--- title: "人間のDNA変異90億通りを、Googleが全部先回りで計算したのか。AlphaGenome Atlasの中身を確かめる" description: "Google DeepMindが2026年9月8日、ヒトDNAに起こりうる一塩基変異90億通り全てについて影響を予測した無償データベース「AlphaGenome Atlas」を公開。データ量は約1ペタバイトでAlphaFold DBの30倍、臨床用途は非承認という現在地を確かめた" url: https://itpostjp.com/ai/google-deepmind-alphagenome-atlas/ category: "AI・生成AI" published_at: 2026-09-12T08:51:00Z updated_at: 2026-09-12T08:51:00Z author: "IT Post編集部" editor: "編集長 千田智也" publisher: "IT Post by Rice Studio Lab" language: ja-JP ai_generated: true ai_model: Sonnet 5 terms: ["大規模言語モデル（LLM）"] --- # 人間のDNA変異90億通りを、Googleが全部先回りで計算したのか。AlphaGenome Atlasの中身を確かめる IT Post編集部 ＆ 編集長 千田智也 Google DeepMindが2026年9月8日、ヒトDNAに起こりうる一塩基変異90億通り全てについて影響を予測した無償データベース「AlphaGenome Atlas」を公開。データ量は約1ペタバイトでAlphaFold DBの30倍、臨床用途は非承認という現在地を確かめた ## 30秒で分かる結論 - Google DeepMindは2026年9月8日、ヒトのDNAに起こりうる一塩基の変異90億通りすべてについて、その生物学的な影響をあらかじめAIで予測した無償データベース「AlphaGenome Atlas」を公開しました。 - データ量は約1ペタバイトで、2022年に拡張した「AlphaFold Database」の30倍以上の規模。変異の影響を1つの指標にまとめた新しいスコア「AVI(AlphaGenome Variant Impact)スコア」も同時に発表されました。 - 研究者向けの学術利用は無償で公開されていますが、Google DeepMindは臨床診断への使用は承認されていない研究用ツールだと明記しています。 ## まず初めに *人間のDNAに起こりうる変化を、起こる前から全部計算しておくというのは、なかなか気が早い。*90億通りという数字を見ると、もはや「調べる」というより「先回りして辞書を作っておいた」というほうが近い。しかも出来上がった辞書の厚さが1ペタバイト、旧作(AlphaFold)の30倍というのだから、Googleの「とりあえず全部やっておく」という発想の規模感には、いつものことながら驚かされる。※個人の感想です ![AIを描いた挿絵](/images/articles/google-deepmind-alphagenome-atlas-inline-1.webp) ## 何が起きているのか Google DeepMindは2026年9月8日、公式ブログで「AlphaGenome Atlas」の公開を発表しました。これは、同社が開発したAIモデル「AlphaGenome」を使って、ヒトのDNA(ゲノム、生物が持つ遺伝情報の全体)に起こりうる、ありとあらゆる一塩基の変異について、その生物学的な影響をあらかじめ計算し、検索可能な形でまとめたデータベースです。対象は、標準的なヒトゲノムの参照配列「hg38」に基づく約90億通りの一塩基変異(DNAを構成する4種類の塩基のうち1つだけが変化するタイプの変異)に加えて、1億件を超える挿入・欠失(DNAの一部が付け加わったり、抜け落ちたりするタイプの変異)も含まれています。 今回のデータベースの規模は約1ペタバイト(1000テラバイト、テラバイトのさらに1000倍にあたる単位)に達し、Google DeepMindが2022年に拡張した、タンパク質の立体構造を予測するデータベース「AlphaFold Database」の30倍以上の大きさだとしています。同社は、コンピューター上であらゆる位置の変異を仮想的に発生させる手法をゲノム全体に対して実施し、この膨大なデータセットを生成したと説明しています。 今回はあわせて、変異ごとの影響の大きさを1つの数値にまとめた新しい指標「AVI(AlphaGenome Variant Impact)スコア」も発表されました。このスコアは、AlphaGenomeとタンパク質への影響を予測する別のAIモデル「AlphaMissense」による予測、進化的な保存度(生物種を超えてその配列がどれだけ変化していないか)を示す指標、タンパク質の機能が失われる可能性を示す特徴などを、1つの変異につき1つの数値へと統合したものです。Google DeepMindは、このAVIスコアを使うことで、まれな遺伝性疾患の原因となる変異を見つけ出す研究者の的中率が、これまでの標準的なツールと比べて2倍以上に高まったと説明しています。 ![この記事の内容にちなんだ挿絵](/images/articles/google-deepmind-alphagenome-atlas-inline-2.webp) | 項目 | 内容 | |---|---| | 公開日 | 2026年9月8日 | | 対象 | ヒトゲノムの一塩基変異 約90億通り+挿入欠失1億件超 | | データ量 | 約1ペタバイト(AlphaFold DBの30倍以上) | | 新指標 | AVI(AlphaGenome Variant Impact)スコア | | 効果 | まれな疾患の原因変異の的中率が従来ツールの2倍超 | | 学術利用 | 無償のWebポータルで公開 | | 商用利用 | Google Cloud経由で近日提供予定 | | 臨床用途 | 未承認・非対応(研究専用) | ## なぜ重要なのか 今回のAlphaGenome Atlasが重要なのは、これまで研究者が個別に、必要になるたびに計算していたDNA変異の影響予測を、あらかじめ網羅的に計算し尽くして「調べればすぐ出てくる」状態にした点です。Google DeepMindは2022年にも、タンパク質の立体構造を予測するAlphaFold Databaseを公開し、世界中の生命科学研究を大きく加速させた実績があります。今回のAlphaGenome Atlasは、その考え方をDNAの変異予測という別の領域に応用したものであり、AlphaFoldと同じように、研究のスピードを底上げする基盤的なツールになる可能性があります。 特に、まれな遺伝性疾患の研究においては、患者ごとに見つかった無数の変異の中から、実際に症状の原因となっている変異を絞り込む作業に多くの時間がかかります。AVIスコアによって的中率が2倍以上に高まったとされる点は、こうした絞り込み作業を効率化し、原因不明とされてきた症例の解明を後押しする可能性があります。一方で、Google DeepMind自身が「研究用のツールであり、単独で臨床診断の根拠にはできない」と明記している点も、今回の発表を理解するうえで欠かせない前提です。 ## 私たちへの影響 今回のAlphaGenome Atlasは、主に研究者や医療・生命科学分野の専門家を対象にしたツールであり、一般の利用者が自分の遺伝情報を調べるために直接使うことを想定したものではありません。Google DeepMindも、AlphaGenomeによる予測は臨床的な意思決定に使ってはならず、専門的な医療上の助言の代わりにもならないと明確に説明しています。将来的に、こうした研究基盤を使った成果が、実際の医療現場での診断や治療に応用される可能性はありますが、それにはさらに別の検証や承認のプロセスが必要になります。今回の発表自体を、ご自身や家族の健康状態の判断に直接結びつけないよう注意してください。 ## 初心者が知っておくべきこと 「ゲノム」とは、ある生物が持つ遺伝情報の全体のことを指します。ヒトのゲノムは、A・T・G・Cという4種類の「塩基」と呼ばれる部品が、約30億個並んでできています。このうちのどこか1カ所だけが本来と違う塩基に変わってしまうことを「一塩基変異」と呼びます。変異のすべてが病気につながるわけではなく、多くは体に影響のないものですが、中にはタンパク質の働きを変えてしまい、病気の原因になるものもあります。今回のAlphaGenome Atlasは、この「約30億個のうち、どこか1カ所が変わったらどうなるか」という組み合わせを、起こりうる範囲でほぼすべて(90億通り)、あらかじめAIに計算させておいたデータベースだとイメージすると分かりやすいでしょう。 ## IT Postの見方――「先に全部計算しておく」という、いかにもGoogleらしい力業 IT Postでは、今回のAlphaGenome Atlasのような「網羅的にあらかじめ計算しておいて、後から必要な人が検索するだけで済むようにする」というアプローチを、Googleらしい力業だと評価している。 *90億通りの変異を全部計算するくらいなら、研究者が必要になったときにその都度計算すればいいのでは、と思わなくもない。*しかし、それを一つひとつの研究室が個別にやるのではなく、Googleが1度だけまとめて計算して無償で公開してしまえば、世界中の研究者が同じ苦労を繰り返さずに済む。AlphaFold Databaseがそうだったように、こうした「基盤を作って配る」やり方は、地味に見えて研究全体の効率を大きく底上げする。一方で、Google DeepMindが「臨床用途には使えない」と繰り返し念押ししている点は、AIによる予測と実際の医療現場での診断との間に、まだ埋まっていない溝があることを正直に示している。派手な数字の裏にある、この地に足のついた注意書きこそ、IT Postとしては評価したいポイントだと考える。※個人の感想です ![データベースと人物を描いた挿絵](/images/articles/google-deepmind-alphagenome-atlas-inline-3.webp) ## 今後どうなりそうか Google DeepMindは、商用利用向けのアクセスをGoogle Cloud経由で近く提供する予定だとしています。AVIスコアのデータ自体は、商用・非商用を問わず利用可能な形でダウンロード提供もされるとしており、今後、製薬企業や医療機関の研究部門などさまざまな主体による活用が広がっていく可能性があります。実際にこのデータベースが、まれな疾患の診断や新薬開発にどこまで貢献するかは、今後の研究成果の積み重ねを待つ必要があります。IT Postでは、AlphaGenome Atlasを使った具体的な研究成果が発表された場合には、あらためて取り上げます。 ## 情報源 - [AlphaGenome Atlas: Molecular predictions for 9 Billion human DNA variants](https://deepmind.google/blog/alphagenome-atlas-a-predictive-map-of-every-possible-dna-letter-change-in-the-human-genome/) — Google DeepMind公式（一次情報） - [Google DeepMind publishes AI-powered predictions for the effect of all 9 billion possible single-point mutations to human DNA](https://fortune.com/2026/09/08/google-deepmind-ai-predictions-9-billion-mutation-human-genome/) — Fortune - [DeepMind's new genome 'atlas' charts effects of all nine billion human gene mutations](https://www.nature.com/articles/d41586-026-02835-4) — Nature ## この記事に出てくるIT用語 - [大規模言語モデル（LLM）](https://itpostjp.com/terms/large-language-model/): 大量の文章から言葉のつながりを学習した、文章を扱うAIの中核技術です。 --- この記事は、公開情報と出典URLの検証、文章作成の一部に生成AIを使用しています。内容の責任はIT Post by Rice Studio Labが負います。 出典表記: IT Post by Rice Studio Lab — https://itpostjp.com/ai/google-deepmind-alphagenome-atlas/