DNA変異の影響を個別の細胞条件で予測します。非商用研究向けAPIを提供し、商用研究は非公開プレビューとしました。 組織平均で見えにくい変異の作用を調べる研究を支援します。予測と実験結果を区別し、利用条件と検証体制を確認する必要があります。 組織の平均から個々の細胞条件へ Google DeepMindは11月11日、DNA配列モデルAlphaGenome 2を発表しました。同じDNAを持つ細胞でも、種類や状態によって働く遺伝子は異なります。従来の広い組織単位の予測では、その違いを捉えにくい場合がありました。新モデルはDNA配列とともに、生物学的な条件を指定して予測します。人とマウスのデータを使い、1億700万を超える個別の細胞プロファイルで学習しました。発表時点で非商用研究はAlphaGenome APIから利用できます。商用研究については非公開プレビューです。研究上の仮説を絞るための道具としての提供であり、個人の診断や治療に使えることを示す発表ではありません。 未知の細胞状態を研究へ取り込む モデルは約100万文字のDNA配列に条件を加え、遺伝子発現などを予測します。条件は参照カタログから選ぶほか、研究者自身の単一細胞実験から表現を作ることもできます。新たに測った遺伝子の活動を使い、未測定の性質を推定する使い方も説明しています。出力には従来の項目に加え、DNAメチル化が含まれます。免疫細胞を扱うTenK10Kデータでの比較では、原因となる変異の検出率を30％と報告しました。比較対象の16％という値と合わせた、特定の評価での結果です。また、既報の腸の免疫細胞に関する知見を計算上で再現した例を示しています。遺伝学と単一細胞研究を結び付ける担当者には、変異、標的遺伝子、作用する細胞をまとめて検討する支援になると見られます。条件別の予測によって、平均値では目立たない作用を探すことが研究上の狙いです。 実験の優先順位と利用条件を確かめる 研究の実務では、モデルが高く評価した候補をどう実験へつなぐかが論点になります。原文の性能は特定のデータや比較条件に基づくもので、すべての細胞や疾患への精度を約束するものではありません。新しい細胞状態を追加学習なしに扱えるとの説明も、未知の条件で検証が不要になる意味ではありません。入力データの品質や、予測に使った条件を記録する運用が重要になる可能性があります。研究用APIと商用プレビューでは、参加条件や用途の確認も必要です。既存の測定結果との照合、候補を棄却する基準、実験担当者による評価を計画へ組み込むことが判断材料です。事前計算された変異のスコアを使う場合にも、対象の細胞条件と研究目的が対応するかを確認します。計算負荷を減らせる利点と、結果を解釈する専門家の作業は分けて考える必要があると見られます。