Google DeepMind、AlphaGenomeを公開: 100万DNA文字を扱う統合ゲノム予測モデル

長距離文脈と塩基解像度を同時に扱う統合モデル

Google DeepMindは2025年6月25日、AlphaGenome: AI for better understanding the genomeを公開した。発表では、研究成果がNatureに掲載されたこと、そしてAlphaGenome APIを非商用研究向けプレビューとして提供することが示されている。狙いは、ゲノム解析で分断されがちだった複数タスクを単一基盤で扱えるようにする点にある。

DeepMindの説明によれば、AlphaGenomeは最大1 million DNA lettersを入力し、遺伝子開始・終端、スプライシング、RNA発現量、アクセス可能性など、遺伝子制御に関わる多数の分子特性を同時に推定する。変異評価では、変異配列と非変異配列の予測差分を比較し、モダリティごとに影響を要約する方式を採る。

提示された評価結果と計算効率

DeepMindは、単一DNA配列の予測評価24項目中22項目で外部最良モデルを上回ったと報告している。さらに、変異の制御効果予測では26項目中24項目で外部上位モデルと同等以上だったとしている。加えて、比較対象の中で評価された全モダリティを単一モデルで同時予測できた点を、AlphaGenomeの汎用性として強調している。

計算面では、distillationなしの単一AlphaGenome学習にfour hoursを要し、従来Enformerの学習で使ったcompute budgetのhalfで済んだと説明される。長文脈と高解像度予測を両立しつつ、計算コストを抑える方向性を示した主張だ。

活用可能性と明示された限界

活用先としては、疾患関連変異の機能解釈、合成DNA設計、基礎生物学研究の加速が挙げられている。記事では、がん関連変異の機序探索において、非コード領域の変異と遺伝子活性化の関係を予測で示した例にも触れている。

一方で限界も明確だ。100,000 DNA letters以上離れた遠距離制御要素の影響把握は依然として課題であり、personal genome prediction向けには設計・検証されていない。また、direct clinical purposesを前提にしたモデルではないことも明記されている。したがって現時点の位置づけは、臨床現場向け製品ではなく、研究者の仮説生成と検証を高速化するための高度な研究ツールである。

AlphaGenomeは、タスクごとに別モデルを継ぎ足す運用から、統合的なゲノム予測スタックへ移る潮流を示す。ゲノムAIの実務価値が、性能値だけでなく研究サイクル全体の短縮で評価される段階に入ったことを示唆している。