AlphaGenome 2、少数の細胞データだけで変異の影響を予測

「この遺伝子の変異が、糖尿病などの病気のリスクに関わる」という報道を見たことがある人は多いだろう。ただ、その変異が体のどの細胞で実際に働いているのかまで書かれていることは少ない。人の体には何百種類もの細胞があり、同じDNAでも細胞ごとに使っている部分が違うからだ。

Google DeepMindは2026年11月11日、「AlphaGenome 2」を発表した。このAIモデルは、研究者が手元に持つわずかな細胞データだけで、変異がどの細胞に効くのかを予測できるようにする。何が難しかった点をどう変えたのか、順番に見ていく。

細胞ごとの予測が難しかった理由

DeepMindは2025年6月に、DNA配列から遺伝子の働きを予測する「AlphaGenome」を発表していた。最大100万塩基のDNA配列を読み込み、多数の組織についての予測を一度に並列で出す仕組みだった。

この方式には弱点があった。公式ブログによると、計算資源が多数の組織へ広く分散するため、近い細胞種どうしの違いを捉えにくい。たとえば同じ免疫細胞でも、マクロファージとT細胞では働き方が違う。この違いまで読み分けるのが、並列予測の苦手なところだった。ある変異を特定の細胞種について詳しく調べたい場合、その細胞のデータでモデルを再学習(ファインチューニング)する必要があった。知りたい細胞種が変わるたびに、モデルを作り直す作業が発生していたことになる。

条件を1つずつ渡す設計に変えた

AlphaGenome 2は、ここを設計から変えた。公式ブログは次のように説明している。

“Instead of predicting in parallel, AlphaGenome 2 is a conditional model that predicts DNA effects for one condition at a time.”

多数の組織を同時に予測するのではなく、組織・細胞種・細胞の状態という「条件」を1つ受け取る方式にしたということだ。条件づけモデルと呼ばれ、その条件のもとでDNAの効果を予測する。条件は、あらかじめ用意されたカタログから選ぶこともできるし、研究者自身が持つ一細胞実験のデータから作ることもできる。

後者が実務上の変化を生む。一細胞RNA-seq(scRNA-seq)は、1つ1つの細胞についてどの遺伝子が働いているかを読み取る実験手法だ。研究者がこの手法で得た数十個程度の細胞のデータをアップロードすると、その遺伝子活性は細胞状態の表現に圧縮される。これがそのままモデルの条件として使われる。公式ブログは、この仕組みによってAlphaGenome 2が再学習なしにまったく新しい一細胞実験へ対応できるとしている。つまり、新しい細胞種を調べたいとき、以前はその細胞専用にモデルを作り直す必要があったが、今は条件を差し替えるだけで同じモデルが対応する。

この条件づけモデルは、ヒトとマウスの1億700万件を超える細胞プロファイル、68組織分のデータで学習させたという。あわせて、遺伝子のオン・オフに関わる「DNAメチル化」も、新たに予測できる対象に加わった。

免疫細胞での検証ではほぼ2倍

数値に表れた変化

仕組みを変えた結果が、数字にどう表れたか。DeepMindは、免疫細胞28種類の一細胞データ(TenK10K)を使って、原因となる変異を正しく特定できた割合を検証している。

棒の高さの通り、原因変異を言い当てられた割合はほぼ倍になった。遺伝子の働きが上がるか下がるかという方向まで正しく当てた割合も、23%から43%に上がっている(公式ブログ)。自分は「多少は上がるだろう」くらいに予想していたので、ほぼ倍増という数字には驚いた。条件づけという設計変更は、看板の掛け替えではなかったことになる。

ETS2が暴走する腸の変異

この検証結果を具体的な病気で裏付ける例として、公式ブログは炎症性腸疾患(IBD)を挙げている。2024年にNatureで報告された研究がある。遺伝子から離れた場所にある調節領域の変異が、腸のマクロファージという免疫細胞で「ETS2」という遺伝子を過剰に働かせ、IBDを引き起こすという内容だ。

AlphaGenome 2は、腸にある複数の免疫細胞群にわたってこの変異の効果を計算した。その結果、腸のマクロファージだけでETS2を選択的に押し上げ、他の細胞種や他の遺伝子にはほとんど影響しないという、既存の研究結果と同じ答えを導いている。ここで示されたのはあくまで計算上の再現であり、DeepMind自身が新たに実験で確かめたわけではないと公式ブログは明記している。

似た例もある。新型コロナワクチン研究の未知の一細胞データを使い、ワクチンで活性化したT細胞と休んでいるT細胞を区別した。さらに、重症化に関わる変異の影響が、活性化した細胞でより強く出ることも示したという。

今使えるのは研究者向けAPIまで

AlphaGenome 2は、非商用の研究目的であれば、発表した時点からAPI経由ですぐ試せる。商用の研究利用は限定的なプレビュー提供にとどまり、一般提供はこれからになる。Google Antigravity向けのスキルも近日公開予定とされているが、時期は明らかにされていない。価格についての記載もない。DeepMindは11月30日を締め切りに利用事例の募集も始めており、選ばれると追加の利用枠が得られる可能性があるという。

公式ブログは、すでに動き出している連携先にも触れている。英Genomics PLCは自社の解析プラットフォーム「Mystra」へAlphaGenome 2を組み込む計画を明かしている。英Wellcome Sanger Instituteとの共同研究も進んでいるという。研究用の道具として、発表直後から実務に持ち込まれ始めていることがうかがえる。

免疫細胞に限らない広がりもある。DeepMindは、身長や2型糖尿病のような複合的な形質に関わる変異についても、数百の細胞・組織条件にわたる予測値をあらかじめ計算して公開した。対象はGWAS(ゲノムワイド関連解析)で見つかった変異だ。GWASは、どのDNA領域がその形質に関わるかを広く示す一方、原因となる変異や働いている細胞種までは絞り込みにくい手法だ。この事前計算データは、その絞り込みを助ける目的で用意されたという。

研究用途であっても線引きはある。公式ブログは、AlphaGenome 2が研究目的専用であり、臨床診断や治療方針の判断に使えるだけの検証・承認は受けていないと明記している。数字の上では原因変異の特定率がほぼ倍になったとはいえ、見つかった候補をそのまま医療判断に持ち込めるわけではない。

まとめ

AlphaGenome 2は、DNAの効果を多数の組織で一度に予測する方式から、組織・細胞種・状態という条件を1つずつ受け取る方式に設計を変えた。この変更によって、研究者は数十個程度の自前の細胞データをアップロードするだけで、モデルを再学習せずに新しい細胞種での変異予測に対応できるようになった。免疫細胞28種類での検証では原因変異の特定率が16%から30%とほぼ倍になり、炎症性腸疾患の例では既存の研究結果を計算だけで再現してみせた。今はまだ非商用の研究者向けAPIで試せる段階で、商用展開や臨床応用はこれからの話になる。