11月11日、Nature が「DeepMind's ultra-powerful AI for genome mapping wows scientists」と題した記事を公開した。この記事では、Google DeepMindが開発したゲノム解析AI「AlphaGenome 2」が細胞種別にDNA変異の影響を予測できるようになり、科学者たちの間で注目を集めていることが詳しく紹介されている。前世代モデルが抱えていた「細胞種特異性の欠如」という根本的な弱点を克服した点が、今回の最大のポイントだ。
1年半の実験を30分で再現
記事の冒頭に登場するエピソードが、このモデルの実力を端的に示している。
2024年、フランシス・クリック研究所の免疫学者・遺伝学者であるJames Lee氏のチームは、炎症性腸疾患（IBD）の新たな原因遺伝子として ETS2 を特定した。この変異は「遺伝子砂漠」と呼ばれるタンパク質コード領域から遠く離れた非コード領域に存在しており、発見には遺伝子編集をはじめとする精緻な分子生物学的手法と、1年半にわたる実験が必要だった。
AlphaGenome 2はこの発見を、実験なしで 30分 で再現した。
Lee氏は「私たちが1年半かけた答えを30分で出してしまった。私たちの研究結果が裏付けられた形で、安心した」と述べている。
AlphaGenome 2の何が変わったのか
AlphaGenome 2は、非コードDNA配列（ゲノム全体の約98%を占める）が遺伝子発現などに与える影響を予測するAIモデルだ。前身のAlphaGenome 1にも同様の機能はあったが、決定的な弱点があった。「どの細胞種で変異が働くか」を特定できなかったのだ。
非コード配列の多くは、特定の細胞種でのみ活性化する。Lee氏のチームが発見したETS2変異も、免疫細胞のエンハンサー（遺伝子発現を調節するDNA配列）として機能している。「細胞種の特異性を予測できないモデルは、私たちにとってあまり役に立たなかった」とLee氏は率直に述べていた。
AlphaGenome 2はこの課題を正面から解決した。AlphaGenomeチームを率いるŽiga Avsec氏によると、68組織・1億個以上の単一細胞から得た遺伝子活性データでモデルを訓練した。AlphaGenome 1が不均一な細胞の「バルクサンプル」（細胞を混在させたまま測定したデータ）で学習していたのとは対照的だ。
技術的には、単一細胞RNA-seq（scRNA-seq）データを大規模に取り込み、細胞ごとのクロマチン状態やアクセシビリティの差異をより精細にモデルへ反映させることで、細胞種間の違いを高解像度で学習させているとされている。これにより、同じDNA配列でも「どの細胞種で・どの程度」変異が作用するかを区別して予測できるようになった。予測が可能な細胞種は、ヒト637種・マウス311種にのぼる。
なお、非コード領域の遺伝子発現予測モデルとしては、DeepMindが2021年に発表したEnformerが先行研究として広く知られている。AlphaGenome 2はその系譜に連なりつつ、細胞種特異性という長年の課題に正面から取り組んだモデルと位置付けられる。
学習済み細胞種の外でも使える
特筆すべきは、モデルが訓練済みの細胞種に限定されない点だ。研究者が独自の単一細胞遺伝子活性データ（例えば疾患状態の細胞）をモデルに与えることで、新たなDNA変異の予測が生成できる。これにより、疾患原因変異の特定をより迅速に行える可能性があると、共著者でGoogle DeepMindのAdam Gayoso氏は述べている。
AlphaGenome 1からの流れ
Google DeepMindは2ヶ月前に AlphaGenome Atlas を公開している。これはヒトゲノムにおけるすべての一塩基変異（合計90億種類）に対する予測をまとめたものだ。ただし、これはAlphaGenome 1ベースの予測であり、前述の細胞種特異性の制約を持っていた。AlphaGenome 2はこの制約を克服した後継モデルという位置付けになる。
今回の成果は同社ウェブサイト上でプレプリントとして公開されており、査読前の段階だ。
詳細はDeepMind's ultra-powerful AI for genome mapping wows scientistsを参照していただきたい。
