Google DeepMindは2026年11月11日、DNAの配列が細胞の中でどう働くかを予測する研究モデル「AlphaGenome 2」を発表しました。従来モデルに比べ、免疫細胞や心筋細胞など細胞の種類や状態による差を詳しく扱えることが更新の中心です。非商用研究者向けにはAPIとチュートリアルを提供し、商用研究はプライベートプレビューとして案内されています。
これは個人が遺伝子検査結果を入れて病名を調べるサービスではありません。DNAの変異を研究するとき、どの細胞でどの遺伝子に影響がありそうかを予測し、実験対象を絞るための技術です。
DNA変異を細胞の種類・状態ごとに予測する理由
人の細胞には基本的に同じDNAが入っています。それでも免疫細胞は病原体への反応を担当し、心臓の細胞は拍動に関わります。使われる遺伝子が細胞ごとに違うためです。同じDNA変異でも、ある細胞では問題を起こし、別の細胞では大きな影響が見られないことがあります。
従来のAlphaGenomeは、DNA配列から遺伝子の働きや調節を幅広く予測するモデルでした。AlphaGenome 2では、予測したい細胞の種類や状態を条件に加えます。具体的には、DNA配列と細胞の状態を表す情報を使い、遺伝子の発現量、DNAの開きやすさ、ヒストン修飾、DNAメチル化などを予測します。DNAメチル化は遺伝子の働きを調節する化学的な印の一つで、今回対応が拡充された項目です。
モデルが扱うDNAの長さは約100万塩基です。「100万塩基を読める」は、「あらゆる遺伝病を完全に解析できる」という意味ではありません。対象となる細胞、測定項目、学習データとの近さで予測の信頼性が変わります。
学習データとDNA変異の予測精度|従来モデルとの比較
DeepMindは学習に68種類の組織から得た1億700万件以上の単一細胞プロファイルを利用したと説明しています。単一細胞プロファイルは、組織をまとめて平均した値ではなく、細胞ごとの遺伝子活動などを記録したデータです。
公開されたTenK10K研究データを使った評価では、28種類の免疫細胞に関連する変異を対象に、原因候補の検出割合が従来の16%から30%、影響の方向を正しく見極めた割合が23%から43%になったと報告しています。
ここでの「30%」はTenK10Kの決められた条件で原因となる変異をどれだけ見つけたかという指標で、健康診断で病気を30%の確率で当てるという意味ではありません。「16%から30%」は14パーセントポイントの差であり、単純な正答率比較や全患者への診断精度とは異なります。使用データと正解の定義が違えば結果も変わります。
DNA変異の候補を絞り、細胞実験で確かめる流れ
たとえば、炎症性腸疾患に関係すると考えられるDNAの位置が見つかったとします。変異の候補が多い段階では、研究者はどの細胞を実験すべきか分からないことがあります。
AlphaGenome 2で対象のDNA配列と腸の免疫細胞の種類を指定すると、変異がETS2などの遺伝子の働きにどんな方向の影響を与えるか、細胞ごとの予測を比較できます。DeepMindが紹介したのは、腸のマクロファージにおけるETS2遺伝子と関連変異を調べた研究例です。候補が絞れれば実験計画を立てやすくなりますが、予測自体が変異の原因性を確定するわけではありません。細胞実験や他の研究データで裏付けます。
モデルは既知の細胞の名前に加え、単一細胞RNA解析をもとに新しい細胞状態を条件にする方法も紹介しています。たとえばワクチン接種などで活性化した免疫細胞では、同じDNA変異の影響が変わるかを検討できます。ただし、状態を表すRNAデータの量や品質も評価の条件です。
APIは無料?商用利用と医療利用の境界
発表時点では、非商用研究向けにAlphaGenome 2のAPIとColabなどの学習資料が提供されています。研究用の利用枠・申請条件は公式の利用案内に従います。企業が商用研究で使う場合はプライベートプレビューの対象となるかを個別に確認する必要があります。
また、研究用APIが利用できることと、医療機器として診断・処方判断に使えることは別です。DeepMindは臨床・診断用途での検証や承認が済んだ製品として案内していません。一般の人の遺伝子検査レポートを入れて病気の確率を判断する用途には使えません。患者に関わる情報を扱う研究では、利用規約と研究機関の倫理・データ管理の条件も確認します。
細胞別の予測を研究へ生かす際の限界
今回の進歩は「DNA配列だけから全身の異常を判定できるようになった」ことではなく、同じ変異の影響を細胞の違いまで含めて研究する材料が増えたことです。研究者には実験の優先順位を付ける材料になり得ますが、別集団のデータで予測精度がどこまで再現するかは研究ごとに確かめる必要があります。
数値評価の読み方はAIのベンチマーク解説にもまとめています。




