AlphaGenome 研究

模型权重 | 安装 | 快速入门 | 文档 | 社区 | 使用条款

AlphaGenome 是一种统一的 DNA 序列模型，旨在推进调控性变异效应预测，并揭示基因组功能。它能够分析长达 100 万个碱基对的 DNA 序列，在单碱基对分辨率下提供跨多种模态的预测结果，包括基因表达、剪接模式、染色质特征和接触图谱等。

本仓库提供了以下研究代码：

• AlphaGenome 模型的实现，使用 JAX 编写。
• 包含配套变异评分器的 AlphaGenome API 实现。
• 用于从 TFRecords 中读取 AlphaGenome 训练数据的数据集加载器。
• Colab 笔记本，用于 运行 模型，以及 分析 评估结果。

我们强烈建议使用我们的 AlphaGenome API，无需专用硬件即可与模型交互。

安装

[!TIP] 我们强烈建议您创建一个 Python 虚拟环境， 以避免与系统 Python 环境发生冲突。

要安装，请克隆本仓库的本地副本并运行 pip install：

$ git clone https://github.com/google-deepmind/alphagenome_research.git
$ pip install -e ./alphagenome_research

这将安装所有必需的依赖项，包括以 开发模式 安装本仓库。

模型权重

要使用我们预训练的模型权重，您可以从以下任一平台下载：

• Kaggle 或
• Hugging Face

两者均要求接受我们的非商业 模型条款。请求将立即处理。

模型要求

为了运行模型，我们建议至少使用 NVIDIA H100 GPU。 请确保正确安装 CUDA、cuDNN 和 JAX；在此方面， JAX 安装文档 是一个有用的参考资料。

对于训练，我们建议使用 Tensor Processing Units (TPUs) v3 或更高版本。

快速入门

与 AlphaGenome 模型交互最简单的方式是使用提供的 DNA Model 类。该类封装了核心模型，并提供了一组更直观的函数，用于生成预测、对变异进行评分、执行体外诱变（ISM）等操作。

它还提供了以下工厂函数，用于使用我们预训练的权重创建模型实例：

from alphagenome_research.model import dna_model

# 从 Kaggle 下载：
model = dna_model.create_from_kaggle('all_folds')

# 或者从 Hugging Face：
model = dna_model.create_from_huggingface('all_folds')

以下是使用从 Kaggle 下载的模型权重进行变异预测的示例：

from alphagenome.data import genome
from alphagenome.visualization import plot_components
from alphagenome_research.model import dna_model
import matplotlib.pyplot as plt

model = dna_model.create_from_kaggle('all_folds')

interval = genome.Interval(chromosome='chr22', start=35677410, end=36725986)
variant = genome.Variant(
    chromosome='chr22',
    position=36201698,
    reference_bases='A',
    alternate_bases='C',
)

outputs = model.predict_variant(
    interval=interval,
    variant=variant,
    ontology_terms=['UBERON:0001157'],
    requested_outputs=[dna_model.OutputType.RNA_SEQ],
)

plot_components.plot(
    [
        plot_components.OverlaidTracks(
            tdata={
                'REF': outputs.reference.rna_seq,
                'ALT': outputs.alternate.rna_seq,
            },
            colors={'REF': 'dimgrey', 'ALT': 'red'},
        ),
    ],
    interval=outputs.reference.rna_seq.interval.resize(2**15),
    # 在变异位置添加一条垂直线作为标注。
    annotations=[plot_components.VariantAnnotation([variant], alpha=0.8)],
)
plt.show()

更多示例，请参阅我们的 快速入门 笔记本。

引用 AlphaGenome

如果您在研究中使用 AlphaGenome，请按以下方式引用：

@article{alphagenome,
  title={Advancing regulatory variant effect prediction with {AlphaGenome}},
  author={Avsec, {\v Z}iga and Latysheva, Natasha and Cheng, Jun and Novati, Guido and Taylor, Kyle R. and Ward, Tom and Bycroft, Clare and Nicolaisen, Lauren and Arvaniti, Eirini and Pan, Joshua and Thomas, Raina and Dutordoir, Vincent and Perino, Matteo and De, Soham and Karollus, Alexander and Gayoso, Adam and Sargeant, Toby and Mottram, Anne and Wong, Lai Hong and Drot{\'a}r, Pavol and Kosiorek, Adam and Senior, Andrew and Tanburn, Richard and Applebaum, Taylor and Basu, Souradeep and Hassabis, Demis and Kohli, Pushmeet},
  journal={Nature},
  volume={649},
  number={8099},
  pages={1206--1218},
  year={2026},
  doi={10.1038/s41586-025-10014-0},
  publisher={Nature Publishing Group UK London}
}

致谢

AlphaGenome 模型发布使用了以下库和软件包：

• Abseil
• anndata
• Chex
• Einshape
• Etils
• Haiku
• huggingface_hub
• JAX
• jaxtyping
• kagglehub
• NumPy
• Optax
• Orbax
• pandas
• pyBigWig
• pyarrow
• pyfaidx
• PyRanges
• TensorFlow
• typeguard

我们感谢所有这些项目的贡献者和维护者！

许可与免责声明

版权所有 2026 Google LLC

所有软件均采用 Apache License, Version 2.0（Apache 2.0）许可协议；除非符合 Apache 2.0 许可协议的规定，否则不得使用。您可以在以下网址获取 Apache 2.0 许可协议的副本： https://www.apache.org/licenses/LICENSE-2.0。如上所述，模型权重可通过 Kaggle 和 Hugging Face 获取，并受以下模型条款约束： https://deepmind.google.com/science/alphagenome/model-terms。

用于帮助您使用 AlphaGenome 模型的代码示例和文档采用知识共享署名 4.0 国际许可协议（CC-BY）授权。您可以在以下网址获取 CC-BY 许可协议的副本： https://creativecommons.org/licenses/by/4.0/legalcode。

除下文“训练数据”、“评估数据”或“训练与评估数据”标题下另有说明外，所有其他材料均采用知识共享署名-非商业性使用 4.0 国际许可协议（CC-BY-NC）授权。您可以在以下网址获取 CC-BY-NC 许可协议的副本： https://creativecommons.org/licenses/by-nc/4.0/legalcode。

除非适用法律要求或双方另有书面约定，否则在此依据 Apache 2.0 或 CC-BY 许可协议分发的所有软件和材料均按“现状”提供，不附带任何形式的明示或默示保证或条件。有关这些许可协议下的具体权限和限制，请参阅相应的许可协议文本。

本产品并非 Google 官方产品。

训练数据

FANTOM5： 此数据已重新处理。原始 FANTOM5 数据可在 https://fantom.gsc.riken.jp/5/ 下以 CC-BY 许可协议获取（请参阅上述链接以获取副本）。引用文献：Lizio M, et al. 更新 FANTOM 网络资源：扩展以提供更多转录组图谱。Nucleic Acids Res. 47: D752–D758 (2019)。https://doi.org/10.1093/nar/gky1099.

4D 核组： 此数据已按照随附论文“方法”部分中所述的方法进行重新处理。原始 4D 核组数据可从 4DN 数据门户 https://data.4dnucleome.org/ 获取，并受该网站上提供的数据使用指南约束。4DN 数据门户是 4DN 的一部分，引用文献为 4DN 白皮书（https://www.nature.com/articles/nature23884）和 4DN 数据门户论文（https://www.nature.com/articles/s41467-022-29697-4）。

评估数据

此数据包括：(i) 变异列表；(ii) 目标值；以及 (iii) AlphaGenome 预测得分。

CAGI： CAGI 数据可从 genomeinterpretation.org/challenges.html 获取，并受此处提供的条款约束： http://www.genomeinterpretation.org/data-use-agreement.html。

GTEx v8： GTEx v8 数据可从 gtexportal.org/home 获取。本文所描述工作的数据来源于： https://github.com/calico/borzoi。请访问 GTEx 门户网站以获取最新且最准确的数据版本。

GTEx v8 重新处理后纳入 EMBL-EBI eQTL 目录： 原始数据由 GTEx 门户网站提供（见上文），经 EMBL-EBI 修改后发布，并采用 CC-BY-4.0 许可协议授权，其副本可在以下网址找到： https://creativecommons.org/licenses/by/4.0/legalcode。引用文献：*Kerimov, N., Hayhurst, J.D., Peikova, K. et al. 统一处理的人类基因表达及剪接数量性状位点汇编。Nat Genet 53, 1290–1299 (2021)。https://doi.org/10.1038/s41588-021-00924-w.*

ChromBPNet： ChromBPNet 数据可从 https://www.synapse.org/Synapse:syn59449898/files/ 获取。引用文献：Pampari, A. et al. ChromBPNet：偏置因子分解、碱基分辨率的染色质可及性深度学习模型揭示顺式调控序列语法、转录因子足迹及调控变异。BioRxiv, 2024–12 (2025)。

ClinVar： ClinVar 数据可在以下网址找到： https://ftp.ncbi.nlm.nih.gov/pub/clinvar/vcf_GRCh38/，并受此数据使用政策约束： https://www.ncbi.nlm.nih.gov/clinvar/docs/maintenance_use/。引用文献：*Landrum, M. J. et al. ClinVar：改善变异解读的可及性并提供支持证据。Nucleic Acids Res. 2018 年 1 月 4 日，46(D1): D1062–D1067。doi：10.1093/nar/gkx1153.*

MFASS： MFASS 数据可在 https://github.com/KosuriLab/MFASS 找到。引用文献：一种多重化外显子识别检测表明，未被充分认识的罕见遗传变异中有相当一部分会导致大效应的剪接紊乱；Chong, Rockie 等人；Molecular Cell，第 73 卷第 1 期，183–194.e8。

eQTL： eQTL 数据采用 CC-BY-4.0 许可协议授权，其副本可在以下网址找到： https://creativecommons.org/licenses/by/4.0/legalcode。引用文献：*Kerimov, N., Hayhurst, J.D., Peikova, K. et al. 统一处理的人类基因表达及剪接数量性状位点汇编。Nat Genet 53, 1290–1299 (2021)。https://doi.org/10.1038/s41588-021-00924-w。*

Open Targets： Open Targets 数据可在 https://platform-docs.opentargets.org/licence 获取，并采用知识共享 1.0 通用许可协议授权，其副本可在以下网址找到： https://creativecommons.org/publicdomain/zero/1.0/legalcode。

PolyA 位点注释： PolyA 位点注释可在以下网址获取： https://exon.apps.wistar.org/polya_db/v3/。本项目使用的数据是经过重新处理的版本，可在以下地址找到： https://storage.googleapis.com/seqnn-share/helper/polyadb_human_v3.csv.gz。引用文献：*Linder, J., Srivastava, D., Yuan, H. et al. 以 DNA 序列预测 RNA-seq 覆盖率作为统一的基因调控模型。Nat Genet 57, 949–961 (2025)。https://doi.org/10.1038/s41588-024-02053-6。*

训练与评估数据

ENCODE： 本数据已重新处理。原始 ENCODE 数据可根据数据使用政策（https://www.encodeproject.org/help/citing-encode/）在 https://www.encodeproject.org/help/getting-started/#download 上获取。具体数据已在《利用 AlphaGenome 推进调控性变异效应预测》论文的补充表格中列出并引用。该数据由 ENCODE 联盟提供，其最新发表的文献包括：

• ENCODE 整合分析（PMID: 22955616；PMCID: PMC3439153）
• ENCODE 门户（PMID: 41168159；PMCID: PMC12575607；PMID: 31713622；PMCID: PMC7061942）
• ENCODE 统一处理流程： https://www.biorxiv.org/content/10.1101/2023.04.04.535623。

GENCODE： 已发布的 GENCODE 数据集版权归 EMBL-EBI 所有，版权年份为 2024 年。经过修改的 GENCODE 数据集版本（可在 https://www.gencodegenes.org/human/releases.html 查阅）在使用时需注明以下信息：

• 版权所有 © 2024 EMBL-EBI
• GENCODE 数据集受 EMBL-EBI 使用条款约束，相关条款可在 https://www.ebi.ac.uk/about/terms-of-use 查阅。
• 引用文献：Frankish A, et al (2018) GENCODE 参考注释——人类与小鼠基因组。
• 关于 GENCODE 的更多详细信息请参见 https://www.gencodegenes.org/human/releases.html，进一步的引用信息可在 https://www.gencodegenes.org/pages/publications.html 查阅，其他致谢内容则位于 https://www.gencodegenes.org/pages/gencode.html。

为准备该数据集，团队遵循了此处所述的方法：https://github.com/google-deepmind/alphagenome/blob/main/scripts/process_gtf.py。

第三方软件

您对本仓库中材料所引用的任何第三方软件、库或代码的使用（包括“致谢”章节中列出的库），可能受单独的条款与条件或许可协议约束。您对这些第三方软件、库或代码的使用须遵守相应规定，并应在使用前确认自己能够符合所有适用的限制或条款与条件。

AlphaGenome Research 快速上手指南

AlphaGenome 是一个统一的 DNA 序列模型，旨在推进调控变异效应预测并揭示基因组功能。它能分析长达 100 万碱基对的 DNA 序列，并在单碱基分辨率下提供基因表达、剪接模式、染色质特征等多种模态的预测。

环境准备

系统要求

• 操作系统: Linux (推荐) 或 macOS。
• GPU: 运行模型推荐至少使用 NVIDIA H100 GPU。请确保已正确安装 CUDA、cuDNN 和 JAX。
  • 注：对于训练任务，推荐使用 TPU v3 或更高版本。
• Python: 建议使用 Python 3.8 或更高版本。

前置依赖

强烈建议创建独立的 Python 虚拟环境以避免冲突：

python3 -m venv alphagenome_env
source alphagenome_env/bin/activate

确保 pip 为最新版本：

pip install --upgrade pip

安装步骤

1. 克隆仓库并安装

从 GitHub 克隆代码库并以开发模式安装：

git clone https://github.com/google-deepmind/alphagenome_research.git
pip install -e ./alphagenome_research

此命令将自动安装所有必要的依赖项（包括 JAX, Haiku, TensorFlow 等）。

提示：如果下载速度较慢，可尝试配置国内 pip 镜像源（如清华源）： pip install -e ./alphagenome_research -i https://pypi.tuna.tsinghua.edu.cn/simple

2. 获取模型权重

使用前需下载预训练模型权重。您需要先接受 非商业用途模型条款。

权重可通过以下任一平台下载（申请后通常立即处理）：

• Kaggle: https://www.kaggle.com/models/google/alphagenome
• Hugging Face: https://huggingface.co/collections/google/alphagenome

基本使用

最简单的交互方式是使用提供的 DNA Model 类。以下示例演示如何从 Kaggle 加载模型并进行变异位点预测。

代码示例

from alphagenome.data import genome
from alphagenome.visualization import plot_components
from alphagenome_research.model import dna_model
import matplotlib.pyplot as plt

# 1. 加载模型 (从 Kaggle 或 Hugging Face)
# 若使用 Hugging Face，请改用: model = dna_model.create_from_huggingface('all_folds')
model = dna_model.create_from_kaggle('all_folds')

# 2. 定义基因组区间和变异位点
interval = genome.Interval(chromosome='chr22', start=35677410, end=36725986)
variant = genome.Variant(
    chromosome='chr22',
    position=36201698,
    reference_bases='A',
    alternate_bases='C',
)

# 3. 执行变异预测
# ontology_terms 指定组织类型 (此处为 UBERON:0001157)，requested_outputs 指定输出模态
outputs = model.predict_variant(
    interval=interval,
    variant=variant,
    ontology_terms=['UBERON:0001157'],
    requested_outputs=[dna_model.OutputType.RNA_SEQ],
)

# 4. 可视化结果
plot_components.plot(
    [
        plot_components.OverlaidTracks(
            tdata={
                'REF': outputs.reference.rna_seq,
                'ALT': outputs.alternate.rna_seq,
            },
            colors={'REF': 'dimgrey', 'ALT': 'red'},
        ),
    ],
    interval=outputs.reference.rna_seq.interval.resize(2**15),
    # 标注变异位置
    annotations=[plot_components.VariantAnnotation([variant], alpha=0.8)],
)
plt.show()

更多详细示例和进阶用法，请参考官方提供的 Colab 快速入门笔记本。