DeepMind ra mắt AlphaGenome 2: dự đoán đột biến DNA tác động thế nào tới từng loại tế bào

Tuần này, phần lớn giới công nghệ dõi theo những biến động trong hội đồng quản trị Nvidia. Cùng lúc đó, Google DeepMind lặng lẽ ra mắt một thứ có giá trị lâu dài hơn. Thứ Tư 11/11/2026, phòng thí nghiệm này công bố AlphaGenome 2, thế hệ kế tiếp của model DNA ra mắt năm 2025, kèm một báo cáo kỹ thuật dài 78 trang. Giới nghiên cứu phi thương mại có thể dùng ngay qua AlphaGenome API, còn doanh nghiệp được thử dưới dạng private preview (bản xem trước giới hạn).

Nói gọn: AlphaGenome bản đầu cho biết một biến thể DNA tác động thế nào lên cả một mô, tính trung bình. AlphaGenome 2 trả lời câu hỏi khó hơn: biến thể đó tác động ra sao trong một loại tế bào cụ thể, ở một trạng thái cụ thể, kể cả những tế bào model chưa từng gặp khi huấn luyện.

Bài toán cần giải

Gần như mọi tế bào trong cơ thể đều mang cùng một bộ gen. Thế nhưng tế bào cơ tim, tế bào da hay tế bào T đang chống nhiễm trùng lại bật những gen rất khác nhau. Phần lớn biến thể mà các nghiên cứu liên kết toàn hệ gen (GWAS) gắn với bệnh tật lại nằm ở vùng DNA không mã hoá. Chúng không nằm trong bản thân gen mà nằm ở các “công tắc” điều hoà (enhancer, promoter) quyết định khi nào gen được bật. Biến thể có gây hại hay không thường phụ thuộc vào việc tế bào nào đang “đọc” công tắc đó.

Các bản đồ tế bào đơn (single-cell atlas) như Human Cell Atlas hay CELLxGENE nay đã ghi nhận hàng chục triệu tế bào. Nhưng như báo cáo chỉ ra, chúng hiếm khi lấy mẫu từ đủ nhiều người để chứng minh bằng thống kê rằng một biến thể làm thay đổi biểu hiện gen. Một model dự đoán tác động của biến thể trực tiếp từ trình tự DNA có thể lấp khoảng trống này, với điều kiện nó phân biệt được các loại tế bào gần giống nhau. Đó lại chính là điểm yếu của các model trước, kể cả AlphaGenome 1 và model học thuật Borzoi.

Điểm mới thực sự: “điều kiện hoá” thay vì thêm đầu ra

Kỹ sư machine learning sẽ nhận ra ngay thay đổi về kiến trúc. AlphaGenome 1 nhận một đoạn DNA dài 1 triệu ký tự (1 Mb) và dự đoán song song hàng nghìn “track” thí nghiệm, mỗi mô hoặc dòng tế bào ứng với một output head cố định. Blog của DeepMind thừa nhận cách làm này khiến “năng lực của model bị dàn mỏng”.

AlphaGenome 2 vẫn giữ đầu vào 1 Mb và bộ khung kiểu U-Net (encoder tích chập, tầng transformer ở giữa, decoder), nhưng chuyển thành model có điều kiện (conditional model). Model nhận ba đầu vào: trình tự DNA, một điều kiện (mô, loại tế bào hoặc trạng thái tế bào) và cờ loài (người hoặc chuột). Điều kiện là một embedding (vector biểu diễn) điều chỉnh mạng qua các lớp chuẩn hoá thích ứng ngay từ những lớp đầu tiên. Nhờ vậy model tính “tế bào này đọc đoạn DNA này ra sao”, thay vì xuất mọi đáp án cùng lúc.

Các thí nghiệm ablation (bỏ dần từng thành phần để đo tác dụng) trong báo cáo rất đáng chú ý. Nếu chỉ đưa điều kiện vào decoder hay lớp đầu ra thì gần như không cải thiện gì. Phần lớn lợi ích đến từ việc điều kiện hoá cả encoder lẫn transformer. Đây là bài học quen thuộc từ các model sinh ảnh và âm thanh có điều kiện, nay xuất hiện trong lĩnh vực gen.

Một số chi tiết khác trong báo cáo:

  • Dữ liệu: 3.977 track pseudobulk (dữ liệu tế bào đơn được gộp theo loại tế bào) từ giải trình tự RNA và ATAC ở 36 nghiên cứu trên người và chuột, dữ liệu methyl hoá DNA cho 185 loại tế bào người (methyl hoá là đầu ra mới), cộng với dữ liệu bulk mà AlphaGenome 1 đã dùng.
  • Huấn luyện bốn giai đoạn: pre-training, tinh chỉnh điều kiện, rồi distillation (chưng cất). Tám model “thầy” được huấn luyện độc lập, lấy trung bình, rồi một model “trò” duy nhất học tái tạo kết quả của cả nhóm trên các trình tự bị đột biến ngẫu nhiên. Nhờ đó DeepMind gói được độ ổn định của cả một ensemble vào một model. Cuối cùng là giai đoạn post-training.
  • Bộ mã hoá tế bào cho dữ liệu chưa từng thấy: ở post-training, một autoencoder huấn luyện trên khoảng 107 triệu hồ sơ tế bào đơn của người được ánh xạ vào không gian điều kiện của model (đã đóng băng) thông qua một adapter gọn nhẹ. Nhà khoa học chỉ cần tải lên dữ liệu RNA của “vài chục tế bào” là có embedding cho một trạng thái tế bào mà model chưa từng gặp, không cần fine-tune.
  • Suy đoán dữ liệu còn thiếu (imputation): vì điều kiện tách khỏi các output head, chỉ cần đo một loại dữ liệu (chẳng hạn biểu hiện gen) là model có thể dự đoán các loại chưa đo, như mức độ mở của chất nhiễm sắc.

Các con số

Thông điệp chính của DeepMind là tìm được “gần gấp đôi” số biến thể. Trong báo cáo, điều đó có nghĩa là: trên TenK10K, bộ dữ liệu eQTL tế bào đơn gồm 28 loại tế bào miễn dịch, tỷ lệ tìm ra biến thể gây ảnh hưởng (recall) ở ngưỡng chính xác 90% tăng từ 16% lên 30% so với AlphaGenome 1 đã fine-tune trên dữ liệu tế bào đơn. Tỷ lệ đoán đúng chiều tác động (tăng hay giảm biểu hiện gen) tăng từ 23% lên 43%. Trên dữ liệu mô bulk GTEx, mức cải thiện nhỏ hơn: recall ở ngưỡng chính xác 90% tăng từ 17% lên 26%, chỉ số AUPRC tổng thể từ 0,72 lên 0,74 (Borzoi đạt 0,69). Với biểu hiện gen giữa các mô, hệ số tương quan Pearson trung vị tăng từ 0,61 lên 0,71.

Hai ví dụ minh hoạ được DeepMind nhấn mạnh. Thứ nhất, model tái hiện bằng tính toán một phát hiện đã công bố: một biến thể ở vùng điều hoà nằm xa gây bệnh viêm ruột (IBD) bằng cách kích hoạt quá mức gen ETS2, và chỉ trong đại thực bào ở ruột. Thứ hai, khi nhận dữ liệu chưa từng thấy từ một nghiên cứu về vaccine mRNA COVID-19, model phát hiện một biến thể liên quan đến COVID nặng gây rối loạn hoạt động gen mạnh hơn hẳn ở tế bào T đã được kích hoạt so với tế bào T nghỉ. Một model chỉ tính trung bình theo mô sẽ bỏ qua hiệu ứng này.

DeepMind cũng phát hành sẵn hai bộ kết quả tính trước: liên kết enhancer–gen trên 640 điều kiện, và điểm số cho gần 7 triệu biến thể phổ biến hoặc liên quan đến tính trạng.

Ý nghĩa với dân IT

Với độc giả làm công nghệ, có ba điểm đáng chú ý.

  1. Điều kiện hoá thắng nhiều đầu ra. Chuyển từ “dự đoán mọi thứ song song” sang “dự đoán cho đúng ngữ cảnh được chỉ định” là bước chuyển thiết kế đã giúp các model text-to-image và model làm theo chỉ dẫn thành công. AlphaGenome 2 cho thấy hướng này cũng hiệu quả với các foundation model (model nền tảng) dùng trong khoa học.
  2. Adapter làm điểm mở rộng. Giữ nguyên backbone đã đóng băng, chỉ thêm một adapter nhỏ để đưa loại dữ liệu mới vào không gian điều kiện, là một mẫu thiết kế phần mềm gọn gàng. Báo cáo đã gợi ý làm adapter cho dữ liệu phiên mã không gian, thậm chí cho mô tả tế bào bằng ngôn ngữ tự nhiên.
  3. Model chuyên biệt thành công cụ cho agent. DeepMind cho biết sắp đưa “AlphaGenome 2 Skills” lên Google Antigravity, nền tảng phát triển agentic của hãng, để một agent như Gemini 4 có thể gọi model này trong quy trình nghiên cứu. Xu hướng biến model chuyên ngành thành “kỹ năng” cho agent đa năng đáng theo dõi, không chỉ trong ngành gen.

Những điều cần dè dặt

Bản thân báo cáo nói thẳng hiếm thấy: “Ở ngưỡng chính xác cao, AlphaGenome 2 chỉ tìm lại được một phần nhỏ các eQTL đã fine-map và các biến thể GWAS có khả năng gây bệnh”. Recall 30% đồng nghĩa với 70% biến thể gây ảnh hưởng đã biết vẫn bị bỏ sót ở ngưỡng đó. Model có xu hướng đánh giá thấp tác động của các biến thể nằm ngoài vùng chất nhiễm sắc mở, ở enhancer rất xa, hoặc tác động qua cơ chế sau phiên mã. Nó vẫn khó phân biệt các trạng thái rất gần nhau như các nhóm tế bào thần kinh. Và vì học từ dữ liệu quan sát ở trạng thái ổn định, các embedding điều kiện chỉ phản ánh tương quan, không phải nhân quả. Theo chính DeepMind, việc model có dự đoán được điều gì xảy ra khi bất hoạt một gen hay khi tế bào chuyển trạng thái hay không vẫn “chưa rõ”.

Chi phí là điểm dè dặt thứ hai. Mỗi điều kiện cần một lượt chạy riêng, nên AlphaGenome 2 tốn kém hơn bản trước. Trưởng nhóm genomics Žiga Avsec nói với The Verge rằng đó là lý do không thể dùng nó để dựng AlphaGenome Atlas phủ toàn bộ hệ gen hồi tháng 9. Vì vậy AlphaGenome 2 bổ sung chứ không thay thế AlphaGenome 1.

Cuối cùng, mọi benchmark đều lấy từ báo cáo của chính DeepMind, dạng báo cáo kỹ thuật chứ chưa qua bình duyệt (AlphaGenome 1 phải vài tháng sau khi ra mắt mới lên tạp chí Nature). Công cụ được ghi rõ chỉ dùng cho nghiên cứu, chưa được thẩm định cho chẩn đoán lâm sàng. Phép thử thực sự là các nhóm độc lập kiểm chứng lại qua API, và DeepMind đang khuyến khích điều đó: dự án cộng đồng gửi trước ngày 30/11 có thể được thêm quota.

Hướng đi đã rõ dù tỷ lệ recall chưa ấn tượng. Về lâu dài, Avsec coi những model như thế này là viên gạch để xây “tế bào ảo”. Còn trước mắt, AlphaGenome 2 là một bộ lọc sắc hơn, giúp nhà sinh học chọn biến thể nào, trong tế bào nào, để đưa vào phòng thí nghiệm kiểm chứng trước.

Nguồn