Google DeepMindがAlphaGenome 2を発表し、遺伝子変異が人間の細胞に与える影響の予測精度を向上させる

Google DeepMindは最新のAlphaGenome 2を発表した。これは、遺伝的変異が異なる人間の細胞タイプにどのように影響を与えるかを予測するために設計されたアップグレード版のDNA配列モデルであり、研究者が疾患の背後にある遺伝的メカニズムを探求するのを助ける。このモデルは、元のAlphaGenomeに基づいており、後者は広範な組織における分子活動をマッピングでき、ゲノムのコーディングおよび非コーディング領域をカバーし、遺伝的変異の潜在的な影響を評価するための統一的なアプローチを提供する。今年の初めに、同社はAlphaGenome Atlasも発表しており、これは人間のゲノムにおけるすべての可能な単一塩基DNA変異の影響をマッピングする独立した予測リソースである。

AlphaGenome 2の機能と特徴

会社の資料によれば、AlphaGenome 2は広範な組織レベルの平均値にとどまらず、個別の細胞タイプとその状態を分析する。これにより、研究者は遺伝的変異が疾患に関連する細胞にどのように影響を与えるか、またこれらの影響が異なる細胞条件下でどのように異なる可能性があるかを検討できる。このモデルは、1億700万件以上の人間とマウスのサンプルからの個別細胞データを基に訓練されており、68種類の組織をカバーしている。前のモデルとは異なり、このモデルは入力時に特定の生物学的条件およびDNA配列を考慮している。

研究者は参照カタログから細胞タイプを選択するか、自分の単一細胞データを使用して以前に見られなかった細胞状態を検討できる。このモデルは、他の利用可能なデータから欠落した実験測定データを推定することもでき、例えばクロマチンの可用性などである。

TenK10Kのベンチマークテストを使用した際、これは28種類の主要な免疫細胞タイプを含む単一細胞データセットであるが、AlphaGenome 2は30%の因果変異を特定した。これは、元のモデルが単一細胞データおよび他の専用ツールで調整した後に特定した16%と比較している。また、このモデルは変異が遺伝子活性に与える影響の方向を判断する能力を改善した。43%のケースで、このモデルは変異が遺伝子発現を増加または減少させるかを正しく識別し、元のモデルおよび比較ツールは23%であった。

これらの結果は、更新されたシステムが研究者が特定の細胞タイプにおける疾患関連プロセスに影響を与える遺伝的変化の範囲を絞り込むのに役立つ可能性があることを示している。

細胞特異的予測の実例

Google DeepMindは、未曾有の細胞条件下で遺伝的効果を検討する際のこのモデルの能力を示した。ある例では、研究者はCOVID-19 mRNAワクチンを接種した人からの単一細胞データを使用した。AlphaGenome 2は活性化された免疫T細胞と休止状態のT細胞を区別することができ、重症COVID-19に関連する変異が活性化細胞の遺伝子活性に与える影響がより大きいことを発見した。同社はまた、このモデルを使用して炎症性腸疾患（IBD）に関連する発見を計算上再現した。

DNAの遠位調節領域に位置する変異は、腸のマクロファージにおけるETS2遺伝子の活性を促進することが示された。このモデルは、この効果がこれらの細胞に集中しており、他の細胞タイプでは一般的に発生しないと予測している。これらの例は、細胞特異的予測が研究者が遺伝的変異を疾患に関与する細胞および生物過程と結びつけるのにどのように役立つかを示している。しかし、計算予測は依然として実験的検証を必要とする。

AlphaGenome 2は現在、AlphaGenome APIを通じて非商業的研究用に提供されており、商業研究者はプライベートプレビューを通じてこのモデルにアクセスできる。Google DeepMindは、このモデルが研究目的で使用されることを意図しており、臨床または診断用途の検証または承認はまだ得られていないと述べている。

AlphaGenome 2の遺伝子研究における重要性

AlphaGenome 2の発表は、遺伝子研究における重要な進展を示している。これは、遺伝的変異の影響を予測するだけでなく、特定の細胞タイプに対して分析を行うことができる。このような細胞特異的予測は、研究者が疾患の遺伝的基盤をより正確に理解するのを助け、新しい治療法の開発を促進する可能性がある。モデルは研究用途において潜在能力を持っているが、その予測の正確性と信頼性を確認するためにはさらなる実験的検証が必要である。