Google DeepMindは2026年11月11日、DNA変異の影響を細胞の種類や状態ごとに予測するAIモデル「AlphaGenome 2」を発表した。約100万塩基のDNA配列に細胞の情報を組み合わせ、同じ変異がどの細胞でどのような影響を及ぼすかを予測する。疾患に関連するDNA領域が見つかっても、実際に作用する変異や遺伝子、細胞を特定するのは容易ではない。今回のモデルは、この課題の解決を支援するものだ。免疫細胞を使った評価では、選んだ候補の適合率を90％に維持した条件で、原因候補の回収率が従来モデルの16％から30％に向上した。この結果は、実験対象を効率的に絞り込める可能性を示す一方、予測結果の検証という課題も残している。
DNA配列に細胞の種類と状態を組み合わせる
人体の細胞は基本的に同じDNAを持つが、どの遺伝子がどの程度働くかは細胞によって異なる。同じ変異でも、ある免疫細胞では遺伝子発現に影響し、別の細胞ではほとんど影響しない場合がある。そのため、疾患に関連するDNA領域の働きを理解するには、塩基配列だけでなく、どの細胞で何が起きるかを調べる必要がある。
初代AlphaGenomeは、約100万塩基のDNA配列を入力として、あらかじめ定められた複数の生物学的指標をまとめて予測する設計だった。これに対してAlphaGenome 2は、DNA配列に加え、対象となる組織や細胞種、その状態、さらにヒトかマウスかという生物種の情報も入力できる。こうした条件をモデルの初期層から反映させることで、それぞれの細胞に応じた予測を行う。
条件をモデルのどの段階で反映させるかも、予測精度に影響する。Adam Gayoso氏らの技術論文によると、出力側だけに条件を加える方法では、性能の改善は限定的だった。研究チームは、単一細胞データで追加学習した初代モデルとも比較し、AlphaGenome 2では細胞ごとの遺伝子発現やクロマチンのアクセス可能性を予測する精度が向上したと報告している。
新たな細胞状態を指定する際には、RNA-seqで測定した遺伝子発現データを利用する。このデータを細胞状態を表す情報に変換してモデルに入力することで、学習時に含まれていなかった細胞状態についても、追加学習なしで予測できる。つまり、DNA配列から変異の影響を調べる一方、RNAの測定値を使って予測対象となる細胞の状態を指定する仕組みだ。Google DeepMindの発表によると、学習にはヒトとマウスの組織・単一細胞データが使われ、68種類の組織と1億件を超える細胞プロファイルが含まれている。また、予測対象には遺伝子の働きの調節に関わるDNAメチル化も追加された。
原因候補の回収率が16％から30％に向上
AlphaGenome 2の性能を評価するうえでは、比較対象となるモデルと評価データの条件を確認する必要がある。研究チームは、単一細胞データで追加学習した初代モデル「AG1-sc」とAlphaGenome 2を、TenK10Kデータセットに含まれる28種類の免疫細胞で比較した。評価対象は、変異・遺伝子・細胞種の組み合わせから統計的に選別した6,346件の正例と、同数の対照例である。
正例には、遺伝子発現に影響する原因候補である確率を統計的に評価し、その値が0.9を超えた組み合わせを採用した。対照例には同じ値が0.01未満の組み合わせを選び、変異の位置による影響を考慮して正例と一対一で対応させた。評価には学習対象から除外した染色体を使用しており、TenK10Kのデータ自体もモデルの学習には含まれていない。
研究チームは、28種類の免疫細胞をまとめた評価で、適合率を90％に固定した。適合率とは、モデルが原因候補として選んだもののうち、実際に正例だったものの割合を指す。一方、回収率は正例全体のうち、モデルがどれだけの候補を見つけられたかを表す。
この条件で、AlphaGenome 2の回収率は従来モデルの16％から30％へ向上した。14ポイントの改善であり、比率では1.875倍に相当する。Google DeepMindが強調する「約2倍」という性能向上は、この比較に基づいている。ただし、評価に使われた正例は統計的な手法で絞り込まれた原因候補であり、個々の変異の因果関係が実験で証明されたものではない。したがって、この数値をあらゆる疾患の原因変異を特定する診断精度と解釈することはできない。
論文では、別の条件でも90％という基準が使われている。変異によって遺伝子発現が増加するか減少するかという「効果の向き」の正答率を90％に固定した場合、回収率は23％から43％へ向上した。こちらは候補の適合率を90％に保った評価とは異なる指標であり、両者を混同してはならない。いずれの結果も、予測の信頼性に一定の基準を設けた状態で、研究対象として抽出できる候補が増えたことを意味している。
炎症性腸疾患とT細胞での予測事例
疾患に関連するDNA領域から実験対象を選ぶ際には、変異の位置だけで原因を判断することは難しい。近接する複数の変異が一緒に受け継がれる場合があるうえ、変異が影響を及ぼす遺伝子が遠く離れた位置に存在することもあるためだ。AlphaGenome 2では、変異を加える前後の予測を比較することで、どの変異が、どの細胞で、どの遺伝子に影響する可能性が高いかを調べられる。
論文では、炎症性腸疾患（IBD）に関連する21q22領域を対象に、既存の研究結果を再現できるか検証している。研究チームは、過去の実験研究で調べられた7つの候補から、変異「rs2836882」の影響を予測した。その結果、約29万塩基離れた遺伝子「ETS2」との関連を示し、影響を受ける細胞も単球とマクロファージに限定されると予測した。この結果は、既存の実験研究で明らかになった作用機序と整合する。ただし、AIが新たに原因を発見し、実験で証明したわけではなく、既知の現象を計算によって再現できるかを確かめた評価である。
もう一つの事例では、同じT細胞でも活性化の状態によって変異の影響が異なるかを調べた。研究チームは、学習に使っていない新型コロナウイルスのmRNAワクチン研究のデータを利用し、RNA-seqで測定した遺伝子発現から細胞状態をモデルに入力した。その結果、活性化したT細胞と休止状態のT細胞を区別し、重症COVID-19に関連する変異は、活性化した状態で遺伝子発現により強い影響を及ぼすと予測した。
ITmedia NEWSも、研究者が取得した数十個程度の細胞データから、モデルを再学習することなく新たな細胞状態について予測できる点を報じている。細胞種だけでなく、その活性状態まで指定できれば、研究者は実験に用いる細胞や条件をより効率的に選べる可能性がある。ただし、変異と遺伝子発現の関係について、モデルが予測した結果を実際の細胞で確認する必要がある点は変わらない。
創薬への応用には独立した検証が必要
ゲノムワイド関連解析（GWAS）は、疾患との関連があるDNA領域を統計的に探す手法である。しかし、関連領域が見つかっただけでは、そこに存在するどの変異が、どの細胞で、どの遺伝子に作用するのかは分からない。創薬標的の特定には、こうした因果関係をさらに絞り込む必要がある。研究チームは、6,822,130件の一般的な一塩基変異などを対象に、510種類の細胞・組織条件での影響を事前に計算した。なお、9月に発表されたAlphaGenome Atlasが扱った約90億通りの一塩基置換とは、予測対象となる変異の集合が異なる。
遺伝子解析企業GenomicsのPeter Donnelly CEOは、自身の評価記事で、創薬には標的となる遺伝子だけでなく、遺伝子発現が増えるか減るかという効果の向きや、影響を受ける細胞種の特定も重要だと指摘した。同社はAlphaGenome 2を自社の創薬プラットフォーム「Mystra」に統合する計画だ。ただし、遺伝子との距離、量的形質遺伝子座（QTL）、希少変異などの既存の遺伝学的根拠に対して、新モデルの予測がどれだけ有益な情報を追加できるかについては、今後、自社のGWASデータで評価するという。
Donnelly氏はまた、論文で評価された約680万件の変異のうち、確信度の高い予測が得られたのは約2％だったと指摘している。この集計には一般的な変異が多数含まれており、TenK10Kで選別された正例の30％を回収できたという結果とは、評価対象も分母も異なる。確信度の高い予測が得られなかった変異についても、影響がないと判断できるわけではなく、モデルが十分な確信を持って予測できなかったと解釈する必要がある。
技術論文では、モデルの限界についても説明されている。例えば、アクセスしにくいクロマチン領域や非常に遠く離れた調節要素、転写後の過程を介して生じる変異の影響は、過小評価される可能性がある。また、外部刺激を受けた細胞や疾患状態の細胞、一時的に生じる細胞状態については学習データが限られている。細胞状態の表現も、観測された状態間の相関に基づいて学習されているため、遺伝子の操作や細胞状態の変化に対する反応を正確に予測できるかは、今後の検証課題となる。
Google DeepMindは、非商用研究向けにAlphaGenome APIを提供しており、商用研究については限定プレビューの申請を受け付けている。ただし、臨床・診断用途に向けた検証や承認は受けておらず、商用版の一般提供時期も明らかにされていない。AlphaGenome 2の実用的な価値を判断するうえで重要なのは、既存の遺伝学的な根拠だけでは見いだせなかった原因変異や標的遺伝子、細胞種を新たに特定できるかどうかだ。今後は、独立したデータによる評価と実験的な検証を通じて、創薬研究にどの程度貢献できるかが問われることになる。