Google DeepMindが「AlphaGenome 2」を発表、DNA変異の影響を細胞単位で予測可能に

人体のすべての細胞は同一のDNAを保持しているが、神経細胞、心筋細胞、白血球では読み取られる領域が異なる。Google DeepMindが11月11日に同社ブログで発表したAlphaGenome 2は、まさにこの違いを捉えることを目指している。同モデルは、DNAの変異が遺伝子活性に及ぼす影響を、組織全体ではなく、特定の細胞種や細胞状態の単位で予測する。

細胞ごとに推論するモデル

昨年登場した初代AlphaGenomeは、100万文字の配列を読み取り、組織や細胞株に対する数千件の予測を一挙に出力していた。DeepMindも認めるように、これは効率的な手法であったものの、モデルの能力が分散し、近縁の細胞同士を区別しにくいという課題があった。AlphaGenome 2ではアーキテクチャが刷新され、条件付きモデルへと移行した。DNA配列に加え、カタログから選んだ対象の生物学的条件、あるいは研究者の実験から算出された条件を入力することで、その条件に限定した予測を行う。

本モデルは、1億700万件以上の単一細胞プロファイルを含むヒトおよびマウスのデータで学習されている。前モデルと同様に遺伝子発現、ヒストン修飾、クロマチンアクセシビリティを予測するほか、開発元によれば要望が多かったというDNAメチル化の予測も新たに追加された。また、欠損データの補完機能も備えており、遺伝子活性など単一の測定値から他の指標を推定することも可能だ。

再学習なしで新たな細胞に適応

DeepMindが引用した研究者たちから最も注目を集めているのが、汎用性の高さだ。研究所側が数十個の細胞の発現プロファイル（例えばワクチン接種後の免疫細胞など）を提供するだけで、モデルを再学習させることなく、その特定状態における変異の影響を予測させることができる。DeepMindが挙げたmRNA Covid-19ワクチンの研究事例では、重症化に関連する変異が、安静時の細胞よりも活性化されたT細胞において遺伝子活性をより大きく乱す様子が示された。

性能面において開発元は、TenK10Kデータセット（28種類の免疫細胞）で原因変異の同定率が初代モデルの16%から30%へと約2倍になり、遺伝子への影響の方向性についても23%から43%に達したと公表している。また、炎症性腸疾患の要因として既報の研究で特定されていた、腸内マクロファージでETS2遺伝子を過剰活性化させる遠隔の遺伝的「スイッチ」の変異を、計算によって再現できることも示した。

利用対象と提供形態

AlphaGenome 2は、ColabチュートリアルとともにAlphaGenome APIを通じて、非営利研究向けに即座に利用可能となっており、商用研究向けにはプライベートプレビューとして提供されている。またDeepMindは、数百種類の細胞種や組織にわたる疾患関連変異の予測結果を事前計算済みデータとして用意しており、エージェント型開発プラットフォーム「Antigravity」向けに「AlphaGenome 2 Skills」を近日公開すると予告している。なお同社は、これらのモデルが診断や臨床目的での検証を経ていない点をあらためて念押ししている。