わずか30分で見つかった疾患の手がかり
Google DeepMindは2026年11月11日、68種類の組織にわたる1億700万件超の個別細胞プロファイルを用いてAIモデルを訓練し、「AlphaGenome 2」を発表した。モデルの主な役割は、どのDNA変異がどの細胞に影響するかを予測することで、研究者が遺伝的な手がかりと、疾患の背景にある生物学的プロセスを結び付けるのに役立つ。
目次
デモンストレーションでは、炎症性腸疾患に関する2024年の研究で重要な知見を、約30分で再現した。研究者たちは、腸の炎症に関わる免疫細胞でDNA変異がETS2遺伝子の活性を高める仕組みを解明するため、1年半にわたり実験を行っていた。
この変異は、制御対象の遺伝子から遠く離れたDNA領域にある。AlphaGenome 2は7つの候補からこの変異を選び、約29万文字離れたETS2への影響を予測した。DeepMindは、腸の炎症に関わる免疫細胞である腸マクロファージに特異的なETS2活性の上昇を特定できた点を強調した。マクロファージは体を守り、細胞の残骸を取り除く働きを担う。
先行研究を主導した、ロンドンのフランシス・クリック研究所の免疫学者・遺伝学者、ジェームズ・リー氏は、計算による結果について次のように述べた。
彼らは30分で答えを突き止めました。私たちは実験に1年半を費やしたのにです
実用面で期待されるのは、どの実験を優先すべきか研究室が判断する助けとなることだ。AlphaGenome 2が生成するのは分子活性の予測であり、結果の確認には引き続き実験室での検証が必要となる。DeepMindによると、AlphaGenomeモデルは研究用で、臨床や診断目的では検証も承認もされていない。
同じDNAでも細胞によって働きが異なる理由
ヒトゲノムの約2%には、タンパク質を作るための情報が含まれている。残りの約98%は非コードDNAと呼ばれる。その一部には、遺伝子がいつ活性化するか、どこで働くか、細胞が遺伝子産物をどれだけ作るかを制御する調節配列が含まれている。
建物にたとえるなら、多くの部屋が同じ電気配線図を共有しながら、部屋ごとに異なるスイッチを使うようなものだ。心筋細胞と免疫細胞も、ほぼ同じDNAを持つ一方で、それぞれの役割を果たすために異なる遺伝子群を使っている。
DNA変異とは、DNAの文字配列に生じる変化だ。調節スイッチに生じた変異は、ある種類の細胞では遺伝子の活性を高めても、別の細胞ではほとんど影響しないことがある。また、感染時に細胞が活性化したり、ワクチンに反応したりすると、変異の影響が変わる場合もある。
DeepMindのAlphaGenome 2の発表によると、新モデルは組織全体の平均値を超えて、個々の細胞の種類や状態を扱う。組織にはさまざまな細胞が混在しているため、測定値を平均すると、一部の細胞群に限られた影響を検出しにくくなることがある。
炎症性腸疾患の例は、変異の位置だけを見ても誤解を招きかねない理由を示している。この変異は、タンパク質を直接コードする配列がほとんど、あるいはまったくない領域、いわゆる遺伝子砂漠に位置する。変異はエンハンサーの一部であり、エンハンサーとは遠く離れた遺伝子にも影響を及ぼし得る調節配列だ。このつながりをたどるには、標的となる遺伝子と、そのスイッチが働く細胞の両方を特定する必要がある。
調べる細胞に合わせて設計されたモデル
2025年に発表された初代AlphaGenomeは、100万文字のDNA配列を入力として受け取り、多数の組織や実験にわたる分子特性を一度に予測した。出力対象となる組織や細胞の条件は固定されていたため、よく似た細胞同士の微妙な違いを捉えるのは難しかった。
一方、AlphaGenome 2はDNA配列と生物学的条件の両方を入力として受け取る。その条件には、組織、細胞の種類、細胞の状態などを指定できる。モデルは予測の過程全体でこの情報を用い、一度に一つの条件に焦点を当てる。
研究者はこれを条件付きモデルと呼ぶ。簡単に言えば、問いが「DNA配列は一般に何をするか」から、「特定の状況下で、特定の種類の細胞において何をするか」に変わる。
訓練には、複数の細胞が混在した組織サンプルの測定値と、ヒトおよびマウスの個別細胞から収集したデータが使われた。対象はヒトの細胞タイプ637種類とマウスの細胞タイプ311種類に及ぶ。68種類の組織にわたる1億700万件超のプロファイルによって、特殊化した細胞間で遺伝子活性がどう異なるかをモデルに学習させた。
DeepMindの韓国での発表でも、同じ設計変更と、DNAメチル化の予測機能の追加が説明されている。DNAメチル化は、遺伝子活性の調節に関わるDNA上の化学的標識だ。ほかにも、遺伝子発現、DNAに結合するタンパク質の化学的変化、DNAが読み取り装置にどれほど露出しているかを示すクロマチンアクセシビリティなどを予測する。
性能の数値が示すもの
DeepMindは、ヒトの主要な免疫細胞28種類を網羅する大規模データセット「TenK10K」を用いてAlphaGenome 2を評価した。同社によると、評価対象となった原因変異の30%をモデルが特定した。単一細胞データ向けに調整した旧AlphaGenomeでは16%だった。
これは14ポイントの改善で、従来の数値と比べると約88%の向上にあたる。特定の細胞で遺伝子発現を変える変異を、モデルがほぼ2倍多く特定したというDeepMindの説明を裏付ける数値だ。
変異が及ぼす影響の方向を特定する能力も向上した。公表値は23%から43%に上がり、20ポイントの改善となった。影響の方向が分かることは重要だ。疾患との関わりを調べる方法を決める前に、DNA変異が遺伝子活性を上げるのか下げるのかを研究者が把握する必要があるためだ。
別の評価では、遺伝子から10万〜250万文字離れた調節スイッチを調べた。選択したDNA領域の活性を低下させて反応を測定するCRISPR干渉スクリーニングの結果と比較したところ、適合率と再現率を組み合わせた指標で、AlphaGenome 2は0.62を記録した。旧モデルは0.48だった。
適合率は選ばれた候補のうち正しいものの割合を示し、再現率は関連する候補をモデルがどれだけ見つけられるかを示す。厳しい信頼度の基準を設けると、研究論文によれば、原因と考えられる変異の大半をモデルはなお見落とす。研究者は、確度の高い予測に絞った短い候補リストを得るか、より幅広い可能性を捉えるかの間で選択を迫られる。
再訓練せずに新しい細胞状態を学習
AlphaGenome 2は、当初の訓練データに含まれていない細胞の測定値も利用できる。研究者は、数十個ほどの細胞しか含まないサンプルから得た単一細胞RNAシーケンスデータをアップロードできる。このデータは個々の細胞における遺伝子活性を記録する。
モデルは測定値を細胞状態の表現に圧縮し、それを予測の指針として使う。そのため、研究室が新しい生物学的条件を解析するたびに、モデル全体を再訓練する必要がない。
ヒト細胞アトラス・コンソーシアムの共同創設者で、ケンブリッジ大学の幹細胞医学教授を務めるサラ・タイヒマン氏は、DeepMindの発表でこの機能を取り上げた。
AlphaGenome 2が期待できるのは、再訓練せずに新たな単一細胞データへ直接適応し、わずかな細胞サンプルからでも、新たに解析された細胞状態においてDNA変異がどう働くかを予測できる点です
新型コロナウイルス感染症のmRNAワクチン研究から得られた未学習データを使ったデモでは、AlphaGenome 2は活性化したT細胞と休止状態のT細胞を区別した。T細胞は、脅威に反応する際に遺伝子活性が変化する免疫細胞だ。
また、重症の新型コロナウイルス感染症と関連する変異について、活性化した細胞では遺伝子活性をより強く乱すと予測した。この例では、細胞の状態が遺伝的な説明の一部となっている。研究者が調べるときに細胞が何をしているかによって、変異の影響が変わり得るのだ。
欠けている測定値を、別の種類の測定値から予測することもできる。たとえば遺伝子活性のデータを使って、クロマチンアクセシビリティを推定できる。この手法はクロスモダリティ補完と呼ばれ、どの追加測定が最も役立つかを研究室が選ぶ助けとなる可能性がある。
遺伝的シグナルから薬剤標的候補へ
ゲノムワイド関連解析（GWAS）は、多くの人々を対象に、疾患や形質と関連するDNAの違いを探す手法だ。複数の変異候補を含む領域が見つかることも多い。その後、研究者はどの変異が重要なのか、どの遺伝子に影響するのか、体内のどこで影響が生じるのかを明らかにしなければならない。
DeepMindは、AlphaGenome 2による予測をあらかじめ計算し、数百のヒト細胞・組織の条件における形質関連変異を網羅した。同社の狙いは、すべての研究室が大規模な計算処理を自ら行わなくても、こうした関連性を調べやすくすることだ。
予測では、脳のアストロサイトを含むヒトの主要細胞において、エンハンサーと標的遺伝子のつながりも示される。アストロサイトは神経細胞を支え、保護する細胞だ。多くのCRISPRスクリーニングでは、体内にある特殊化した細胞ではなく、研究室で培養した安定細胞を使うため、こうしたつながりを実験で特定するのは難しい場合がある。
炎症性腸疾患のデモンストレーションでは、これらの課題が一つにつながった。モデルは、遠く離れた調節変異をETS2と結び付け、関連する免疫細胞も特定した。先行する実験研究では治療標的候補も見つかっており、予測と照らし合わせるための生物学的知見が得られていた。
DeepMindの発表で、Genomics Limitedの最高経営責任者ピーター・ドネリー氏は、遺伝的関連を創薬研究につなげる難しさについて、次のように説明した。
GWASはその中心的な役割を担っていますが、関連を示すシグナルから、創薬プログラムに必要な知見へ進むのは容易ではありません
ドネリー氏は、ヒト遺伝学を用いて薬剤標的を評価する同社のプラットフォーム「Mystra」に、AlphaGenome 2を組み込むことを期待していると述べた。統合時期や、新モデルを使った製薬企業の成果は発表されていない。
90億件の変異を収録したAtlasとの関係
AlphaGenome 2に先立ち、同じ研究プログラムから「AlphaGenome Atlas」が公開されていた。これはヒトゲノムのDNA一文字を変える、90億通りすべての可能な変化について予測を収録したカタログだ。DeepMindは新モデルの発表約2カ月前にAtlasを公開した。
DeepMindのAlphaGenomeの研究概要によると、Atlasのデータセット容量は1ペタバイトに及ぶ。AlphaGenome Variant Impactスコア（AVIスコア）も収録され、予測される分子への影響に基づいて変異の優先順位を付けるのに役立つ。
この2つのツールは、異なる計算ニーズに応える。初代モデルは膨大なカタログを幅広く網羅する。AlphaGenome 2は、より具体的な予測に計算コストをかけ、特定の細胞や状態について詳しく調べる。
AlphaGenomeチームを率いるDeepMindの研究者、ジガ・アヴセック氏は、初代モデルでゲノムを広範に調べ、AlphaGenome 2で疾患の仕組みや薬剤標的候補を詳しく検討する使い方を説明している。研究者にとっては、広く候補を探した後、関連する細胞で選んだ候補を詳しく調べる流れが考えられる。
開発は短期間のうちに次のように進んだ。
- 2024年：リー氏のチームが実験を通じて、炎症性腸疾患におけるETS2の仕組みを明らかにした。
- 2025年：DeepMindが初代AlphaGenomeモデルを発表した。
- 2026年9月ごろ：DNA一文字を変える90億通りの可能な変化について予測するAlphaGenome Atlasを公開した。
- 2026年11月11日：DeepMindがAlphaGenome 2と研究利用を発表した。
- 2026年11月30日：研究者が研究計画を提出し、採択された場合に追加の計算枠やクレジットを得られる期限。
AlphaGenomeを使った研究の実例
DeepMindの研究概要では、AlphaGenome関連ツールを利用した研究者の例が紹介されている。ブロード研究所のローラ・コヴィル氏はAVIスコアを使い、遺伝子処理の異常に関連するDNM1変異を特定した。実験で予測が検証され、変異の分類見直しを後押しした。
エクセター大学のギャレス・ホークス氏は、英国バイオバンクの参加者5万4,000人超を対象とした研究でAlphaGenomeを使用した。希少な非コード変異と、血漿タンパク質濃度などの形質を調べた。ある領域では候補リストが526個から4個に絞られ、予測によって実験の対象を絞り込めることが示された。
ストワーズ医学研究所のジュリア・ツァイトリンガー氏は、短い調節DNA配列と、その影響が細胞タイプによってどう異なるかを調べるためにAlphaGenomeを使った。研究では、細胞が遺伝子活性を高めたり抑えたりする仕組みを扱っている。
コペンハーゲン大学のセサル・クーニャ氏とマルク・ピエリース・アヴェリ氏は、トゥオマス・キルペライネン氏の指導の下、AlphaGenomeを用いてアルツハイマー病の遺伝的リスクシグナルを組織ごとに追跡した。解析では、脳に加え、免疫系や代謝に関わる組織でも調節上の影響が予測された。
これらの例は、予測を研究に活用する複数の道筋を示している。希少疾患の候補を順位付けする、長い変異リストを絞り込む、調節配列を調べる、体内の組織をまたいで遺伝的シグナルを追跡する、といった方法だ。AlphaGenome 2は、関係する細胞や状態に焦点を絞って、より詳細に調べられるようにする。
利用方法、費用、次の実験
AlphaGenome 2は、ソフトウェアを通じてモデルにリクエストを送る仕組みであるアプリケーション・プログラミング・インターフェース（API）を介し、非商用の研究目的で無料利用できる。商用研究者は非公開のプレビュー版へのアクセスを申請できる。DeepMindは対話型のColabチュートリアルも提供している。
DeepMindによると、ウェルカム・サンガー研究所のチームなどと連携し、より多くのヒト細胞タイプや発生段階、生物学的条件によって変化した細胞のプロファイルを進めている。こうした測定データによって、研究者が調べられる細胞状態の範囲が広がる。
同社は、自動開発や科学研究のワークフロー向けプラットフォーム「Google Antigravity」で、AlphaGenome 2 Skillsを公開する計画も示した。公開時期は明らかにしていない。11月30日までに利用計画を提出した研究者は、追加の利用枠やクレジットの提供対象に選ばれる可能性がある。
研究室にとって、当面の問いは具体的だ。予測によって有望な候補をより少ない実験で確認できるのか、あるいは研究上の判断をより早く下せるのか。ETS2のデモは、確立済みの仕組みを再現できることを示す有望な例だ。より広い価値は、研究室がこのツールを使って新たな候補を調べ、実験で検証できるかどうかにかかっている。
要点
- DeepMindは2026年11月11日、68種類の組織にわたる1億700万件超の個別細胞プロファイルを用いたAlphaGenome 2を発表した。
- 特定の細胞タイプや状態におけるDNAの影響を予測でき、研究者が新たに解析した細胞状態も扱える。
- TenK10Kの評価では、原因変異の特定率が16%から30%に、遺伝子への影響の方向の特定率が23%から43%に上昇した。
- デモンストレーションでは、炎症性腸疾患に関するETS2の重要な知見を約30分で再現した。
- AlphaGenome AtlasはDNA一文字を変える90億通りの可能な変化を幅広く予測し、AlphaGenome 2は細胞をより詳しく分析する。
- 非商用研究では無料で利用でき、商用利用は非公開プレビューを通じて申請できる。実験室での検証は引き続き必要で、診断用として承認されていない。
