其中一个，却不能仅凭这个评分认定它导致某位患者的症状，更不能断言调节附近基因就能逆转疾病、而且安全。每向前一步，都新增了需要单独证据的问题。跳过这些环节，就会把实验规划工具包装成没有依据的医疗承诺。

因此，成功的表述也该改变。“我们挑选的候选项通过了独立实验”，比“我们得到了一张很有说服力的图”更有信息量。前者衡量决策，后者只是呈现。

细胞背景应写进假设

人类细胞图谱计划正在建立人体细胞的参考地图。我们的分析是，考虑细胞背景的预测，让“选择哪种生物学条件”成为明确的研究决策，而不只是图表标签。

一条合格假设应同时写明变异、拟议靶点、细胞背景和预期变化方向，还要说明什么结果会推翻它。少了最后一项，研究者就容易在看到结果之后，重新解释原先的主张。

例如，在一个假想的炎症项目中，可以预先安排相关免疫细胞与无关对照细胞的比较，而不是看完所有结果后才挑最漂亮的一组。事后搜索的条件越多，找到视觉上吻合的案例越容易，但那未必意味着找到了可复现机制。这是实验设计的风险，并非我们已经证实该模型存在的缺陷。

已知机制是检查点，不是终点

2024年发表于Nature的一项研究，将疾病相关调控区域与ETS2驱动的巨噬细胞炎症联系起来。这类已有机制可以成为评估计算工具的检查点，但回顾性复现与前瞻性发现回答的是不同问题。

我们建议把评估分成两条轨道：先在记录清楚的条件下检查已知案例，再对新的候选集合锁定预测，由实验团队随后测量。第二组不能同时用来调阈值和排错。能够漂亮解释昨天的案例，不代表已经能改善明天的选择。

失败结果同样值得保存。候选项没通过时，应保留预测、操作流程和实验结果，而不是悄悄从展示中换掉它。可靠工作流应该从失败中获得信息，而不是越来越擅长只展示成功。

衡量决策，而不只是分数

初次试点可以固定实验预算，比较不同候选筛选办法。核心指标是单位投入产生多少有用且获独立支持的发现。成本应包括研究人员时间、样本准备和未成功的后续实验，不能只算生成预测的几秒钟。

试点还应公布分母：最初考虑多少候选项、筛选多少、实际测试多少、按事先标准通过多少。不确定与尚未测试的情况应分开列出，否则少数成功案例就可能掩盖一个并不优于简单基线的流程。

评估也要反映实验室真正面对的选择。昂贵验证可能需要更短、更保守的名单；便宜初筛则可能适合扩大探索。没有理由假设同一个阈值对两种工作都最优。阈值应服务于研究目标，而非服务于宣传数字。

可复现性与使用条件也是产品的一部分

官方API代码库介绍了研究访问，并明确排除临床决策用途。接入之前，团队应核对适用条款，以及计划提交的数据将如何处理。

我们建议至少记录模型版本、输入坐标及参考基因组、所选细胞条件、评分方法、比较基线和运行日期；在适当数据管理下保存实际输入与输出。以后重跑时，应能审计两次结果的差异，而不是靠截图回忆操作过程。

对考虑采用这项工具的机构而言，务实的商业问题是：它能否降低形成可靠实验决策的成本？“预测令人印象深刻”并不能直接推出“药物靶点有价值”。访问安排、结果重复性、整合工作量，应该和预测表现放在同一张评估清单上。

把不确定性变成可执行的安排

知道分数之后该做什么，分数才更有用。我们建议在试点前设置三类工作状态：可进入指定实验的候选项、需要补充证据的候选项、当前流程无法评估的候选项。这是我们提出的管理方法，不是宣称模型已经具备这些分类能力。保留第三类尤其重要，不能让“尚未评估”悄悄变成“没有影响”。

责任分工也应明确。计算研究者可以记录输入、解释比较方式；实验研究者则负责判断拟用样本是否匹配生物学问题。软件不应自动把临床解释的责任交给任何一方。清楚的交接文件能让分歧更容易排查，也能减少把输出当成不言自明结论的诱惑。

最后，试点需要停止规则。在追加投入前，先约定什么证据支持扩大、修改或放弃。如果结果反复达不到既定标准，缩小范围或重做流程，可能比继续增加自动预测更合理。这并非反对使用新工具，而是区分两种采用方式：一种改善研究，另一种只是增加看似合理的输出数量。尤其在资源有限时，暂停一条低效路线本身也是有价值的决策；不应把持续调用模型当作项目进展的替代指标。

什么证据会改变我们的判断

我们会关注外部团队的前瞻性测试、透明公布的失败案例，以及固定预算下实验选择确实改善的证据。结果强劲，可以支持扩大研究使用；结果不均衡，也能帮助界定哪些场景仍适合传统方法。

AlphaGenome 2的潜力，最好理解为帮助科学家向实验提出更好的问题。边界依旧清楚：变异效应预测是关于分子行为的假设，不是临床获益证明，更不是诊断。让这条边界始终可见，才是研究工具赢得信任的路径。