Evo 2 用几十条示例写出基因开关，验的是目标细胞开、别处不开

Evo 2 团队 2026 年 10 月的预印本把基因组语言模型往前推了一步：给出几十条同类调控序列当示例，模型不更新任何参数，就能写出自然界没有的增强子。9 条设计装进 AAV 送进小鼠脑，7 条有可检测表达，其中 2 条标记到的细胞里有 73% 与 95% 是目标神经元。这一步真正被改变的不是生成质量，而是评价标准。模型交出去的东西不是"一段像增强子的序列"，而是一组待验的活性假设，能不能算数取决于实验里目标细胞开、别处不开这两件事是否同时成立。

一、Evo 2 是真的在"写"序列了，但它交出去的是一组待验假设

这次跨过的线是：从给序列打分，变成直接提议序列。过去做调控元件设计，主流做法是拿一个预测模型当目标函数，用梯度把一条条序列优化到高分。预印本《Few-shot regulatory sequence design with a genomic language model》换了一种做法，把若干条具有共同性质的示例序列首尾相接、中间用固定分隔符隔开，一次性放进提示，模型不做任何任务特定的权重更新，直接往下写。示例条数按任务从 1 条到 256 条不等，人增强子任务是 2 到 64 条，产物 200 bp。这就是上下文学习（ICL，把示例放进提示让模型在提示内部归纳任务）在这次工作里的确切含义。ICL 增强子

底下跑的模型是 Evo 2，分 7B 与 40B 两版，上下文可扩到 100 万 token，架构是 StripedHyena 2 而不是标准 Transformer。它足够大，能读完几十条示例再把规律用出来。

图注：A 面板把两条路线并排放：一条是把序列逐条迭代优化到高分，另一条是把同类示例拼进提示、模型不更新任何参数就直接生成新序列。C 面板是诱导注意力头的定位与消融，D 面板是影响矩阵，示例从 4 条增到 16 条时，生成序列对提示里单条示例的依赖从集中转向分散。ICL 增强子

"它只是在复读提示里的示例"是这类工作最该先被问倒的质疑，这篇预印本给了两组正面证据。C 面板定位到 Evo 2 1B 第 3 层第 6 号注意力头，在 4-shot 与 8-shot 条件下把它消融掉，预测分显著下降，p 值分别是 0.023 与 0.040，说明模型确实通过某个可定位的机制在做示例内归纳，而不是无差别抄写。D 面板用分类雅可比度量生成序列与提示示例的依赖：示例越多，影响越从单条示例扩散到整批，符合"学一个类"而不是"抄一个样本"。作者自己也留了一条边界：示例极稀缺时，ICL 有可能退化成直接复制提示示例。

读这篇预印本还要过一道口径关。Arc Institute 在预印本上线前一天（2026-10-29）发布官方稿，把工作总结成"Evo 2 能从头设计增强子"，但官方表述与论文至少在四处不一致。Arc 官方

第一处是对照物。官方说达到或超过"市面上最特异的合成增强子"，论文里的对照物其实是天然增强子 AiE0674m，一个此前从基因组里挖出来的 L5-ET 特异元件，不是任何合成物。第二处是失败案例。官方点名两条设计对 L5-ET 达到 73% 与 95%，没有提 EvoCre9 与 EvoCre11：这两条本来为 Vip+ 中间神经元设计，实测主要标记的是 CA3 谷氨酸能神经元，比例 58% 与 74%。第三处是模态数量。官方点名四类调控模态，论文写的是五类，多出来的一类是酵母启动子。第四处是耗时。官方说强化学习在容易任务上不到 20 分钟、难任务要几小时，论文正文只给训练步数，没有给墙钟时间。所有官方说法都应当写成"Arc Institute 官方称"，并且记住这篇预印本截至 2026 年 11 月 1 日仍是 v1，没有期刊版，没有第三方复现。

所以这一章要钉住的判断只有一句：产物只有被当成可证伪的预测才有意义，评价的第一步是问它提出了什么能被实验打掉的预测，而不是问它写得像不像天然增强子。

二、"亮"和"只在一个细胞里亮"是两个量，混着讲就判不出对错

"预测某细胞某时刻的表达"在这类模型里不是一个抽象说法，而是输出张量里的某一条轨迹。Enformer 在 2021 年把这个接口写死：输入 196,608 bp 的单热编码 DNA，人类输出 5,313 条轨迹、小鼠 1,643 条，每条 896 个位置，每个位置是 128 bp 的分箱。5,313 条按实验类型拆开，其中 CAGE 只有 638 条，要"预测某细胞里的表达"，实际动作是去读 CAGE 组里属于该细胞类型的那一条。Enformer

输出端换个目标，接口的含义就变了。Borzoi 把输入拉长到 524 kb、分箱细到 32 bp，直接预测 RNA-seq coverage，也就是转录产物铺在基因组上的覆盖曲线，而不是一个汇总的表达标量。这一步很关键：染色质可及性（一段 DNA 是不是被打开）与转录产物（RNA 到底有没有被写出来）不是同一件事。后面所有把 ATAC 峰当表达证据的误读，入口都在这里。Borzoi

2026 年这一代打分器的尺度又大了一圈。AlphaGenome 吃 1 Mb 序列加物种标识，吐人类 5,930 条或小鼠 1,128 条轨迹，覆盖基因表达、剪接、染色质状态、接触图共 11 类模态。这张图只用来说明接口现在的形态，不比较谁更强。论文自己写的边界是：100 kb 以外的远端元件仍然难，组织特异模式跨细胞背景难复现，物种只到人和小鼠；它的 SOTA 数字来自变异效应基准，唯一沾湿实验的 CAGI5 也是对已存在元件做饱和诱变的读数，不是设计基准。AlphaGenome

图注：a 面板画出这个打分器的形态：1 Mb 序列被切成 131 kb 的分块跨设备处理，经编码器、Transformer、解码器后接到多类输出头，右侧列出人类与小鼠两列、各输出类型的分辨率标注与 5,930 / 1,128 两个轨迹数。这张图只说明接口尺度，图里没有设计环节，也不能据此说 AlphaGenome 会做增强子设计。

接口定完，才是这一章的主论点。增强子不编码蛋白，它决定基因在何时、何地、表达多少。调控语法指的不是单个 motif，而是激活型与抑制型转录因子的词汇表、它们的组合效应与高阶排布。同一套语法在不同细胞里读出不同结果，所以"这段序列有没有活性"和"它是不是只在目标细胞里有活性"必须当成两个量分别定义。Malinois

图注：c 面板是同一批序列的实测活性箱线图，一个细胞系一个单点量；d 面板换成就 MinGap，也就是两个量之差，同一批序列在两排里的排位并不一致。e 面板的三向极坐标把特异性再拆一层：径向距离是最大值减最小值，偏转角表示活性最高的非目标细胞离目标有多近。图内 b 面板标的是 75,000 条，正文给出的实测库是 77,157 条，两个口径要并存说明。

口径必须写清楚。MinGap 用打分口径，等于目标细胞的 log2 倍数变化减去最大非目标细胞的 log2 倍数变化。MaxGap 用几何口径，等于最大值减最小值，也就是极坐标里的径向距离。判定一条序列算不算"细胞类型特异"，原文要求同时满足 MaxGap 大于 1，且 MinGap 与 MaxGap 之比大于 0.5。77,157 条实测库里，合成序列的特异率用这句门槛算是 94.1%，motif 惩罚组 92.4%，Malinois 挑出的天然序列 73.6%，纯 DHS 天然序列 40.6%。这个 94.1% 是体外三个人源细胞系口径下的"细胞类型特异"比例，不是体内特异率，也不是相对非目标细胞的活性倍数。

这里有一条反直觉的实测结论。合成序列的特异性优势很大程度来自把非目标细胞压下去，同时也有目标细胞活性的一些提升。合成序列的非目标中位 log2 倍数变化是 −0.69，两组天然序列分别是 +0.09 与 +0.41。换句话说，"提高活性"和"提高特异性"不是同一个旋钮，也不总能同时拧到位。

三、链路上最关键的打分器只见过天然基因组，指标漂亮因此不足为凭

生成链路里最关键的一环是打分器，而打分器只见过天然基因组，所以它给出的高分首先证明的是"候选像天然"，不是"候选能用"。Evo 2 论文把这条链路画成闭环：模型每生成 128 bp，Enformer 与 Borzoi 的集成就重新评一次分，beam search 决定接不接受，接受的分块追加回提示继续生成。奖励发生在推理时，模型权重不动。代价也写在图上：推理算力与设计质量成对数线性关系，采样 30 个以上的 128 bp 分块、每步选 top 2，就足以让最终设计的 AUROC 超过 0.9。Evo 2

图注：b 面板把闭环画成一个圈：生成模型提议，预测模型打分，通过就追加回提示，不通过就丢掉。c 面板说明更好的设计有价格，横轴是每碱基采样的 token 数，纵轴是设计成功率。e 面板把闭环接到湿实验：合成并组装 DNA，定点整合进细胞基因组，用 ATAC-seq 读可及性。f 到 h 面板是三条摩尔斯电码设计的预测谱与实测谱对照。

这条链在这里第一次变得可证伪。设计序列被定点整合进小鼠基因组 chrX:52,051,929 到 52,123,468 这一段，用 ATAC-seq 读可及性，三条摩尔斯电码消息的实验谱与预测谱吻合，AUROC 0.92 到 0.95。人细胞系侧，HEK293T 与 K562 的 36 条 1 到 4 kb 设计里有 33 条 AUROC 超过 0.8。但同一批数据里还有另一半：让两个细胞系的图案不同的任务，24 条设计里只有 4 条做到超过 2 倍的可及性差异，1 条超过 3 倍。读出是可及性不是表达，所以这里能说的只是"设计序列在指定位置被按预期打开或关掉"，不能说"设计出了能工作的增强子"。Evo 2

最关键的那句话出自 Evo 2 论文正文，不是 Enformer 论文：Enformer 与 Borzoi 不是生成模型，而且只在天然基因组上训练。同一段还写了 Evo 2 自己没有在人类遗传变异或功能基因组学数据上训练过。整条链上每一环都只见过天然基因组，这就是"打分器不等于真值"最硬的一手依据。

奖励与筛选还要分开看。在 ICL 那条路线里，当奖励模型的是 PRED-5UTR、PARM、Malinois，以及微调过的 AlphaGenome；Borzoi 四个 fold 加 Enformer 组成的集成是专职抓"刷分刷出来的候选"的正交筛选器，不当奖励。这个分工有实测对照：在同一个 AlphaGenome 目标下，ISM 没有任何设计通过这道筛选，梯度搜索的 FastSeqProp 只在 1 个目标上通过，而做过 GRPO 后训练的 Evo 2 在全部 4 个目标上都有通过的设计。

图注：三栏分别是条件离散扩散底座、推断期蒙特卡洛树搜索、以及标着 Experiments 的一栏。第三栏里全是数据集图标，没有实验装置，正好说明这条路线"停在计算闭环"是什么意思。图里的 MinGap 是序列到活性模型预测值算出的差值，不是实测活性差。

另一条路线把数据量堆到另一个量级。DNA-CRAFT 用 3,275,697 条无活性标签的 ENCODE 候选调控元件训练条件扩散底座，再拿约 70 万条已发表的 MPRA 活性标注微调打分器，最后在推理期用树搜索把候选朝目标细胞拉。70 万这个数字来自别人已经发表的数据集，不是它自己做过的实验。它的证据全部停在计算闭环，结论段自陈方法受代理模型的性能与偏差限制，实验验证最终仍然必需。指标上也要按原文口径写：motif 相关与 3-mer 相关在三个细胞系上最高，但 HepG2 与 K562 的 MinGap 低于 Ctrl-DNA 与 Ledidi，原文措辞是 best trade-offs，不是全面超越。DNA-CRAFT

两条生成路线的差别因此不在分数高低，而在证据走到哪一级。几十条示例换来的数据效率，同时换走了证据强度，能不能补回来全看湿实验做到哪一步。

四、读出分四级：质粒上、随机整合、定点内源位点、活体脑内，每级测的都不是同一件事

同样一句"做了湿实验"，可以对应四级差别巨大的证据。元件是在质粒上、在随机整合的基因组里、在定点替换的内源位点里，还是在活体动物体内，读到的都不是同一件事。

第二级最容易被误读成"已经在基因组里了，所以接近真实"。慢病毒整合位点是随机的，读到的是跨多个整合位置平均后的功能效应，不是元件在它自己天然位点里的效应。这个差别有实测数字：同一批 2,236 条肝增强子，做染色体外读出与染色体整合读出，两者之间的 Spearman 相关只有 0.785，而同一读出方式内部的技术重复分别是 0.908 与 0.944。这两个数字是 lentiMPRA 论文转述 Inoue 2017 的前作结论，不是它自己新做的对照，引用时要保留这层归属。lentiMPRA

图注：自上而下是这条读出链：待测元件（DNase 峰候选增强子或 TSS 启动子，双向）装进带最小启动子、报告基因和条码的质粒，慢病毒随机整合，转染三种细胞系后测条码，最后用 RNA 与 DNA 的 log₂ 比值当活性分。图里 Reporter 与 Minimal promoter 两个图标是"这仍是报告载体读数、不是内源位点读数"的直接证据。

第三级解决了位置问题，但换了读数层。Evo 2 论文把设计定点整合进内源位点，读出是 ATAC-seq 可及性，所以它证明的是"按预期打开或关掉"，不是"目标基因被表达"。第四级才进活体。这项工作的 9 条设计装进 AAV.CAP-B10，经眼眶静脉注射进野生型小鼠，表达 3 周后取脑，7 条有可检测表达，6 条有空间定位。注意它跳过了第三级：作者没有做内源位点替换，是从质粒直接跳到了活体游离载体。

图注：E 面板是唯一的体内流程：增强子装进 AAV.CAP-B10 驱动 YFP，眼眶静脉注射，之后分组织学与单细胞测序两条读出。F 面板是小鼠脑片荧光，比例尺 1 mm，含天然增强子 AiE0674m 作阳性对照。G 面板是 YFP+ 细胞在各细胞类型上的构成比，图上的 95.1% 这类数字属于这张图的口径。

73%、95%、68% 这三个数字必须带着口径写。它们是 YFP+ 细胞里被判为目标细胞类型的构成比：EvoCre6 的 73%、EvoCre7 的 95%，对照的天然增强子 AiE0674m 是 68%。分母是被标记到的细胞，不是全部细胞，也不是"相对非目标细胞的活性比"。样本量同样要写：组织学是 2 只设计小鼠加 1 只对照，荧光曲线跨 3 只，单细胞每个增强子 1 只。作者也报告，同剂量下 EvoCre6 的荧光高于天然增强子 AiE0674m，特异性则与它相近；EvoCre7 的特异性一贯更好（95% 对 68%）。

图注：黑底荧光成像的小鼠脑冠状切片，左上是 EvoCre6 标签，右下是 1 mm 比例尺，皮层与海马区域有荧光标记信号。这张图不提供任何定量，73% 与 95% 来自全脑单细胞测序的细胞类型归类，不是这张切片。Arc 官方

四级读完，一条界线就清楚了：体外活性不等于内源增强子活性，内源增强子活性不等于治疗可行性。读论文时的第一件事是把读数定位到哪一级，而不是看它有没有"做了湿实验"。

五、活性与特异性同时成立才算数，而这类百分比跨实验室根本不能横比

判断这类工作成色不看它生成得像不像，看三件事：湿实验读数停在哪一级，有没有给出非目标对照，每个数字的口径能不能跨体系。三件事任一说不清，"设计成功"就还只是一句自我声明。

跨体系这条最容易被低估。同一批 K562 数据被不同实验室用四类体系、六套数据集测过（其中三套 TilingMPRA 出自同一实验室），各实验室自己报出的增强子集合几乎不重叠：两两 Jaccard 指数多数接近零，最高的一对也只有 0.28。统一判定管线之后一致性显著改善（JI 提升：≥1 bp 判据 p=0.02，≥50% 互惠重叠判据 p=0.001）；在 ≥50% 互惠重叠判据下，LentiMPRA 与两套 STARR-seq 之间"一致为活性"的比例为 74% 与 78%，但体系特异因素仍然主导跨体系一致性。作者的推测性解释是，LentiMPRA 把候选放在报告基因启动子紧邻上游，可能更多测到的是启动子活性而不是增强子活性，这句话是推测，不是结论。结论只有一条：跨实验室、跨体系的百分比不能直接横比。MPRA 横向评测

图注：C 面板是一张完整的报告基因流程：带条码的寡核苷酸库装进含 EGFP 的质粒，转染细胞，48 小时后取 RNA，反转录、扩增、测序。G 与 H 面板是实测特异性相对天然与合成阳性对照的对照图，纵轴是本实验体系内的相对量，不是可跨实验室比较的绝对指标。

这张图要读出一个措辞区别："与最好的天然增强子无显著差异"不等于"优于天然增强子"。这项工作体外每条件至多 40 条设计，两次独立转染的平均 Pearson 0.93，实测活性与模型预测的平均 Pearson 0.76，6 个条件里 3 个的实测特异性高于阳性对照、其余 3 个无显著差异。这些数字支撑的是"设计序列在这个体系里可用"，不是"它比天然序列更好"。

图注：D 面板上半是单条序列的特异性计算示意，目标与最大非目标之间的间距就是 mingap；下半是各细胞系上的分布箱线图。B 面板两张活性矩阵里，合成序列那张的对角线比 DHS 来源那张更清楚，浅蓝方块标的是本应命中的目标。B、C、D 只用了按 mingap 排序前 20% 的序列，不能当全库分布引用。

规模更大的设计路线，证据形态不同。一份 52,200 条的 AI 设计增强子图谱，为 261 个非冗余生物样本各设计 200 条，配套 MPRA 文库 9,102 条、覆盖 10 个人类细胞系。10 个目标里有 9 个的合成序列 mingap 中位数显著为正，8 个显著高于 DHS 来源序列；肾来源的 786-O 是唯一全败的目标。但这张图谱的功能核验主要是 in silico 的，湿实验只覆盖有 MPRA 数据的 10 个细胞系，加上一套离体培养的小鼠视网膜。它还提供一手反例：PAX 对 786-O 可及性贡献强、对活性影响可忽略，TP53 预测影响有限却有广泛增强子效应，AP-1 在 GM12878 特异却在 HeLaS3 脱靶。可及性语法不等于活性语法，这是"用打分器当设计目标"这条路线的结构性风险。增强子图谱

再往里一层，还有一条方法学警戒。有工作用一个 202M 参数的双向扩散模型做实验：微调后变异效应预测的 ClinVar AUROC 到 0.774，但一个位置随机采样的对照拿到 0.777，比它更高；同一模型做零样本功能补全，四类任务上没有一类能稳定赢过只保留 3-mer 组成的打乱对照，而增强子 H3K27ac 的绝对保真度在各模型上看起来都偏高。作者的判据是：强微调变异预测、合理的损坏先验、功能生成是三种不同主张，需要分别验证。它评估的对象是 GenDA 不是 Evo 2，任务形式是补全被挖掉的区间，不是用示例设计新元件，这个负结果不能被读成对 ICL 路线的否定。GenDA 负结果

回到这项工作本身逐条对账。给了什么：五类调控模态，三种人细胞系同一套质粒报告基因读出，9 条设计装 AAV 进小鼠脑，7 条有表达、6 条有空间定位，2 条对 L5-ET 达到 73% 与 95%。没给什么：内源位点替换，剂量与效应的关系，长期表达稳定性，非神经组织的系统脱靶，疾病模型，治疗性递送。

验收清单可以短，但每一条都要能落到论文里去找：

• 湿实验读数停在四级阶梯的哪一级，有没有说明为什么停在那里。
• 有没有非目标细胞或非目标组织的对照，特异性用的是差值还是构成比。
• 每个百分比的分母是什么，分子是什么，跨体系能不能比。
• 阴性对照存在吗，判活是相对阴性对照的分布，还是随手定的阈值。
• 报告的是实际被测区域与双向被测比例，还是名义覆盖率。
• 活性证据里有没有转录层，还是只有可及性。

这份清单不产生新观点，只是把前四章的判据落到一份具体工作上。Evo 2 这次确实写出了基因开关，而且把开关装进活体动物脑内做了验证；它没有做到的，是在内源位点、剂量、长期稳定性、非神经组织这几个方向上给出读数。把这两句话分开记住，比记住任何一个百分比都有用。

参考文献

本专题引用的核心资料如下，建议深入学习时阅读原文：

1. Few-shot regulatory sequence design with a genomic language model（bioRxiv 预印本 v1，2026-10-30）— https://www.biorxiv.org/content/10.64898/2026.10.28.762639v1
2. Evo 2 uses in-context learning to design de novo regulatory sequences with only tens of examples（Arc Institute 官方发布，2026-10-29）— https://arcinstitute.org/news/evo-2-in-context-learning
3. Genome modelling and design across all domains of life with Evo 2（Nature 652:1349–1361, 2026）— https://www.nature.com/articles/s41586-026-10176-5
4. Effective gene expression prediction from sequence by integrating long-range interactions（Nature Methods 18:1196–1203, 2021）— https://www.nature.com/articles/s41592-021-01252-x
5. Advancing regulatory variant effect prediction with AlphaGenome（Nature 649:1206–1218, 2026）— https://www.nature.com/articles/s41586-025-10014-0
6. Predicting RNA-seq coverage from DNA sequence as a unifying model of gene regulation（Nature Genetics 57:949–961, 2025）— https://www.nature.com/articles/s41588-024-02053-6
7. Programming human cell type-specific gene expression via an atlas of AI-designed enhancers（bioRxiv 预印本 v1，2025-09-30）— https://www.biorxiv.org/content/10.1101/2025.09.30.679565v1
8. Machine-guided design of cell-type-targeting cis-regulatory elements（Nature 634:1211–1220, 2024）— https://www.nature.com/articles/s41586-024-08070-z
9. Massively parallel characterization of transcriptional regulatory elements（Nature 639:411–420, 2025）— https://www.nature.com/articles/s41586-024-08430-9
10. Comprehensive evaluation of diverse massively parallel reporter assays to functionally characterize human enhancers genome-wide（Genome Biology 26:378, 2025）— https://link.springer.com/article/10.1186/s13059-025-03828-8
11. Conditional Monte Carlo Tree Diffusion for Designing Cell-Type-Specific and Biologically Faithful Regulatory DNA（arXiv:2604.20488）— https://arxiv.org/abs/2604.20488
12. When Genomic Masking Priors Fail to Transfer: Strong Variant Prediction, Weak Functional Generation（arXiv:2609.04861）— https://arxiv.org/abs/2609.04861