Google DeepMind、ヒトDNAのより深い洞察を支援するAlphaGenome AIモデルを発表

テクノロジー企業GoogleのAI部門、 Google DeepMind 遺伝子制御に関わる様々な生物学的プロセスにおける個々の遺伝子変異や突然変異の影響について、より正確かつ詳細な予測を提供するように設計されたAIモデル「AlphaGenome」を発表しました。この機能は、モデルが拡張DNA配列を解析し、高解像度の予測出力を生成することを可能にする技術開発によって支えられています。

進行中の科学的取り組みをサポートするために、AlphaGenome は現在、非営利の研究目的で AlphaGenome API を通じてプレビュー フェーズで提供されており、後日、より広範なモデルをリリースする予定です。

アルファゲノムモデルは、 Google DeepMind 最大4万塩基対に及ぶDNAの拡張セグメントを処理し、遺伝子調節を特徴付ける幅広い分子特性について予測を生成します。また、変更された配列の予測結果を変更されていない対応物と比較することにより、特定の遺伝子バリアントまたは突然変異の機能的影響を評価することもできます。予測される特性には、異なる細胞タイプおよび組織にわたる遺伝子の開始および終了部位、RNAスプライシングポイント、RNA発現レベル、DNA塩基アクセシビリティ、空間的近接性、および調節タンパク質との結合相互作用が含まれます。このモデルのトレーニングデータは、ENCODE、GTEx、5D Nucleome、FANTOMXNUMXなどのコンソーシアムによって提供される公開データセットから取得され、これらは総合的に数百のヒトおよびマウスの細胞および組織タイプにわたる広範な遺伝子調節プロセスをカバーしています。

AlphaGenomeのアーキテクチャは、DNA配列中の短いモチーフを検出する畳み込み層、配列全体にわたる情報交換を可能にするTransformerコンポーネント、そして様々な生物学的モダリティにわたって分子レベルの洞察を出力する最終予測層を組み合わせています。各配列のトレーニングは、相互接続された複数のTensor Processing Unit（TPU）に分散されました。このモデルは、Enformerでのこれまでの研究に基づいており、タンパク質コード領域に特化したAlphaMissenseを補完するものです。タンパク質コード領域はゲノムの約2%を占めますが、AlphaGenomeは残りの98%、つまり遺伝子活性の制御における役割や、様々な疾患関連変異との関連性が知られる非コード領域をターゲットとしています。

AlphaGenomeの特徴的な特徴の一つは、長いDNA配列を塩基レベルの解像度で解析できることです。これにより、影響を受ける遺伝子から遠く離れた制御領域を特定しながらも、微細な生物学的特徴を捉えることができます。従来のモデルでは、配列長と解像度の間でトレードオフが生じることが多く、複雑な制御機能を統合的にモデル化する能力が制限されていました。AlphaGenomeは、学習効率を維持することでこの問題を克服し、学習時間はわずか4時間で、従来のEnformerモデルに必要な計算リソースの半分しか使用しません。

このモデルのマルチモーダル予測能力により、制御機構の幅広い視点を提供し、遺伝子制御の様々な層に関する詳細な知見を科学者に提供します。また、変異配列と非変異配列を高速に比較し、関連する分子的コンテキストに基づいて差異を要約することで、効率的な変異スコアリングをサポートします。

AlphaGenomeは、DNA配列データから直接RNAスプライスジャンクションをモデル化する新機能を導入しました。これは、脊髄性筋萎縮症や特定の種類の嚢胞性線維症など、スプライシングエラーに関連する遺伝性疾患の理解に特に役立ちます。これらのジャンクションの位置と発現レベルの両方を予測することで、このモデルは遺伝子変異がRNAプロセシングにどのように影響するかについて、より詳細な知見を提供します。

基礎モデルの利点と将来の研究への示唆

AlphaGenomeの幅広い適用性により、研究者は単一のAPIリクエストで、複数の分子モダリティにわたる遺伝子変異の影響を検証できます。この合理化されたアプローチにより、特定の制御特性ごとに個別のモデルに依存することなく、仮説の生成と検証を迅速化できます。このモデルの優れた予測性能は、遺伝子制御の枠組みの中でDNA配列の挙動に関する一般化可能な理解を構築したことを示唆しており、科学コミュニティの他の研究者が拡張または改良できるプラットフォームを提供します。正式リリース後、このモデルはカスタムデータセットによる微調整が可能になり、研究者は特定の科学的課題に対応するためにその機能をカスタマイズできます。

基盤となるアーキテクチャは、拡張性と適応性の両方を備えて設計されています。追加のトレーニングデータにより、AlphaGenomeは精度を向上させ、様々な種にまたがる有用性を拡大し、新たなモダリティを組み込むことで、全体的なカバレッジと深度を向上させることができます。

AlphaGenomeの予測は、幅広い研究方向を支える可能性があります。疾患研究においては、機能的に重要な遺伝子変異、特に希少疾患に関連する遺伝子変異の同定と解釈を向上させ、疾患メカニズムのより明確な理解と潜在的な治療標的の特定に貢献する可能性があります。合成生物学においては、その出力は、特定の細胞種における遺伝子発現の促進など、標的を絞った制御機能を持つカスタム設計DNA配列の開発を導く可能性があります。基礎ゲノム研究においては、AlphaGenomeは機能ゲノム要素の体系的なマッピングを支援し、細胞活動の制御におけるそれらの役割の解明に役立つ可能性があります。