Google DeepMind発表: ゲノム解析AI「AlphaGenome」とは？革新的DNA解析モデルの全貌

Google DeepMind発表: ゲノム解析AI「AlphaGenome」とは？革新的DNA解析モデルの全貌

Google DeepMindが開発したAlphaGenomeは、ゲノム配列の解読を一変させる新AIモデルです。1回に最大100万塩基対の長大なDNA配列を取り込み、数千種類の分子特性を予測します。これにより、これまで難しかったゲノムの遠隔制御領域や非コード領域を含む網羅的な解析が可能になります。DeepMindはAlphaGenomeを非商用研究者向けにAPI提供しており、将来的にはモデル自体の公開も予定しています。

研究背景として、DeepMindは遺伝子研究向けにこれまでProtein(AlphaFold)、ミスセンス変異解析(AlphaMissense)などAIで突破口を開いてきました。AlphaGenomeはこれらに続く最新モデルであり、エンコーダー–トランスフォーマ–デコーダーの階層構造（いわゆるU-Netスタイル）を採用し、100万塩基をパートごとに処理する技術を持ちます。DeepMind副社長のコメントにもあるように、AlphaGenomeはこれまで課題であった「ゲノム全体の理解」を一つのモデルで統合した点が画期的です。

1百万塩基を一度に解析：AlphaGenomeが切り開くゲノム全体を対象とした超長配列解析技術の革新

超長配列入力機能によって、AlphaGenomeは最大1,000,000塩基（1Mb）の連続配列を一度に処理します。従来モデルは長い配列と細かい塩基レベル精度の両立が困難でしたが、AlphaGenomeは両立を実現しています。高解像度（1塩基）で予測を出力しつつ、ゲノム全体の広範囲なコンテキストも考慮できるため、長距離相互作用を含む遺伝子制御領域の解析が可能です。

モデルアーキテクチャは、まず畳み込み層で局所的なパターンを検出し、トランスフォーマー層で全領域に情報を伝播させる方式を取ります。その後、デコーダーで1塩基単位の予測を復元します。この構造により、スプライシングサイトや転写因子結合部位など、微細なシグナルも捉えられます。実際、AlphaGenomeは以前のモデルBorzoi（50万塩基）に比べて性能が大幅に向上しており、一例としてeQTL予測で平均AUCを0.75から0.80に改善しています。

AlphaMissenseが見過ごす全ゲノム98％非コード領域を解析可能にするAlphaGenomeの革新技術

AlphaGenomeは、ゲノム配列の98％を占める非コード領域の解析に対応します。従来、AlphaMissenseなどはタンパク質を規定するコード領域（全ゲノムの約2％）に限っていましたが、AlphaGenomeは残りの98％を含む全ゲノムを対象とすることで、遺伝子調節領域の機能解明を目指します。非コード領域には遺伝子のオン・オフを調節するエンハンサーやプロモーターが数多く存在し、疾患変異の多くもこの領域に集中しています。AlphaGenomeの登場により、これら難解とされる配列の機能的意味づけが大きく進むと期待されています。

深層学習モデルとして、AlphaGenomeはENCODE、GTEx、4Dヌクレオームなどの大規模実験データを学習に用いており、遺伝子発現やクロマチンアクセスといった多様なモダリティを網羅しています。特にスプライシング解析では、従来のモデルが扱わなかったスプライスジャンクションの位置と強度を直接予測できる点が革新的です。これは希少疾患の原因となるスプライシング異常変異の機構解明に貢献するとされています。

遺伝子変異がもたらす影響を予測：AlphaGenomeのバリアント効果予測機能

AlphaGenomeは、DNA塩基配列のわずかな変異（バリアント）が遺伝子機能に与える影響を予測できます。一つの配列について通常と変異後を比較し、RNA発現量やスプライシングパターンなどさまざまな分子出力の違いを計算することで、その変異の効果スコアを迅速に算出します。この手法により、個別の変異が遺伝子発現を増減させるか、スプライシングを変えるか、という生物学的効果をモデルが推測できます。DeepMindの評価では、AlphaGenomeは既存のベストモデルと比べて、24種類中26のバリアント効果予測タスクで同等以上の性能を示しました。

例えば、AlphaGenomeはT細胞性白血病患者にみられる特定の非コード変異について、付近の転写因子結合モチーフの出現によりがん遺伝子が活性化される可能性を指摘しました。こうした予測は従来、時間のかかる実験解析でしか得られなかった知見を、コンピューター上でいち早く得られる点が大きなメリットです。

11種類のゲノムプロセスを同時予測：AlphaGenomeのマルチモーダル性能

AlphaGenomeは、多様な分子現象を同時に予測できる点が特徴です。RNAシーケンス（発現量）、CAGEやPRO-cap（遺伝子発現開始部位）、各種ヒストン修飾、転写因子結合、クロマチンアクセスなど、合計11種類の主要ゲノムプロセスを1つのモデルで解析します。これらにより、遺伝子の開始点からスプライシング、RNA生成量、さらには染色体ループ構造（コンタクトマップ）に至るまで、ゲノム機能の多層的予測が可能になっています。

マルチタスク学習の成果として、AlphaGenomeは2025年のNature論文で「22/24のトラック予測と25/26のバリアント予測タスクでSOTA性能」を達成したと報告されています。モデル出力は人間で5930トラック、マウスで1128トラックに及び、128塩基や2048塩基といった複数スケールで高精度な予測を行います。このように、AlphaGenomeは多岐にわたる出力を一度に学習し、異なる種類の遺伝子制御機構を同時に扱える点が大きな強みです。

研究・創薬を加速するAlphaGenome：疾患リスク解明とターゲット発見への貢献

AlphaGenomeは、遺伝性疾患やがん研究の加速に寄与するツールと期待されています。疾患原因となる遺伝子制御領域の発見を支援し、新規治療標的の探索に役立ちます。例えば、AlphaGenomeによって予測される分子スコアを用いれば、数千の変異中から本質的に疾患に関与する変異を絞り込み、実験検証の優先順位を定めることが可能です。

また、合成生物学への応用も期待されます。特定の細胞でのみ遺伝子を活性化させる人工DNA設計や、必要な遺伝子発現パターンを狙った配列デザインにAlphaGenomeが活用できるとされます。基礎研究面では、ゲノム配列上の重要な制御エレメントを迅速にマッピングし、その役割を定義することでゲノムの理解を深める手助けになります。実際、がん細胞の非コード変異を解析し、疾患関連遺伝子の活性化メカニズムを予測した事例も報告されており、研究効率の飛躍的向上が期待されています。

AlphaFoldに続くDeepMindのゲノムAI戦略：AlphaGenomeが切り拓く新時代

DeepMindのAI研究は、AlphaFold（タンパク質構造予測）から始まり、AlphaMissense（変異予測）を経て、今回のAlphaGenomeへと続いています。これらのモデルは、人間の生物学的設計図であるDNAやタンパク質の「暗号」を解読する道具として位置付けられており、科学の根幹に迫る試みです。プッシュミート・コーリ氏も「ゲノム理解に伴う課題を統合した単一モデルを初めて作り上げた」と述べており、AlphaGenomeはDeepMindのバイオAI戦略の新たな礎となります。

業界においても、AlphaGenomeは画期的な意義を持ちます。AlphaFoldが構造予測を可能にし新薬創出に大きく貢献したように、AlphaGenomeは遺伝情報解析をAIによって精密に行う技術です。DeepMind以外にも企業・研究機関がゲノム解析AIを開発していますが、AlphaGenomeはその中でも長いシーケンス対応と高解像度、および多モダリティ対応を同時に満たす点で際立っており、今後の市場・研究競争をリードすると見られています。

非営利研究向けAPI提供：AlphaGenomeを活用する研究コミュニティの展望

AlphaGenomeはすでに非商用利用に限り、API経由で一般公開されています。研究者はGitHub上のドキュメントを参照し、専用APIを介してAlphaGenomeを自分の研究に応用できます。DeepMindは診断用等の臨床利用は意図しておらず、研究目的での使用を促進しています。利用には登録が必要であり、現在はプレビュー版として提供され、将来的にモデルの詳細も公開予定です。

コミュニティ面では、AlphaGenome専用フォーラムが設置され、研究者同士が情報共有や利用アイデアを議論できる場が用意されています。また、研究コードはオープンソースでGitHubに公開されており、誰でもモデルの内部構造や訓練手法を確認できます。これらの仕組みを通じて、世界中の生命科学コミュニティがAlphaGenomeを活用し、ゲノムデータ解析の手法開発や新たな発見につなげることが期待されています。

Nature掲載論文の要点：AlphaGenome研究が示す新たなゲノム理解

2026年1月、Science誌Natureに掲載された論文では、AlphaGenomeの詳細な成果が報告されています。モデルはHumanとMouse合わせて合計5,930のゲノムトラックを予測し、エンコーダー・トランスフォーマ・デコーダーで構成されています。実験では、AlphaGenomeが22/24の予測タスクで最先端性能を達成し、変異効果予測でも多数のデータセットで精度向上を示しました。論文中では、シーケンス長や分解能、知識蒸留の影響について詳細に解析し、今後のモデル設計の指針を示しています。

また、AlphaGenomeの成果は「DNAの設計図を読むための強力な基盤」を提供するものと評価されています。DeepMindは論文と合わせてモデルと重み、APIを公開し、研究コミュニティでの活用を促しています。今後は学習データのさらなる拡充や他種への適用など、AlphaGenomeの展開が期待されています。いずれにせよ、Nature論文で示されたように、AlphaGenomeはゲノム規模の配列機能解明に向けた重要なステップであることが明確になっています。