2026年医药行业第9期：AlphaGenome首次揭开基因“暗物质”；中美创新药，监管比拼“全球首发”

产业前沿

前沿动向：生命解密再升级，AlphaGenome 首次揭开基因“暗物质”

2026 年 1 月 29 日，谷歌旗下 DeepMind 的最新基因组 AI 模型 AlphaGenome 荣登本期国际顶级科学期刊 Nature 封面。Deepmind 发表最新论文并开源其研 究代码与模型权重。该模型被视为继 AlphaFold 之后 DeepMind 在生命科学计 算领域的又一重磅进展。要点有三：（1）解码升级，对非编码基因组的系统性 破解。此前研究多聚焦在仅占总量 2%的编码基因，而该模型是对 98%非编码 基因变异影响趋势的预测。（2）功能性变异影响预测的工具化。通过对非编码 区变异导致的调控变化进行高精度预测，该模型为解析复杂疾病致病机制、靶 点探索及精准医疗提供新范式。（3）AI 模型的开放与生态构建。该模型代码与 权重的开源，将促使全球科研社区更快进行算法迭代与应用开发，加速基因组 AI 工具的普及。

解码升级：人类基因组约包含 30 亿个碱基对，其中仅约 2% 为蛋白质编 码区，其余 98%的非编码区域长期因调控机制复杂而被视为“基因暗物质”。 AlphaGenome 是对这部分非编码区域进行系统性建模，预测其在不同调控 环境下对基因表达与功能表型的影响。我们认为，该模型有望将长期被忽略 的“基因组暗物质”转化为可量化、可解释的调控信息，填补基础基因组学 的关键认知空白。

意义：解读基因组序列变异的影响，一直是生物学领域的一项核心挑 战。位于蛋白质编码区之外的非编码变异尤其难以解读，因为它们可以 引发多种多样的分子后果。

成果：根据 DeepMind 1 月 28 日在 Nature 的论述，利用深度学习模型从 DNA（脱氧核糖核酸）序列预测功能基因组测量结果是解读基因调控 密码的强大工具。现有方法需要在输入序列长度和预测分辨率之间进行 权衡，从而限制了其模态范围和性能。AlphaGenome，一个统一的 DNA 序列模型，它以 1 Mb 的 DNA 序列作为输入，能够预测数千个功 能基因组轨迹，分辨率可达单碱基对，并涵盖多种模态。 这些模态包括基因表达、转录起始、染色质可及性、组蛋白修饰、转 录因子结合、染色质接触图谱、剪接位点使用情况以及剪接连接坐标 和强度。 AlphaGenome 在人类和小鼠基因组上进行训练，在 26 项变异效应 预测评估中，有 25 项评估结果与目前最强大的外部模型相当或更 优。 AlphaGenome 能够同时对所有模态的变异效应进行评分，准 确地重现了 TAL1 癌基因附近具有临床意义的变异的机制。

变异预测工具升级：AlphaGenome 使用深度学习方法，能够预测长达约 100 万个碱基对的 DNA 序列功能，并就 DNA 可接近性、基因表达、剪接等 数千种基因组信号进行高精度预测。该模型为解析复杂疾病致病机制、靶点 探索及精准医疗提供新范式。

现有模型瓶颈：目前，基于深度学习的序列-功能模型面临两个根本性的 权衡，限制了它们预测变异如何影响多种生物调控模式的能力。第一， 要在基因序列长度和预测分辨率之间做权衡；第二，要在捕捉多模态还 是专注一种或几种模态间权衡选择。 第一，由于计算能力的限制，模型必须在捕捉长程基因组相互作用和 实现核苷酸水平的预测分辨率之间做出权衡。尽管像 SpliceAI 、BPNet 和 ProCapNet 这样的模型可以提供碱基分辨率的预测，但它 们仅限于较短的输入序列（例如，10 kb 或更短），因此可能会忽略 远端调控元件的影响。像 Enformer 和 Borzoi 这样的模型，可以处 理更长的序列（约 200–500 kb）以捕捉更广泛的上下文信息，但代 价是降低了输出分辨率（128 bp 或 32 bp 的区间），这可能会模糊 一些精细尺度的调控特征，例如剪接位点、转录因子足迹或多聚腺苷 酸化位点。 第二，矛盾存在于捕捉多种模态与专注于一种或几种模态之间。一些 最先进的（SOTA）模型高度专注于单一模态，例如 SpliceAI 用于剪 接位点预测，ChromBPNet 用于局部染色质可及性，Orca 用于三维 基因组结构。然而，仅靠专业模型不足以捕捉不同模态下变异的多种 分子后果。即使在剪接这种单一模态内，像 SpliceAI 或 Pangolin 这 样的专业模型也只能预测某些方面（例如剪接位点预测），而忽略其 他方面（例如剪接连接预测或剪接位点之间的竞争）DeepSEA、 Basenji、Enformer、Sei 和 Borzoi 等模型已经证明了多模态模型的 实用性和可行性。它们允许用户使用单个模型处理多种模态，而无需 使用多个专业模型。然而，这些更通用的模型在某些任务上可能会落 后于它们的专用模型，例如拼接，或者可能缺乏某些模态，例如接触 图。 AlphaGenome，则是将多模态预测、长序列上下文信息和碱基对分 辨率整合到一个统一的框架中。该模型 1 Mb 的 DNA 序列作为输 入，能够预测多种细胞类型中不同的基因组轨迹。AlphaGenome 的剪接预测方法包括一种新的剪接连接预测方法以及剪接位点使用预 测。

开源与生态构建：我们认为，该模型的开源，进一步降低了学术界对复杂调 控基因组研究的门槛，并为多组学数据解析提供新的计算工具。

潜力与局限：一方面，该模型可以用于多个生物学领域；例如，可以作为计 算机模拟实验的引擎，还可以在罕见病诊断研究中为意义未明确的非编码基 因的变异开辟新的诊断路径。该模型的核心优势在于高效的多模态变异效应 预测，能够在单次推理过程中同时评估所有预测模态下的变异影响。这种整 合能力对于理解具有复杂机制的变异至关重要。另一方面，它也和所有序列 模型一样，存在特点的适用范围限制。同时，要准确地重现跨细胞环境的组 织特异性模式以及预测特定条件下的变异效应，仍然面临挑战性。例如在复 杂组织特异性调控预测中仍有不确定性。

监管动态：FDA 发布新药审批年报，中美进入“全球首发”抢跑新阶段

2026 年 1 月 29 日，FDA（美国食药监局）的 CDER（药审中心），发布了 2025 年创新药审批年报。全年批准 46 款创新药，其中 32 款为美国首发批准； 加上 CBER（生物药审批中心）批准的新药，全年 FDA 批准 58 款创新药。 2025 年，美国已经有一款创新药因 CNPV（局长国家优先券）获批。同期， NMPA（中国国家药监局）统计显示，2025 年批 76 款创新药，其中国产化药 和生物创新药 59 款，并在其中实现 4 款国产创新药的全球首发批准。国家药监 局在 1 月全国会议上也明确表示，要助力创新药的“全球首发”。我们认为， FDA 官方审批年报体现出其在支持未满足医疗需求和推动创新技术方面的监管 信号，中国医药创新已在新批数量上略显超越。随着中国从监管到企业的创新 药产业链整体实力的上升，中国已经步入与欧美争夺创新药“全球首发”的历 史新阶段。

根据美国 CDER 2025 年的新药审批年报，全年共批准 46 款创新药，其中 32 款为美国首发批准。这些新药覆盖的主要领域包括罕见病、儿童用药、 肿瘤、罕见遗传病及抗感染药物等。FDA 年报同时强调其审批流程的透明 度和规范性，例如提供完整的 NME（新分子实体）审批清单、详细的临床 试验信息，以及针对未满足医疗需求药物的优先审评通道。我们认为，这些 措施不仅保证了创新药的安全性与临床价值，也为全球研发企业提供了明确 的研发与注册参考。

34 种新分子实体中，12 种为生物制剂。70%（32/46）的药物在美国获 批后才在其他国家获批，一半（23 种）的新获批药物，获得了孤儿药资 格认定（旨在治疗、诊断或预防美国人口少于 20 万的罕见病）。值得关注的获批药物包括两种罕见线粒体疾病的治疗药物（Kygevvi，用于治疗 胸苷激酶 2 缺乏症；Forzinity，用于治疗巴特综合征）、一种首创的非 阿片类镇痛药（Journavx）以及另一种首创的干眼症治疗药物 （Tryptyr）。

CDER 在 2025 年新药和生物制品的获批数量与过去五年的平均水平相 近，高于自 2007 年以来每年 38 种新药的历史平均水平。CDER 认定， 2025 年获批的 46 种新药中，有 20 种（43%）为同类首创药物。