主要成果
Google DeepMindが開発した最新のAIモデル「AlphaGenome 2」は、ヒトおよびマウスの数百種類の細胞において、非コードDNA配列が他の遺伝子の発現などに及ぼす分子レベルの影響を予測できる。特筆すべきは、その圧倒的な解析速度である。ロンドンのフランシス・クリック研究所のジェームズ・リー氏らが2024年に1年半の実験に費やして特定した炎症性腸疾患(IBD)の原因遺伝子(ETS2)とDNA変異の関係を、AlphaGenome 2はわずか30分で再現した。
技術・詳細
ヒトゲノムの98%を占める「非コード領域」は、タンパク質をコードしていないため解読が極めて困難な領域である。前世代のAlphaGenome 1では、不均一な細胞の集団から得られた「バルク」データを用いて学習していたため、どの細胞種で変異が作用するかという「細胞種特異性」を予測できないという課題があった。このため、実用面での有用性が限定的であった。
AlphaGenome 2では、この課題を解決するために学習データを刷新した。具体的には、68の組織にわたる1億個以上の細胞から得られたシングルセル遺伝子活性などの測定データを用いてトレーニングを行っている。その結果、より精緻で詳細な細胞間の差異を表現することが可能となり、以下の予測能力を実現した。
- 学習済みのヒト細胞637種類およびマウス細胞311種類における変異予測。
- 新たなシングルセル遺伝子活性データ(疾患状態の細胞など)をモデルに提供することによる、新たな遺伝子変異予測の生成。
背景・業界の文脈
遺伝性疾患に関連する変異を理解するには、「どの細胞種が影響を受けているか」を特定することが不可欠である。例えば、IBDの原因となる変異は、タンパク質コード配列から遠く離れた「遺伝子砂漠」と呼ばれる領域に位置する遺伝子エンハンサーの一部であり、特定の免疫細胞において過剰に活性化することで疾患を引き起こす。このような非コード領域の変異は、従来の分子生物学的な手法やゲノム編集を用いた高度な実験によってのみ特定されてきた。
今後の展望
AlphaGenome 2の導入により、研究者はピペットを手に取る(実験を行う)ことなく、AIを用いて迅速に疾患の根底にある変異を特定できる可能性がある。特に、疾患状態にある細胞のデータをモデルに組み込むことで、これまで見逃されていた疾患原因の特定が加速することが期待される。また、DeepMindは2ヶ月前に、ヒトゲノムにおけるあらゆる単一文字のDNA変化(計90億個のバリアント)の予測結果をまとめた「AlphaGenome Atlas」を公開しており、今回のモデル更新によってその実用性はさらに高まることになる。
元記事: https://www.nature.com/articles/d41586-026-03673-0
毎週の技術動向レポートを無料でお届け
各分野の分析レポートを読む価値があるかどうか一目で判断できるインフォグラフィックをメールで受け取れます。
📢 メールマガジンに無料登録(週刊・技術動向レポート)
ご登録いただくと、Troy-Technical から週刊で技術動向レポート(メールマガジン)をお届けします。
- 取得したメールアドレス・選択分野は配信目的にのみ使用します。
- 第三者へ提供することはありません。
- 配信はいつでも解除できます(各メール下部のリンクから)。
詳しくはプライバシーポリシーをご覧ください。
登録は1分・いつでも解除できます



