GoogleのAIがDNA変異を細胞単位で読み解く

AlphaGenome 2が解こうとしている問いは、一見シンプルだ。「このDNA配列の変異は、体にどんな影響を与えるか」。しかし実際には、同じ遺伝子変異でも、それが神経細胞で起きるのか、肝細胞で起きるのかによって、影響はまったく異なる。これが従来の予測モデルの限界だった。細胞の「文脈」を無視した予測は、研究現場では使いにくいものになりがちだった。

Google DeepMindが発表した「AlphaGenome 2」は、この問いに正面から答えようとしている。1億を超える細胞データで学習したこのモデルは、「特定の細胞の種類や状態」を条件として指定した上で、DNA変異が遺伝子発現にどう影響するかを予測できる。たとえば「この変異は、炎症状態にある免疫細胞でどう働くか」といった問いが、モデルへの入力になりうる。

発表によると、疾患に関わる遺伝子変異の特定精度は前世代モデルから大幅に向上しており、特にゲノムワイド関連解析（GWAS）で検出される疾患関連変異の解釈精度が改善されたとされている。長年「統計的に疾患と関連するが、なぜ関連するかわからない」変異が山積していた研究現場にとって、これは実務レベルの前進を意味する。

AlphaFoldがタンパク質の立体構造予測を塗り替えたように、AlphaGenome 2はゲノム解釈のフェーズで同様の役割を担おうとしている。ただし注目したいのは「予測精度の向上」だけではない。モデルが細胞の種類・状態を条件に取れるようになったことで、研究者は「どの細胞で何が起きているか」という仮説をAIに肩代わりさせる回路ができ始めた点だ。

従来、遺伝子変異から疾患メカニズムを推定するには、湿式実験（実際に細胞を使った検証）を繰り返す必要があった。AlphaGenome 2のような計算モデルが高精度化することで、「実験前にAIでスクリーニングし、有望な仮説だけを実験で検証する」というワークフローが現実味を帯びてくる。創薬コストの大半は「外れ仮説の検証」に使われているという構造を考えると、ここへの影響は小さくない。

AIがひとりで量子アルゴリズムを発見する時代へでも触れたように、AIが「答えを出すツール」から「仮説を立てるパートナー」へとシフトする流れは、科学研究の複数領域で同時進行している。AlphaGenome 2はその最前線の一例として見ておくべき動きだ。

AlphaGenome 2は、非営利目的に限りAPI経由での利用が可能とされている。これは研究者・学生・個人の探究者にとって、ゲノム予測モデルに直接触れる窓口が開いたことを意味する。

ただし「非営利目的」の範囲には注意が必要で、企業内での利用や商業的な応用は対象外となる。学術研究・個人学習・非営利の医療研究プロジェクトなどが主な想定利用者と読むのが妥当だ。

一方で、このモデルを「直接使う」層よりも、このモデルの出力を活用したサービス・ツールが今後登場してくることを注視するという視点もある。AlphaFoldの構造予測データが公開されたことで、それを使ったスタートアップや研究プロジェクトが爆発的に増えたように、AlphaGenome 2のAPIも「上に乗るアプリケーション層」の起爆剤になる可能性がある。