メインコンテンツへスキップ
ai-research 14分で読める

DeepMind「AlphaGenome 2」:DNAを細胞タイプ別に読む、旧モデル2倍の因果変異特定率

「腸管マクロファージのETS2遺伝子を過剰活性化させる非コードDNA変異を探していた。AlphaGenome 2は、その変異を独立に特定し、しかも主に腸管マクロファージという細胞タイプで作用すると正確に予測してみせた」。DeepMindが2026年11月11日の発表ブログ(Google DeepMind, 2026年11月)に引用した言葉は、このモデルが何を変えようとしているかを端的に示している。

GWAS(全ゲノム関連解析)は毎年数千の疾患関連ゲノム領域を新たに発見し続けているが、「その変異が、どの細胞で、どのように遺伝子発現に影響するか」は依然として解析の難所だ。AlphaGenome 2はその課題に直接答えようとする。

この記事はこんな人におすすめ
  • バイオインフォマティクスやゲノム研究に携わる研究者・大学院生
  • AI創薬や遺伝子疾患研究に関心のある製薬・バイオテック企業の担当者
  • DeepMindのAlphaシリーズ(AlphaFold、AlphaGenome)の動向を追うAI研究者
  • 疾患遺伝学・GWAS解析に取り組む臨床・基礎研究者

AlphaGenome 2とは何か:「条件付き予測」という根本的な変化

AlphaGenome(2026年1月公開、Nature掲載)は、約100万塩基対のDNA配列を入力として、遺伝子発現・ヒストン修飾・クロマチンアクセシビリティ・スプライシングなど数千の機能ゲノムトラックを一括予測するモデルだった。広範囲を高速に処理できる半面、予測は複数組織の実験データを統合した「平均値」に近いものだった。

AlphaGenome 2が変えたのは、この「平均値」という前提だ。入力にDNA配列と一つの細胞タイプまたは細胞状態を組み合わせることで、その条件に特化した予測を返す条件付きモデルになった(Google DeepMind Blog, 2026年11月)。

新たに加わった機能は三つある。

  1. 細胞タイプ別DNA変異予測:指定した細胞環境での変異効果を推定する
  2. DNAメチル化予測:旧版にはなかった後成的修飾の予測が可能になった
  3. 新規細胞状態への適応:研究者が自前のシングルセル実験データを与えると、ファインチューニングなしで未知の細胞状態の予測ができる

学習に使われたデータは1億以上の細胞プロファイル、カバーする組織・細胞タイプは68種類に上るとDeepMindは報告している(neurohive.io, 2026年11月)。

ベンチマーク:「30% vs 16%」が意味すること

DeepMindは発表に際し、TenK10K免疫細胞データセットを使ったベンチマーク結果を公開した。適合率90%の条件下で、因果変異の再現率が旧モデルの16%から30%へ改善したというものだ。

ただし、この数字の読み方には注意が必要だ。Genomics LimitedのPeter Donnelly氏は次のように述べている。「確かに印象的な進歩だが、論文の数字を見ると実際のヒット率は解析した680万変異のうち約2%に過ぎない」(Chemistry World, 2026年11月)。

つまり「旧モデルの2倍」という相対的な向上であり、絶対的には大量のFALSE NEGATIVE(見逃し)が残る。これはモデルの問題というより、ゲノム因果推論という問題の本質的な難しさを反映している。DeepMindはこのベンチマーク結果について、まだ査読前のプレプリント段階だと明記している。

応用の可能性:GWAS解析から創薬ターゲット特定まで

AlphaGenome 2が実際の研究ワークフローにどう組み込まれるかを理解するには、GWAS解析の「最後の1マイル問題」を把握する必要がある。

GWAS(全ゲノム関連解析)は疾患と関連する「ゲノム領域」を特定できる。しかし一つの領域に数百から数千の変異候補が存在し、そのうちどれが実際に因果的であるかは大量の実験なしに判断できなかった。AlphaGenome 2はこの絞り込みプロセスを加速する可能性がある。

DeepMindが公開した具体例が腸炎症性疾患だ。研究者たちはETS2遺伝子を過活性化する非コード変異を探していた。AlphaGenome 2は独立に同一の変異を上位候補として特定し、その効果が腸管マクロファージという細胞タイプに特異的だと予測した。これにより「何を、どの細胞で検証すべきか」というコストの高い実験設計を事前に絞り込める可能性が示された(i-scoop.eu, 2026年11月)。

ケンブリッジ大学のSarah Teichmann氏は「自前のシングルセル実験データを使って新規の細胞状態に対応できる適応性が特に興味深い」とコメントしており(Chemistry World, 2026年11月)、稀な疾患の研究など独自データセットを持つ研究者にとっての価値を示唆している。

DeepMindはさらに、身長から2型糖尿病まで数百の形質に関する変異候補について、細胞・組織別の予測結果を事前計算し、研究者向けに公開している。

光と影:制約と批判

AlphaGenome 2は明確な前進だが、いくつかの重要な制約がある。

計算コストの増大:旧版は数千の実験データを一括処理できたが、AlphaGenome 2は細胞タイプ一つにつき一度の予測が必要になる。DeepMindのŽiga Avsec氏は「旧モデルより実行コストが高い」と明言しており、ゲノム規模のアトラス生成には現時点で適していないとしている(Chemistry World, 2026年11月)。旧版のAlphaGenomeとそのアトラスはこれからも並行して維持される。

ベンチマークはDeepMind自社報告:「2倍の精度」を裏付ける独立した査読はまだ存在しない。PrePrintは公開されているが、同分野の研究者による再現実験や独立検証が出てくるのはこれからだ。

臨床利用は認められていない:DeepMindは「臨床または診断目的での検証・承認はない」と明記している。診断ツールとしての利用は不可だ。

複雑な変異への対応が課題:旧AlphaGenomeの評価論文が指摘するように、複数塩基にまたがる構造変異や複雑な対立遺伝子パターンへの対応は依然として研究課題として残る(Al-Murphy et al., 2026年4月)。

商用研究は制限あり:商用研究目的の利用はプライベートプレビュー段階にあり、自由にアクセスできるわけではない。

研究者向けアクセスの現状

現時点での利用フローは次の通りだ。

  • 非商用研究:AlphaGenome APIに登録すれば、ColabチュートリアルとAPIアクセスが利用可能(2026年11月11日より)
  • 追加リソース申請:11月30日まで使用ケースを申請すると、採択プロジェクトには追加クォータとクレジットが提供される
  • 商用研究:プライベートプレビュー。個別申請が必要

AlphaFoldがタンパク質構造予測の障壁を劇的に下げたように、AlphaGenome 2が非コードゲノム解析の「AlphaFold瞬間」になりえるかどうかは、今後の独立検証にかかっている。

AlphaGenome 2の主要スペック(2026年11月11日時点)
  • 発表日: 2026年11月11日(Google DeepMind)
  • 入力: DNA配列(約100万塩基対)+ 細胞タイプ/細胞状態指定
  • 学習データ: 1億以上の細胞プロファイル、68組織・細胞タイプカバー
  • 新機能: 細胞タイプ別変異予測、DNAメチル化予測、新規細胞状態への適応
  • ベンチマーク: TenK10K免疫細胞データセット、因果変異特定率30%(旧版16%)
  • アクセス: 非商用研究:AlphaGenome API(無料)、商用研究:プライベートプレビュー
  • 注意: 臨床・診断目的での利用は未承認

AI創薬の最前線をもっと知りたい方へ

AnthropicのClaudeを創薬に応用するMithril Medicineの取り組みや、Novo NordiskのAI創薬戦略など、ゲノムAIが実際の医薬品開発にどう活用されているかを詳しく解説した記事がある。

Anthropic×Mithril Medicineの希少疾患AI創薬を読む

関連記事


免責事項: 本記事はGoogle DeepMindの発表・論文および複数の報道をもとに作成した情報提供を目的とするものです。AlphaGenome 2は臨床・診断目的での検証・承認を受けておらず、医療判断の根拠として使用することは推奨されません。ベンチマーク数値はDeepMindの自社報告であり、独立した査読による確認が進行中です。最新情報はDeepMind公式ブログをご確認ください。

Share