Google、ヒトゲノム全一塩基変異を評価する「AlphaGenome Atlas」を発表

AlphaGenome Atlasとは

Googleは2026年9月、ヒトゲノムで起こりうるすべての一塩基変異の影響を予測しようとするリソース「AlphaGenome Atlas」を発表しました。ヒトゲノムは約30億塩基で、参照ゲノムに存在しない残り3種類の塩基を各位置で試すと、合計90億塩基をAlphaGenomeに通す計算になります。個々の変異を研究者が都度調べるのではなく、あらかじめ網羅的に計算しておく試みだと位置づけられます。

AlphaGenomeは、タンパク質をコードしない「非コードDNA」の潜在的な機能を推定するために設計されたソフトウェアです。非コード領域はヒトゲノムの大半を占めますが、そのすべてが機能を持っているわけではありません。どこが実際に働いているのかを見分けることは、長く生物学の課題とされてきました。

記事は、この解析が事前計算として使える点を挙げています。配列解析で見つかった変異が意味を持つのかを即座に把握したり、ゲノム全体から特定の影響を持つ変化を探したりできるという利点です。ただし、こうした情報の多くは、モデルの学習にも使われたENCODEデータセットを見るだけでも得られた可能性があると指摘しています。

非コードDNAの難しさ

ヒトゲノムのうちタンパク質をコードする領域は3%未満で、残りの大半は非コード領域です。非コード領域には、染色体を均等に分配するのに役立つセントロメア、染色体の末端を保護する構造、遺伝子の活動を制御する調節DNA、成熟したメッセンジャーRNAに何を含めるかを決める信号などが含まれます。DNAが細胞内でどのように収納されるかを制御する配列もあります。

しかし、非コードDNAの大部分はいわゆるジャンクで、古代のウイルス感染の痕跡やDNAレベルの寄生体、変異によって不活化した遺伝子などの寄せ集めです。有用な配列とそうでない配列を見分けるのが難しい理由はいくつかあります。

DNAに結合するタンパク質は、結合する配列をそれほど選り好みせず、ゲノム上にランダムに結合しうるうえ、ある程度の変異も許容します。しかもそうしたタンパク質の種類は細胞のタイプごとに異なり、肝細胞、神経細胞、免疫細胞では顔ぶれが変わります。狭い範囲に多くの結合部位がまとまって存在することのほうが、個々の部位の有無より重要になる場合も多いとされています。

何が新しく、何が限界か

Googleは、不正確で文脈への依存が大きい確率的な問題をAIが得意とする領域ととらえ、配列の機能的可能性を評価するAIシステムAlphaGenomeを開発しました。記事によれば、AlphaGenomeは遺伝子発現、転写開始、クロマチンのアクセシビリティ、ヒストン修飾、転写因子の結合、クロマチン接触マップ、スプライス部位の利用、スプライスジャンクションの座標と強度などを識別しようとするものです。ただし対象は現時点でマウスとヒトの配列に限られ、学習に使われた細胞種も、生物学者が詳しく調べてきた限られたものにとどまります。

それでも、研究対象の遺伝子の非コード領域に変化が見つかったとき、その重要性の見当をつけたり、なぜそうなるのかという仮説を得たりする用途には使えると記事は述べています。予測精度は、専用のソフトウェアツールと同等かそれ以上であることが一般的だといいます。一方で、生物学者が本格的に使い始めるまでは、学習データから得られる以上の何かをAlphaGenomeが提供できるのかは明らかにならない、というのが記事の見方です。

参照ゲノムとのずれ

Googleが基準として使った参照ゲノム配列を、地球上の誰も持っていない可能性が高いと記事は指摘します。私たちはそれぞれ数百万塩基の違いを持ち、挿入、欠失、重複、反転した配列の組み合わせも抱えているとみられます。それらの多くは機能的な意味を持たない配列にあるため、影響はありません。

逆に、機能を持たない配列であっても、全人類で同じものが多く存在します。共通祖先から十分な時間が経っていないため、変化が蓄積していないからです。結果として、Googleが評価した変異のうち、実際のヒトゲノムに現れ、かつ機能的に意味を持つものはごく一部になるとみられます。

では何の役に立つのか。一つは事前計算による即時参照、もう一つはゲノム全体からの検索です。より大きな可能性は、学習データのない対象、たとえばネアンデルタール人やデニソワ人のゲノム、ENCODEデータのない細胞種について、信頼できる解析ができる段階に到達することですが、現時点でそこに達しているかは不明だと記事は書いています。