人間のゲノムは、ただ並んでいる文字列ではありません。どの塩基がどう変わると、遺伝子の働きや病気の起こり方にどんな影響が出るのかを読み解くことが、研究の肝になります。Google DeepMindが発表した「AlphaGenome Atlas」は、その難題にかなり正面から挑むサービスです。3億ではなく約30億の塩基対、しかもその中のあらゆる1文字変異を対象にしているのが大きい。しかも研究者がコードを書かなくても使える形で公開した点も、単なるモデル発表とは少し違います。
Google DeepMindは、AlphaGenome Atlasを「human DNA の高解像度マップ」として紹介している。土台にあるのは、すでに発表済みのAlphaGenomeモデルだ。このモデルは、DNAのたった1文字の変化が分子レベルの仕組みにどう影響するかを予測してきた。今回のAtlasは、その考え方をさらに広げ、人間のゲノムにありうる「すべての single nucleotide variant」、つまり1塩基だけが変わる変異を対象にしている。
記事によると、人間のゲノムは約30億の塩基対からできている。そのうち、タンパク質を作る領域としてよく理解されているのは全体の約2%にすぎず、残りの98%はまだ謎が多い。特に non-coding DNA、つまりタンパク質そのものをコードしない領域については、1文字の違いがどのように分子の働きを乱すのか、断片的にしか分かっていない。AlphaGenome はこうした領域での単一変化が、protein production のような過程を壊しうることを示してきたが、全体像をまとめて見られる形ではなかった。
そこでGoogle DeepMindは、AlphaGenome AI model を使って、全9 billionの single-letter genetic changes の regulatory impact、つまり遺伝子発現などの調節に与える影響を事前計算した。結果は 1-petabyte の巨大なデータセットになったという。Atlas は、その膨大な情報を研究者が素早く問い合わせられるようにしたデータベースだ。単に大量の予測を置いただけでは使いづらいので、AlphaGenome Variant Impact、AVI score という1つのスコアも導入した。これは coding region と non-coding region の予測をまとめて扱い、研究者が大量の候補の中から優先順位をつけやすくするためのものだ。
記事では、すでに研究現場で使われ始めている例も挙げている。Broad Institute の Laura Covill とそのチームは、未解決の rare disease 研究で AVI score を使い、候補変異の優先順位をつけた。そこで DNM1 gene の重要な変異が見つかり、それが誤った splice site を作ると予測された。この予測が、ケースを解くための重要な裏付けになったという。
もう1つは complex traits の例だ。Dr. Gareth Hawkes は、54,000人超の UK Biobank 参加者のデータに Atlas を適用した。分子レベルでの予測効果に基づいて変異をまとめたところ、non-coding genetic associations を22%多く見つけられた。さらに、影響が大きい上位1%の変異に絞ると、BMI に関連する19の遺伝領域を特定でき、次の段階の targeted research につなげられたとしている。
Atlas は、zero coding skills で使える直感的な website portal として公開されており、臨床研究者や生物学者が広くアクセスできるようにした点も強調されている。Google DeepMind はこれを、科学研究の加速を広く後押しする取り組みの一部だと位置づけている。
この発表でまず面白いのは、モデルそのものよりも、モデルの出力をどう使える形にしたかだと思う。AI を使ってDNAの変化を予測する研究は珍しくない。ただ、実際の研究では「予測できる」ことと「使える」ことの間に大きな溝がある。遺伝学のデータはとにかく多く、しかもノイズも多い。候補変異を数百、数千と眺めても、どれを追うべきか決められない。そこに AVI score のような、優先順位づけのための単一スコアを置いたのはかなり実務的だ。派手さはないが、現場ではこういう道具のほうが効く。
9 billionの変異を事前計算して1-petabyteにした、という数字は印象的だ。ただ、ここで注意したいのは、巨大なデータを持っていること自体が発見ではないことだ。むしろ本番は、その予測をどこまで信じてよいか、どんな条件で外れるかを見極める側にある。この記事は成功例を2つ示しているが、当然ながら全ての疾患や全ての集団で同じように当たるとは限らないと思う。予測モデルは便利になるほど「まず Atlas で見るか」という依存を生む。だからこそ、Atlas は答えを出す機械というより、実験や臨床の前に仮説を絞る道具として見るのが妥当ではないか。
記事の中心には、ゲノムの98%を占める non-coding 領域への視線がある。ここは昔から「重要そうだけれど解釈が難しい」場所だった。病気の原因らしい変異が見つかっても、タンパク質の設計図ではないので、影響の説明が難しい。AlphaGenome Atlas は、その曖昧さを少しだけ削ってくれる。とくに rare disease で誤った splice site を予測した例は分かりやすい。こうした領域の解釈が進むと、研究は「遺伝子名を当てる」段階から「どの調節機構が壊れたか」を見る段階に寄っていくはずだ。これは単なる精度向上ではなく、問いの立て方そのものを変える可能性がある。
Atlas は zero coding skills で使えるとされている。ここは重要だ。生命科学のAIは、モデルの性能が高くても、結局は一部の計算に強い人しか触れないことが多い。Web ポータル化は、その壁をかなり下げる。臨床研究者や実験生物学者が、自分の手元の候補をすぐに見られるなら、それだけで探索の速度は上がるだろう。
ただし、医療応用に近づくほど、見た目の分かりやすさは逆に危うくなるとも思う。スコアが1つにまとまっていると、判断が簡単になった気がするからだ。実際には、患者集団の違い、実験系の違い、病態の複雑さがある。Atlas が役立つほど、最後の確認は人間の側で丁寧にやらないといけない。便利な地図ほど、読み違えたときの距離も大きい。だからこの発表は、研究の民主化と同時に、予測モデルをどう扱うかという新しい作法を求めているように見える。
