Google DeepMind、細胞レベルで疾患をマッピングする「AlphaGenome 2」を発表

Google DeepMindの研究チームは、DNAの変化がさまざまな種類の細胞にどのように影響するかを予測するように設計された高度なAIモデル「AlphaGenome 2」を発表した。このモデルは、「なぜ同じ遺伝子変異がある臓器では疾患を引き起こし、他の臓器には影響を与えないのか」という複雑な生物学的謎の解明を目指している。細胞の振る舞いを高解像度で可視化することで、AlphaGenome 2は標的医療（ターゲット治療）の開発を大幅に加速させる可能性がある。

静的なDNAマップを超えて

人体のほぼすべての細胞は同じDNAを含んでいるが、心臓、皮膚、免疫細胞など、細胞の種類によって機能や状態に応じて異なる遺伝子が活性化する。AlphaGenome 2は、昨年リリースされた初代AlphaGenomeモデルの後継である。初期バージョンがゲノム全体をより広範に捉えていたのに対し、AlphaGenome 2は疾患の「細胞レベルでの根源」に焦点を当て、細胞タイプごとに異なる遺伝子発現の特定パターンを捉える。

Google DeepMindによると、新モデルは従来の最先端モデルと比較して、細胞内の遺伝子発現を変化させる遺伝子変異をほぼ2倍多く特定するという。この詳細さは創薬において不可欠であり、研究者は副作用を最小限に抑え、有効性を高めるために、特定細胞タイプの特定のタンパク質を標的にする必要がある。

膨大なデータと「ゼロショット」予測

この突破口は、68種類の異なる組織にわたる1億件以上の個別細胞プロファイルという膨大なデータセットを用いてモデルを訓練したことで可能となった。DeepMindは、これにより静的な「細胞アトラス」（生物学的データのリポジトリ）が、人間の遺伝学のための実用的な予測エンジンへと効果的に変換されると述べている。

AlphaGenome 2の注目すべき特徴は、追加の訓練を必要とせずに、完全に新しいタイプの細胞や生物学的状態について予測を行う能力（ゼロショット予測）だ。また、既存の実験データの欠落を特定することもでき、研究者が実験室でどの領域をより深く調査すべきかを判断するのに役立つ。

「薬を開発するときは、特定のタンパク質や特定の細胞タイプを標的にします」と、DeepMindのゲノミクスリードを務めるŽiga Avsec氏は説明する。同氏は、AlphaGenome 2が提供する特定能力は、遺伝学の一般的な理解から実用的な医療ソリューションへと移行するために不可欠であると指摘した。

バーチャルセル（仮想細胞）への道

こうした進化にもかかわらず、AlphaGenome 2は前モデルを完全に置き換えるものではない。高度な詳細性を備えている分、計算コストが大幅に増加しており、初代AlphaGenomeよりも実行コストが「高価」になっている。例えば、DeepMindが9月に公開した、考えられるすべてのDNA塩基変化の包括的なアトラスは、旧モデルを使用して作成された。AlphaGenome 2の計算需要では、これほど大規模な処理に対応するのが現実的ではなかったためだ。

今後、DeepMindはモデルの訓練データを拡張し、より多くの細胞状態や、さらには複数種からのデータを含めることを計画している。長期的には、これらのモデルは複雑な生物系を模倣できるデジタルシミュレーションである「バーチャルセル（仮想細胞）」の構築に貢献すると期待されている。

Googleは本日より、非営利研究向けにAlphaGenome APIを通じてAlphaGenome 2の提供を開始し、商用研究向けには限定的な「プライベートプレビュー」を提供する。今回の公開は、AIラボが主要な科学的課題に取り組む広範なトレンドの一環であり、競合のAnthropicが創薬を探索し、OpenAIが複雑な数学問題に焦点を当てている動きとも連動している。