AlphaGenome Atlas公開 DNA変異90億通りをAI予測

Google DeepMindは2026年9月8日、大規模データベース「AlphaGenome Atlas」を公開しました。ヒトゲノム上で起こりうる点変異の影響を予測したものです。点変異とは、DNAを構成する塩基配列のうち、たった一文字だけが別の文字に置き換わる変化です。対象となる変異は約90億通りにのぼります。同社のゲノム予測AI「AlphaGenome」の計算結果をあらかじめまとめたもので、研究者は自分でモデルを動かさずに変異の影響をすぐ調べられます。希少疾患の原因遺伝子探索や創薬研究を後押しする狙いです。

背景と文脈
技術/ビジネス面
これからどうなるか
まとめ
参考リンク

背景と文脈

ヒトゲノムは約31億塩基対のDNA配列からなり、病気の原因になる変異の多くは点変異として現れます。ただし、これまでのAI予測ツールの多くは、タンパク質の設計図として使われるコード領域（ゲノム全体のわずか2%程度）だけを対象にしていました。残り98%の非コード領域は、遺伝子のスイッチのような役割を果たすことが分かってきています。にもかかわらず、その変異の影響を予測する手段は限られていました。

DeepMindは2025年6月、この非コード領域も含めて変異の影響を予測できるAIモデル「AlphaGenome」を発表しました。遺伝子の働き方や、DNAが読み取られやすいかどうか、遺伝子のスイッチとなるタンパク質の結合位置などを予測します。最大100万塩基対の長さのDNA配列を対象に、高い精度で予測できるのが特徴です。2026年1月にはNature誌で詳細が論文化され、非商用向けにソースコードも公開されました。とはいえ、変異1件ごとにモデルを実行するには相応の計算資源が必要で、誰もが気軽に試せる状況ではありませんでした。

技術/ビジネス面

woman wearing white lab coat holding brown bottle and glass tube — Photo by Bee Naturalles on Unsplash

AlphaGenome Atlasは、この計算コストの壁を取り払うために作られました。DeepMindがAlphaGenomeモデルを使い、ヒトゲノム上で理論上起こりうる一塩基変異をほぼ網羅的に計算。その結果を1ペタバイト規模のデータセットとしてまとめています。これはタンパク質の立体構造を予測するデータベースAlphaFold Databaseの30倍以上の規模にあたります。

目玉となるのが「AVI（AlphaGenome Variant Impact）スコア」という新指標です。ある変異が遺伝子の働きにどれだけ影響しそうかを、単一の数値で示します。コード領域・非コード領域のどちらにも対応し、変異が病気の原因になりやすいかを判定する複数のベンチマーク（評価基準）で高い性能を示したといいます。

実際の活用例も紹介されています。米ブロード研究所のGREGoR Consortiumは、てんかん性脳症の患者でAVIスコアが高い変異を手がかりに、DNM1という遺伝子の変異を特定。実験で、この変異がRNAの不要な部分を取り除くスプライシングという工程の目印（スプライス部位）を誤って作ってしまうことを確認しました。英エクセター大学のチームは、約5万4000人分のUK Biobankのデータを使い、非コード領域の変異と遺伝子の関連を従来より22%多く見つけたと報告しています。データはウェブポータルで無料公開されているほか、GitHub経由のAPIでも取得可能。AIエージェント環境「Google Antigravity」のスキルとしても組み込まれ、Google Cloud経由の商用提供も予定されています。

これからどうなるか

AlphaGenome Atlasは、研究者が変異解析のたびにAIモデルを動かす手間と計算コストをなくします。希少疾患の原因遺伝子探索や創薬の標的探しを加速させる可能性があります。ゲノムデータは日々増え続けており、事前計算済みのスコアを検索するだけで済む仕組みは、特に計算資源が限られる研究チームにとって効果は大きいでしょう。

開発者視点でも見逃せない動きです。AlphaGenomeのようなゲノム予測モデルがAPIとして公開されれば、バイオテック系のプロダクトは恩恵を受けやすくなります。大規模なGPU基盤を自前で持たなくても、既存の解析パイプラインにAVIスコアの呼び出しを組み込むだけで、変異評価機能を実装できるからです。遺伝子検査サービスや創薬支援SaaSが、モデルの再学習なしに機能を追加できる時代が近づいています。一方で、現状は研究用途限定で医療診断への直接利用は想定されていません。商用利用の条件や、他のゲノム予測AIとの競合動向は注視が必要です。