GoogleのAIシステムが人間のゲノムにおけるすべての可能な一塩基変化を評価

「一塩基変化のほとんどは何も影響を与えないが、ごく一部は非常に重大な意味を持つ。」——GoogleのAIゲノムシステム研究チームが論文の要旨に記した言葉。

約30億塩基対からなる人間のゲノムにおいて、たった一つの塩基の変化が完全に無害な場合もあれば、致命的な疾患を引き起こす場合もある。今回、GoogleのAIシステムはそのようなあらゆる変化を評価しようとするもので、ゲノム全体のすべての「誤字脱字」を網羅的にチェックするようなものだ。

Ars Technicaの報道によると、Google研究チームはこのほど、人間のゲノムにおけるあらゆる可能な一塩基変化を系統的に評価することを中核機能とする新たなAIゲノムシステムを発表した。このシステムは、遺伝的変異の予測範囲を既知の病原性変異から、理論上発生しうるすべてのシナリオへと拡張している。

評価対象となる「一塩基変化」は点突変異とも呼ばれる。遺伝の過程において、塩基の置換の大部分は非重要領域に位置するか、アミノ酸を変化させない「サイレント変異」に該当するため、実質的な表現型への影響はない。しかし、中にはタンパク質の構造や遺伝子発現、スプライシングのプロセスを乱し、遺伝病や癌などと密接に関連するものもある。その「重要な少数」を迅速に特定することは、ゲノム科学における長年の重要課題であり続けてきた。

「既知データベース」から「全変異予測」へ

従来の手法はClinVarなどの既存データベースに大きく依存しており、臨床的に注釈が付けられた変異位置のみを判定できるにすぎず、意義不明の変異（VUS）や新規発生変異に対しては非常に限られた対応しかできなかった。Googleの新システムは深層学習アーキテクチャを基盤とし、進化的保存性・集団遺伝子頻度・発現制御マップ・機能ゲノムデータからパターンを学習し、コード領域および非コード領域のあらゆる一塩基変化に対して機能的影響スコアを算出する。

研究チームはゲノムを一種の「言語」に例え、一塩基変化は文中のある文字や句読点を変えることに相当するとしている。システムはその遺伝子座全体の文脈に基づいて、その変化が「文章」の意味を破壊するかどうかを判断する。例えば、エンハンサー領域では一塩基変化によって転写因子の結合が減少し、下流の遺伝子発現に異常をきたす可能性がある。また、エクソンのスプライシングサイトでは、たった一塩基の変化がスプライシングエラーを引き起こし、タンパク質配列を乱す可能性がある。

コード領域からゲノムの「ダークマター」への跨越

これまでのAIによる病原性変異予測における代表的な成果であるAlphaMissenseは、主としてタンパク質コード領域のミスセンス変異に焦点を当て、数千万に上る可能なタンパク質変化に対して参照データを提供してきた。しかし非コード領域はゲノムの約98%を占め、遺伝子発現の調節において極めて重要であり、ゲノムの「ダークマター」と呼ばれてきた。Googleのこの新システムの最大の特徴は、一塩基評価能力を非コード領域へと拡張し、真の意味でのゲノム全体のカバレッジを実現した点にある。

これは、遺伝子の「スイッチ」に位置する変異が、たとえいかなるタンパク質のアミノ酸も変化させなくても、高リスク部位としてシステムにフラグ立てされる可能性があることを意味する。逆に、極めてまれな同義変異でも否定的なスコアが付く場合もある。このようなより包括的な全体像は、希少疾患の分子診断・出生前遺伝カウンセリング・創薬ターゲットのスクリーニングに直接的な恩恵をもたらす。

予測を超えて：検証と技術的限界

研究者たちはまた、AIの予測はあくまでも「仮説を提示する」ものであり、「結論を与える」ものではないと指摘する。一塩基変化の影響は細胞種特異性を持つことが多く、他の変異や環境因子によって修飾される場合もある。また、学習データは既存の生物学的アノテーションに依存しており、その中の膨大な知識についてはいまだ人類の理解が及ばない部分も多い。そのため、スコアはあくまで優先順位付けのための指標であり、最終的にはウェット実験と臨床コホートによる検証が不可欠である。

編集後記：このシステムの意義は、既知の変異データベースを高解像度の予測マップに変えたことにとどまらず、AIが駆動する「科学的仮説ファクトリー」が精細なスケールへと突入したことを示している点にもある——恒星を解剖することから、すべての誤字をシミュレートすることへ。生命科学にとって、このようなツールは研究者がより広大な変異空間の中でリスクを迅速に特定することを可能にする。しかし同時に、変異は孤立した事象ではなく、遺伝的背景と生命体の変数は単一の「有害性スコア」よりはるかに複雑であることも認識すべきだ。AIが強力になればなるほど、人類は検証への要求をより一層厳しくしなければならない。

現在、このシステムはまだ研究段階にあり、実際の臨床的価値はより大規模な患者データによる検証を待つ必要がある。AIとゲノム医学が融合する道において、Googleがまた一歩、想像力に富んだ前進を遂げたことは間違いないだろう。

本記事はArs Technicaより編訳