产品中心
电话：400-123-4657
传真：+86-123-4567
邮箱：admin@youweb.com
地址：广东省广州市天河区号
历史性一刻！人类基因密码被谷歌AI破解，DeepMind新作登Nature_预测_模型_序列
添加时间：2026-01-29 11:45:01 点击量：273
“内容为王”这句话在哪个时代都不会过时。随着消费升级，日益庞大的中国高端群体对高品质的生活方式与旅行体验的需求为高端出境旅游市场带来巨大市场机遇。现今的旅游产品也更向个性化、定制化、品质化靠拢，对内容创新提出更高的要求。内地的旅游内容市场仍有5-10倍的增长空间。最近36氪接触了一家做移动端旅游社区电商的团队——河马旅居指南。
河马旅居定位中等收入人群18-34岁的年轻群体，想通过碎片化的PGC或UGC内容培养用户粘性，由内容社区模式切入出境游市场。传统的旅游内容多是以长图文的游记形式呈现，河马旅居并不刻意强调旅游路线或整个游历过程的感受，在内容呈现上更加碎片化、个性化、移动化以及品质化，以小众或特色地点作为维度输出内容，建立内容社区，类似于旅游界的“小红书”或“什么值得买”。
河马旅居在部分海外旅游城市有一个4到5人的自媒体小团队定期生产PGC内容，每月更新一次内容，以优质的内容导流。目前河马的获客成本低至2-3元/人。
优质的内容利于培养高粘性度的用户，当累计到一定数量的优质内容生产者，达到一定的用户规模时，将由PGC内容带动UGC内容的自发产出，进而开始搭建旅游内容社区，最后完成向旅游社区电商的转型，形成交易闭环。
目前河马旅居的流量较为分散，微信公众号累计粉丝3万，MONO 5万，豆瓣 1万，C端获客主要来自微博、豆瓣，上周刚上线微信小程序。后期需考虑转化用户集中流量，现阶段团队正尝试跟移动WiFi租赁和签证业务团队资源置换，互相增加入口。
商业模式上，河马旅居打算分两步走，第一阶段，先帮助用户解决去哪里玩的问题。河马打算与当地的旅游局或航空公司合作，帮助他们做中国市场的整体营销，宣传当地旅游资源。第二阶段，解决用户怎么玩的问题。平台可通过用户的行为数据分析社区调性从而推荐相应的特色化旅游产品，例如在京都的寺院坐禅、学习茶道、参观日本酒的蒸馏厂等等。
此外，河马旅居也在尝试开拓知识付费的营收渠道。从体验、艺术、咖啡、酒吧、餐厅、酒店等六个维度切入，做成各旅游城市的PDF版官方性质PGC攻略。3月份售出800多本，每本单价15元。
河马旅居创始人余晓盼表示，河马旅居的核心竞争力还是个性化的内容表达。“传统旅游社区把内容做的太死气沉沉了。人美、景美但流水账似的内容很无趣。好的内容本身就是门槛。原创的有趣的才有生命力。”
内容+电商并不是一个新概念，如今传统OTA、头部电商平台以及媒体型电商都在加码内容，但要持续产出有价值的内容并非易事，需要足够规模的内容生产团队长时间的内容积累，而具有极强传播力的爆款内容更是可遇而不可求，营造内容社区所花费的精力也许正是其门槛所在。
河马旅居目前的管理团队为4人，内容产出团队20人。创始人余晓盼任河马主编兼运营，曾任职于私募、资管、律师事务所，为《美食侦探系列》旅行畅销书作者。团队目前正在寻求天使轮融资。
智东西
作者 | 江宇
编辑 | 云鹏
智东西1月29日报道，今日凌晨，2024年诺贝尔化学奖得主、谷歌DeepMind CEO Demis Hassabis带领团队研发的AI基因组模型——AlphaGenome，登上了顶级期刊Nature（自然）最新一期封面。这是继AlphaFold之后，DeepMind又一项重磅生命科学研究登上Nature。
AlphaGenome旨在解决生物学中一个长期未解的难题：人类基因组中约98%的非编码区域虽然不直接产生蛋白质，却调控着基因的开启、剪接与表达，其变异常常与疾病风险密切相关，但难以用传统手段解析。
为此，DeepMind研究团队构建了一个全新AI架构，可输入百万碱基长度的DNA序列，并以单碱基分辨率，预测RNA表达量、剪接结构、染色质可及性、转录因子结合位点乃至三维结构等近6000项调控特征。
该项目论文题为《Advancing regulatory variant effect prediction with AlphaGenome（借助AlphaGenome技术提升调控变异的效应预测能力）》，也是首次有AI模型实现了对人类基因调控“从序列到功能”的统一建模。
过去40亿年积淀的生命遗传密码，如今正被AI工具以“统一建模”的方式重新解码。
DeepMind在2025年6月曾通过博客预告此项目，彼时AlphaGenome已向科研界开放预览API，重点在于构建一个更具解释力和泛化能力的DNA序列模型，作为一种“通用型变异解读引擎”投入研究使用。
此次正式发表在Nature的版本中，DeepMind团队不仅完成了全模态性能评估，更在多个疾病变异机制中展示了AlphaGenome的推理能力，包括如何准确预测TAL1致癌突变的激活机制，全面验证了AlphaGenome在剪接、表达、染色质状态等关键通路上的预测能力。
研究者认为，这一模型将为罕见病致因定位、新型治疗靶点发掘、以及合成生物学设计等方向提供强有力的通用工具。
论文链接：***s://***.nature***/articles/s41586-025-10014-0
一、百万级DNA输入和碱基级预测，突破“长序列”与“高分辨率”难题
AlphaGenome的核心创新之一，是首次将输入DNA序列长度提升至100万碱基（1Mb），同时在输出层保持了碱基级别的预测精度。
这打破了以往模型在“长序列”与“高分辨率”之间的权衡。例如，以往的SpliceAI等模型虽然具备高分辨率，但受限于只能处理1万碱基以内的短序列，难以捕捉远距离调控。
而Enformer等模型虽能处理20万至50万碱基的长序列，却需牺牲精度，用128bp等为单位分箱预测，无法精准描摹剪接位点、增强子与启动子的细粒度结构。
在训练流程上，AlphaGenome***取了“预训练+蒸馏”的两阶段架构，通过多个TPU并行处理、序列平行化、U-Net结构和Transformer结合，既保留了细节，又扩大了上下文范围。
▲AlphaGenome模型架构、训练方案和综合评估性能
在跨24项基因组轨迹任务中，AlphaGenome在22项上超越当前最佳模型；在26项变异效应预测中，有25项达到或超过当前SOTA模型的表现。
▲研究团队基因组轨道上的预测性能进行了逐项评估
二、统一预测机制，变异影响“一键总览”
与传统模型需要分别针对不同任务（如剪接、表达、染色质结构）训练不同网络不同，AlphaGenome是第一个可在单次推理中同时输出11类模态（modality）预测结果的统一模型。
它支持从一段DNA序列中，直接推断出RNA表达水平、剪接位点及使用情况、染色质可达性、转录因子结合位点、组蛋白修饰模式、三维接触图谱等调控特征，且适用于人类与小鼠细胞在数千种不同细胞或组织类型中的表现。
这种“多模态联合”结构为突变解析带来了全新视角。
研究人员可以对任意一个DNA变异，通过模型快速预测它在多个调控层级的影响，并比较参考与突变版本的差异，进而推断该变异是否会导致表达上调、剪接改变，或染色质状态变化。
论文***别展示了模型如何成功预测致癌突变激活TAL1基因的路径机制，验证了其在非编码区变异解释中的实际价值。
▲AlphaGenome对T-ALL中TAL1致癌突变的多模态预测示例
三、剪接预测能力升级，有望推动罕见病研究
RNA剪接异常是诸多罕见病（如脊髓性肌萎缩症、囊性纤维化）的致病根源，但传统AI模型往往只能识别剪接位点本身，而难以全面解析剪接使用率及剪接连接模式（splice junction）。
AlphaGenome首次在模型中引入了剪接连接点的直接预测能力（splice junction modeling），结合位点预测与使用率分析，构建出更完整的剪接调控图谱。
在GTEx等数据集中，该模型成功预测多个已知致病突变对剪接的影响，在ClinVar和MPRA等数据集上亦取得当前最优的评估成绩，在7个剪接效应任务中，AlphaGenome在6个上表现最佳。
▲AlphaGenome在剪接变异效应预测任务中达到SOTA水平
这项能力对于理解非编码变异如何引发病理剪接、用于新型诊断方法开发具有重要推动作用。
结语：继AlphaFold之后，DeepMind用AI再解“生命之书”
AlphaGenome的出现不仅为DNA序列建模设立了一个全新技术基线，也为生命科学研究者打开了一扇观察遗传调控全貌的新窗口。
其覆盖广泛模态、支持长序列输入、具备单碱基预测精度的能力，使其在解码基因调控代码、理解变异影响路径、指导合成DNA设计等领域具备广泛前景，下一代疾病机制研究、罕见病诊断及合成生物学提供了通用工具基础。
随着模型向学术界开放，AlphaGenome或将成为“基因版AlphaFold”的有力继任者。返回搜狐，查看更多
下一篇:为什么 mac mini 的 m4 版本价格这么低呢？
返回