はじめに
DNAは「4種類の文字」で書かれた生命の設計図ですが、その1文字が変わると何が起きるのかを、実験だけで調べ尽くすことは現実的ではありません。Google DeepMindが2026年9月8日に発表した「AlphaGenome Atlas」は、この課題に対して、人間のゲノムで起こりうる1文字の変化(一塩基変異)をすべてAIで予測し、カタログ化したものです。本記事では、公式ブログと公式ドキュメント、論文をもとに、その仕組みと使い方を整理します。
AlphaGenome Atlas とは
Google DeepMind公式ブログによると、AlphaGenome Atlasは、ヒトゲノムで起こりうる90億件の一塩基変異(1文字の置き換えのすべて)について、その分子レベルの影響を予測した結果をまとめたプラットフォームです。遺伝子変異が分子生物学に与える影響を網羅した、最も包括的なカタログとされています(AlphaGenome Atlas: A predictive map of every possible DNA letter change in the human genome | Google DeepMind)。詳細は同ブログで公開されている論文にまとめられています(AlphaGenome Atlas 論文(PDF))。
90億という数字は、ヒトゲノムが約30億塩基対とされることから、各位置で他の3種類の文字に置き換わるパターンを数え上げたものに相当します。
土台になっている「AlphaGenome」の仕組み
Atlasの予測を生み出しているのは、Google DeepMindが2025年6月25日に発表したAI「AlphaGenome」です。この研究は2026年1月に学術誌Natureにも掲載されました(AlphaGenome: AI for better understanding the genome | Google DeepMind、Advancing regulatory variant effect prediction with AlphaGenome | Nature)。
公式ブログによると、AlphaGenomeの特徴は次のとおりです。
| 項目 | 内容 |
|---|---|
| 入力 | 最大100万文字(塩基対)の長いDNA配列 |
| 出力 | 調節活動を表す数千の分子的な性質。遺伝子の開始・終了位置、RNAのスプライシング、RNAの産生量、DNAの開きやすさ、DNA同士の近さ、タンパク質の結合位置など |
| 予測の解像度 | 1文字単位 |
| 学習データ | ENCODE、GTEx、4D Nucleome、FANTOM5といった公的コンソーシアムが実験で測定した、人間とマウスの数百種類の細胞・組織のデータ |
| モデル構造 | 短いパターンを検出する畳み込み層、配列全体で情報をやり取りするTransformer、予測に変換する最終層の組み合わせ。学習時は複数のTPUに計算を分散 |
| 学習コスト | 蒸留を除く1モデルの学習が4時間、従来モデルEnformerの半分の計算予算 |
| 変異のスコアリング | 変異を入れた配列と入れていない配列の予測を比較し、変異の影響を約1秒で評価 |
| スプライス部位の予測 | RNAのスプライシングで切り貼りされる位置と発現量を、配列から直接予測できる。脊髄性筋萎縮症や一部の嚢胞性線維症など、スプライシングの誤りが原因の希少疾患に関わる |
従来のモデルは配列の長さと解像度のどちらかを諦める必要がありましたが、AlphaGenomeは長さと1文字単位の解像度を両立させている点が特徴です。
性能面では、公式ブログによると、単一のDNA配列の予測では24件の評価のうち22件で外部の最良モデルを上回りました。変異が遺伝子の調節に与える影響の予測では、26件の評価のうち24件で外部のトップモデルと同等以上でした。比較対象には特定のタスクに特化したモデルも含まれており、評価したすべての種類の予測を1つでこなせたのはAlphaGenomeだけだった、と説明されています。
具体例としては、T細胞性急性リンパ芽球性白血病(T-ALL)の患者で見つかっていた変異を取り上げています。AlphaGenomeは、この変異がMYBという因子の結合パターンを作り出し、近くの遺伝子TAL1を活性化させることを予測し、すでに知られていた発症の仕組みを再現しました。
なぜ「全部予測」する必要があったのか
AlphaGenome単体でも、特定の変異を分析するのには役立ち、研究の現場で広く使われてきました。一方で、研究者にゲノム全体を俯瞰した見取り図を提供したい、という狙いがあったとのことです。あらかじめ全変異の予測を計算して公開することで、必要なときに検索するだけで結果が引ける「地図帳(Atlas)」にした、というのが公式ブログの説明です。
ヒトゲノムのうち、タンパク質の設計図にあたる領域は約2%にすぎません。残りの約98%は、遺伝子のオン・オフや強弱を調整する「制御盤」の役割を担い、体質や病気に関わる変異の多くはこの領域に含まれるとされています。この領域の変異を計算で予測するツールは、タンパク質をつくる領域に比べて限られてきた、という研究者の声も紹介されています。Atlasはタンパク質をつくる領域(コーディング)と制御領域(ノンコーディング)の両方を対象にしている点が特徴です(AlphaGenome | Google DeepMind)。
規模: 1PBのデータセット
公式ブログによると、AlphaGenome Atlasは1ペタバイトのデータセットで、AlphaFold Database(タンパク質の立体構造予測を集めたデータベース)の30倍以上の大きさです。AlphaFold Databaseは、2022年にほぼ100万件から2億件を超える構造予測へと拡張されました(AlphaFold reveals the structure of the protein universe | Google DeepMind)。Atlasの公式ブログは、このデータベースのように、コーディングの知識がなくても直感的に探索できる資源にしたい、という狙いを述べています。
4つのリソースで構成される
Atlasは、互いに連携した次の4つのリソースで構成されています。
| リソース | 内容 |
|---|---|
| 分子効果の予測 | 各変異について、遺伝子制御に関わる複数の側面(人間とマウスの数百種類の細胞・組織にわたる)の予測を数千件ずつ収録 |
| AVIスコア | 各変異の影響の大きさを表す、1つの数値 |
| AVIの特徴量寄与 | AVIスコアを押し上げている生物学的要因(RNAスプライシングや遺伝子発現への影響など)を示す情報 |
| DNA配列モチーフ | ゲノムの「単語」にあたる、繰り返し現れる2,500以上のDNA配列とその位置 |
このうち中核になるのがAVI(AlphaGenome Variant Impact)スコアです。AlphaGenomeと、タンパク質を変化させる変異の影響を予測する別のモデル「AlphaMissense」の予測を組み合わせ、1つの数値に凝縮したものです。研究者は膨大な変異を影響の大きい順に並べ替えつつ、その分子レベルの効果も同時に確認できます。Google DeepMindの検証では、多くの変異の病原性や希少疾患のベンチマークで、最高水準の性能を示したとされています。
AlphaMissenseは、AlphaFoldをもとに開発された、アミノ酸を1つ置き換える「ミスセンス変異」の病原性を予測するモデルです。公式ブログによると、7100万件のミスセンス変異の影響を予測し、既知の疾患変異のデータベースで90%の精度が得られる閾値を用いた場合に、変異の89%を分類できたとされています(A catalogue of genetic mutations to help pinpoint the cause of diseases | Google DeepMind)。AlphaGenomeの発表ブログによると、AlphaMissenseは、ゲノムの約2%にあたるタンパク質をつくる領域内の変異を得意とします。これに、制御領域(約98%)も含めて予測できるAlphaGenomeを組み合わせることで、AVIスコアはゲノム全体をカバーします。
実際の活用事例
公式ブログと公式サイトでは、外部の研究機関がAtlasを使って得た成果が紹介されています。
| 研究機関 | 取り組み | 成果 |
|---|---|---|
| Broad Institute / GREGoR Consortium | 原因不明の希少疾患について、AVIスコアで候補変異を絞り込み | 過去の研究で見過ごされていた、てんかん性脳症に強く関連する遺伝子DNM1の変異を特定。誤ったスプライス部位を作り、タンパク質が異常に伸びていたことが予測され、その後の実験でも裏付けられた |
| エクセター大学 | 英国バイオバンクの5万4千人超の全ゲノムデータで、まれなノンコーディング変異と体質の関連を解析 | 予測される分子効果で変異をグループ化することで、統計的なノイズに埋もれていたノンコーディング領域の関連を22%多く検出。ある領域では、526件の候補が4件の変異に絞り込まれた例もある |
| Stowers Institute for Medical Research | ゲノムの「調節の単語」にあたるモチーフの分類 | 転写因子のうち、DNAの開きやすさだけに影響するものと、遺伝子のオン・オフにも関わるものを整理 |
| コペンハーゲン大学 | アルツハイマー病のリスク変異の作用経路の解析 | 遺伝的リスクのシグナルが、脳だけでなく免疫や代謝に関わる組織を通じて作用していることを示す結果 |
エクセター大学の例では、BMI(体格指数)との関連を調べるために、Atlasが最も影響が大きいと予測した上位1%のノンコーディング変異に絞って解析し、19の遺伝子領域を特定したとも紹介されています。
使い方: 4つの入り口
公式サイトによると、AlphaGenomeの利用方法は次の4種類です。
| 入り口 | 概要 |
|---|---|
| Atlas Webポータル | 無料で使えるインタラクティブなポータル。コーディングの知識は不要。非商用の学術研究向けに、公開日から利用可能 |
| AlphaGenome API | GitHubで公開されているAPI(google-deepmind/alphagenome)。大規模なワークフローを回す計算生物学者向け。非商用の研究用途 |
| Google Antigravity上のSkill | AIアシスタントからAtlasのデータセットに直接アクセスし、変異の優先順位付け、影響の説明、チャット内での可視化ができる |
| Google Cloud(Model Garden) | 商用・エンタープライズ向け。Gemini Enterprise Agent PlatformのModel Gardenからデプロイして使う |
なお、AlphaGenomeのモデル自体も、Nature論文の公開にあわせてGitHubで公開されています(google-deepmind/alphagenome_research)。
Google Cloud側の位置づけについては、公式ドキュメントに次のような記載があります(AlphaGenome | Gemini Enterprise Agent Platform | Google Cloud Documentation)。
- AlphaGenomeはGAだが、アローリスト制。利用するには申請フォームの提出が必要
- デプロイにはNVIDIA A100またはH100を搭載した構成が必要で、最低1ノードから利用できる
- 入力が最大100万塩基対と長く、深いアーキテクチャのため、ハードウェアとメモリの要件が厳しい(公式ドキュメントでは「1 MBのコンテキストウィンドウ」と表記されていますが、ここでの「MB」は100万塩基を表す単位で、データ容量のメガバイトではありません)
なお、Atlasそのものの商用利用については、公式ブログでは「Google Cloudで近日中に提供予定」とされています。ベースモデルのAlphaGenomeがModel Gardenで商用利用できる状況とは区別する必要があります。
注意点: 臨床診断には使えない
公式ブログ、公式ドキュメントのいずれにも、AlphaGenomeおよびAlphaGenome Atlasは研究用のツールであり、臨床診断への利用は想定・承認されていない旨が明記されています。提供される情報は、専門家による医学的助言や診断、治療の代わりになるものではありません。
このほか、AlphaGenomeの発表ブログでは、現時点の限界として次の点が挙げられています。
| 限界 | 内容 |
|---|---|
| 遠く離れた調節領域 | 10万文字以上離れた調節領域の影響を正確に捉えるのは、他の配列ベースのモデルと同様に今も課題 |
| 細胞・組織ごとの違い | 細胞や組織に固有のパターンを捉える能力の向上が今後の課題 |
| 個人のゲノム予測 | 個人のゲノム全体の予測向けには設計・検証されていない。個々の遺伝子変異の性能を評価することに重点を置いている |
| 複雑な形質や病気の全体像 | 分子レベルの結果は予測できても、発達や環境要因などを含む、変異が複雑な形質や病気につながる全体像までは捉えられない |
まとめ
- AlphaGenome Atlasは2026年9月8日に発表された、ヒトゲノムの90億件の一塩基変異すべてについて分子レベルの影響を予測したカタログ
- 土台は2025年6月に発表されたAlphaGenomeで、最大100万文字の配列を1文字単位の解像度で解析し、2026年1月にNatureにも掲載された
- 1ペタバイトのデータセットで、AlphaFold Databaseの30倍以上の規模
- タンパク質をつくる領域(約2%)だけでなく、制御を担う領域(約98%)も対象にしている
- 「AVIスコア」は、AlphaGenomeとAlphaMissenseの予測を組み合わせ、膨大な変異を影響の大きい順に並べ替えられる。寄与した生物学的要因も併せて確認できる
- 希少疾患の原因変異の特定や、まれな変異と体質の関連の解析などで、外部の研究機関での成果が報告されている
- 非商用ならWebポータル、商用ならGoogle CloudのModel Gardenが入り口。ただしAtlasの商用提供は「近日中」で、ベースモデルはアローリスト制
- 研究用ツールであり、臨床診断には使えない。遠く離れた調節領域や個人のゲノム予測などの限界も公式に示されている
ゲノム解析にAIがどう使われ始めているかを知りたい方の参考になれば幸いです。
参考リンク
- AlphaGenome Atlas: A predictive map of every possible DNA letter change in the human genome | Google DeepMind
- AlphaGenome Atlas 論文(PDF)
- AlphaGenome: AI for better understanding the genome | Google DeepMind
- Advancing regulatory variant effect prediction with AlphaGenome | Nature
- AlphaGenome | Google DeepMind
- AlphaFold reveals the structure of the protein universe | Google DeepMind
- A catalogue of genetic mutations to help pinpoint the cause of diseases | Google DeepMind
- google-deepmind/alphagenome | GitHub
- google-deepmind/alphagenome_research | GitHub
- AlphaGenome | Gemini Enterprise Agent Platform | Google Cloud Documentation
本記事は2026年9月時点の公式情報をもとにまとめています。AtlasのGoogle Cloudでの商用提供は今後の予定であり、仕様や提供条件は変更される可能性があります。実際の利用を検討される際は、最新の公式情報をご確認ください。