Google DeepMind、ヒトゲノムで起こりうる約90億通りの1文字変異をすべて予測し無料公開。診断用ではなく研究者向け

Google DeepMind、ヒトゲノムで起こりうる約90億通りの1文字変異をすべて予測し無料公開。診断用ではなく研究者向け【2026年9月】

Google DeepMindが2026年9月8日(火)、ヒトのゲノム(生き物の設計図にあたる全DNA情報)で起こりうる約90億通りの1塩基置換(バリアント。DNAの並びのうち1文字だけが別の文字に置き換わること)すべての分子影響を予測し、事前計算済みのデータベース「AlphaGenome Atlas」として学術研究向けに無料で公開したと発表しました。各変異の影響度は「AVIスコア」(変異が生体に与える影響度を1つの数値にまとめた指標)で示され、データ量は約1ペタバイト(同社が以前公開したAlphaFold Databaseの30倍超)にのぼります。ただし、これは病気を診断したり治療したりするためのツールではありません。DeepMindは臨床用途には検証・承認されておらず医療助言ではないと明記しています。AIが新たに変異を見つけ出したのでもなく、起こりうるすべての1文字の書き換えをあらかじめ予測・採点して並べた、研究者向けの「予測カタログ」です。約90億という数字は、起こりうる書き換えの総数であって病気の数ではなく、その多くは影響が小さいとされます。「AIがついに病気をすべて解き明かした」といった受け止めではなく、研究の土台を整える発表として読むのが正確です。

この記事のポイント

• Google DeepMindが「AlphaGenome Atlas」を公開した。ヒトゲノムで起こりうる約90億通りの1塩基置換(1文字の書き換え)すべての分子影響を予測し、事前計算済みのデータベースとして学術研究向けに無料公開したもの(公式ブログ 2026年9月8日(火))
• 各変異の影響度は「AVIスコア」という1つの数値で示される。AVIは、遺伝子の調節への影響を予測するAlphaGenomeと、タンパク質を変える変異を評価するAlphaMissense(いずれもDeepMindのモデル)の予測を統合したものです
• データ量は約1ペタバイトで、同社が以前公開したタンパク質構造DB「AlphaFold Database」の30倍超。集団研究では非コード領域の遺伝的関連を22%多く検出できたと報告されています(数値は概算)
• これは診断・治療のツールではない。DeepMindは臨床用途には検証・承認されていないと明記しています。用途は、研究者が調べるべき変異にあたりをつけること(希少疾患の原因変異の特定など)です
• 約90億は「起こりうる1文字置換の総数」であって病気の数ではない。またAIが変異を発見したのではなく、起こりうる全置換をあらかじめ予測して並べたものです。消費者向けのGeminiとは別の、専用の科学モデルによります

何が起きたのか

Google DeepMindは2026年9月8日(火)、AlphaGenome Atlasを公開したと発表しました。ヒトのゲノムは、四種類の文字がおよそ30億並んでできた設計図です。その並びのうち1文字だけが別の文字に置き換わるつまずきを1塩基置換(バリアント)と呼び、起こりうるものだけで約90億通りあります。AlphaGenome Atlasは、その一つひとつについて「体にどれくらい影響しそうか」を先に予測し、AVIスコアという1つの数値で採点して並べた、事前計算済みのデータベースです。

公開は学術研究向けに無料で、ウェブポータルとAPIで提供されます。データ量は約1ペタバイトにのぼり、同社が以前公開したタンパク質の立体構造データベースAlphaFold Databaseの30倍超だといいます。DeepMindは、分子生物学における最も網羅的なカタログの一つだと説明しています(規模の数値はいずれも概算です)。

「発見」ではなく「あらかじめ予測して並べた」

ここで押さえたいのは、AIが新しい変異を見つけ出したわけではない、という点です。約90億という数は「これから起こりうる1文字の書き換え」を数え上げたもので、その一つひとつに、AIが「これは効きそうだ」「これはおそらく何も起こさない」という影響の度合いを先に付けておいた、という中身になります。つまり、実際の患者から新事実を発見したのではなく、起こりうる全体をあらかじめ採点して一覧にした「予測カタログ」です。

AVIスコアは、一つひとつの変異が生体に与える影響度を1つの数値にまとめた指標で、研究者が優先的に調べる変異を絞り込むのに使います。AVIは、遺伝子の調節への影響を読むAlphaGenomeと、タンパク質を変える変異を評価するAlphaMissenseという、DeepMindの専用モデルの予測を統合して作られています。日常で話しかける消費者向けのGeminiとは別の、科学のための仕組みだと理解すると混乱がありません。

とくに意味が大きいとされるのが、非コード領域(タンパク質そのものの設計図ではないが、いつ・どれだけ遺伝子を働かせるかを調節するDNAの部分)への広がりです。ここは影響が読みにくく、これまで手薄でした。DeepMindは、集団研究で非コード領域の遺伝的関連を22%多く検出できたと報告しています。

何ができて、何はできないのか

できることは、研究者が「どの変異を先に調べるべきか」のあたりをつけやすくなることです。希少疾患の原因になっている一文字を絞り込んだり、タンパク質量や複雑な形質に影響する調節変異を探したりする、その最初の一手が速くなります。

一方で、これで病気を診断できるわけでも、治療ができるわけでもありません。DeepMind自身が、臨床用途には検証・承認されておらず医療助言ではないと明記しています。印がついていることと、その一文字が本当に人を病気にすることとは、まだ別の段階の話です。約90億という総数の多くは影響が小さいとされ、90億種類の病気がわかる、という意味でもありません。あくまで研究の入り口を広げ、調べる順番を整えるための地図だと捉えるのが正確です。

日本の読者にとっての意味

派手な発表ほど、受け取り方をひとつ間違えると意味がずれてしまいます。今回のAlphaGenome Atlasも、「AIが病気を解き明かした」と読むと実態から離れます。起きたのは、研究者が使う予測の一覧を、大規模に、しかも無料で開いた、という土台の整備です。

AIの話題は、消費者向けの便利な機能に注目が集まりがちですが、こうした科学の基盤づくりは、成果が見えるまで時間がかかるぶん、後からじわじわ効いてきます。地図があることと、目的地に着くことは違います。それでも、地図がなければ道を探す時間はずっと長くなる。今回はその地図が一段くわしくなった、という話です。医療の現場に届くのはこれからで、そこは実験と検証を積む研究者の仕事として残されています。

まとめ（FAQ）

Q. これで自分の病気の原因や治療法がわかるのですか?
A. わかりません。これは診断・治療のツールではなく、研究者向けの予測データベースです。DeepMindは臨床用途には検証・承認されていないと明記しています。

Q. AIが新しい遺伝子変異を発見したのですか?
A. いいえ。起こりうる約90億通りの1文字の書き換えをあらかじめ予測・採点して並べたもので、実際の患者から新事実を発見したものではありません。

Q. 約90億という数字は、病気の数ですか?
A. 病気の数ではありません。起こりうる1塩基置換(1文字の書き換え)の総数で、その多くは影響が小さいとされます。

Q. これはGeminiが作ったのですか?
A. 消費者向けのGeminiとは別です。遺伝子の調節を読むAlphaGenomeと、タンパク質を変える変異を評価するAlphaMissenseという、DeepMindの専用モデルによります。

Q. 誰でも使えるのですか?
A. 学術研究向けに無料で公開され、ウェブポータルとAPIで提供されます。商用利用はGoogle Cloud経由で後日とされています。

Quotidia の視点

研究のための道具と、暮らしのための答えは、同じAIでも役割がまるで違います。今回のAlphaGenome Atlasは、その前者にはっきり軸足を置いた発表です。ヒトの設計図で起こりうる1文字の書き換えを、起こりうるものだけ先にすべて並べ、一つずつ影響の見当をつけて研究者に手渡す。派手な「AIが病気を治す」ではなく、地道な「探す手間を減らす」側の仕事です。だからこそ、受け取り方を間違えたくない。これは診断でも治療でもなく、まして新しい変異をどこかから見つけ出したわけでもありません。すでに起こりうると分かっている膨大な組み合わせに、あらかじめ印をつけて調べやすくした、という予測のカタログです。約90億という数も、病気の種類ではなく起こりうる書き換えの総数で、その多くはおそらく何も起こしません。それでも、これまで読みにくかった調節の領域まで含めて、起こりうる全体を一望できるようにした意味は小さくない。手がかりの一覧が先に揃っているかどうかで、研究者がどこから調べ始めるかの見通しはまるで変わります。空振りに費やす時間を、あらかじめ削っておける。印をつけることと、その一文字が本当に人を左右するのかを確かめることは、別の仕事として残ります。派手さはなくても、こうして足場を先に組む仕事ほど、時間をかけて土台になっていくのだと思います。

関連記事:

• AIに『レアアース不要の磁石』を探させる。米国立研の試み、成果はまだこれから【2026年6月】（AIに『レアアース不要の磁石』の候補を探させる米国立研の試みを扱った回。あちらは新素材の候補をAIに探させるが実証はこれから、今回は起こりうる遺伝子変異を先に予測して並べる基盤づくり。どちらも『AIが科学の探索を前倒しするが、実際に効くかの検証は人と実験に残る』点で重なる対）
• Anthropicが研究の作業台「Claude Science」を発表。新しいAIモデルではなくワークフロー製品、同時に自社でも前臨床の創薬を開始:狙いは現場のフィードバックと幹部自身が語る【2026年6月】（Anthropicが研究の作業台『Claude Science』を発表し、自社でも前臨床の創薬を始めた回。あちらはAIを研究のワークフローとして整える動き、今回は研究者が使う予測データベースの無料公開。『新しい賢いモデル』より『研究の現場を支える土台』を出す流れとして並ぶ二つ）

索引

「とんでもないものが出たよ」と、電話の向こうで彼は言った。学生時代からの知り合いで、いまは小さな出版社で本の校閲をしている。ふだんは無口な男が、その日はめずらしく声が弾んでいた。電話が鳴ったとき、僕は借りたままになっていた古い植物図鑑を膝にのせ、余白に前の持ち主が鉛筆でつけた無数の印を、消しゴムで一つずつ消しているところだった。点だったり、丸だったり、ときどき小さな×だったりする。誰かがこの図鑑を、自分なりに読んだ痕だ。強く消しても、跡は薄く残った。

「Googleの DeepMind ってところが」と彼は続けた。「人の体の設計図の、起こりうる書き間違いを、ぜんぶ先に並べて、一つずつ印をつけたっていうんだ」。AlphaGenome Atlas という名前らしい。人の設計図にあたる DNA は、四種類の文字が三十億ほど並んでできている。その並びのうち、たった一文字が別の文字に置き換わる、というつまずきが、起こりうるものだけで九十億通りある。DeepMind は、その九十億の一つひとつに、これは効きそうだ、これはたぶん何も起こさない、という影響の度合いを、AVI という一つの数字であらかじめ書き込んでおいた、というのだった。研究者なら誰でも、ただで開いて見られる。ためこんだ量は、同じところが前に公開した AlphaFold というタンパク質の地図の、三十倍を超えるらしい。

九十億、と僕は口の中で繰り返した。数が大きすぎて、うまく像を結ばない。「分厚い辞書を一冊、思い浮かべてみろよ」と彼は言った。「その中で起こりうる打ち間違いを、ぜんぶ書き出して、一つずつ、これは意味が変わる、これは変わらない、って但し書きをつけていく。そういう索引を先に作っちまった、と思えばいい」。索引、と僕は胸のうちで呟いた。手もとの図鑑の、鉛筆の印が、急に少しちがったものに見えてきた。これまで読み解くのが難しかった、遺伝子の働きを調節する側の並びまで、その但し書きの対象にしたそうで、珍しい病気の原因になっている一文字を、研究者が絞り込むのが、いくらか楽になるかもしれない、と彼は言った。

「じゃあ、それを見れば病気がわかるのか」と僕は訊いた。彼は少し慎重になった。「いや、そういう話じゃないんだ」。あくまで研究者があたりをつけるための表で、これで診断するとか治すとか、そこまで確かめられたものではないと、彼は繰り返した。「印がついているのと、その一文字が本当に人を病気にするのとは、まだ別のことなんだよ」。それから、思い出したように、「そういえば、こないだ貸した傘、まだ君のところにあるだろう」と言った。あるよ、玄関の傘立てにある、と僕は答えた。彼の話とはまるで関係のない、その一言で、なぜか少しだけ肩の力が抜けた。

電話が切れたあとも、僕はしばらく、膝の上の図鑑を開いたまま動かなかった。あの数の大きさと、目の前の余白の小ささとが、どうしても釣り合わない。誰かが一つずつ手を動かして、この途方もない量に見当をつけていったのだと思うと、気が遠くなった。

僕は消しゴムを置いて、図鑑の余白の、消しきれない鉛筆の跡を、指の腹でそっとなぞった。

僕も昔、半年ほど、小さな事務所で文章の校正をしていたことがある。刷り上がったばかりのゲラを渡され、誤字を見つけて赤を入れる。慣れれば、誤字は目に飛び込んでくるようになった。ページをめくる前から、この段落のどこかにありそうだ、という勘さえ働いた。

一度だけ、こんなことがあった。ある随筆の校正で、「祖母の墓」とあるべきところが、「祖母の暮」になっていた。墓と暮。字はよく似ている。僕はそれを見つけて、赤を入れた。字は正しく直った。けれど赤を入れながら、この人が本当に書きたかったのは墓のことだったのか、それとも暮らしのことだったのか、僕にはわからないままだった。字を直すことはできても、その人が何を思ってその字を置いたのかまでは、直せない。

印をつけることと、直すことは、違う。そして、直すことと、その文が本当のところ何を言おうとしていたのかを分かることも、また違う。九十億の書き間違いに、あらかじめ小さな印がついている。それはたぶん、この上なくありがたいことだ。けれど、そのうちのどれが、一人の人間の一生を左右するのかは、結局、その一冊を最後まで、生きて読み通してみるまで、誰にも言い切れない。

図鑑の、あるページだけが、少し膨らんでいた。開くと、乾いた菫の花が、栞のように挟まっていた。前の持ち主のものだろう。花のあった見開きには、印が一つもなかった。印をつけるほどのことは何もなかったのかもしれないし、印をつける気にならないほど、大事なページだったのかもしれない。

僕は花を元の場所に戻し、図鑑を閉じた。借りて、もう三年になる。傘を返しに行くとき、この図鑑も一緒に持っていこう、と思った。消しかけの印は、半分だけ消えて、半分だけ残っていた。僕はその一つを、もう一度、消しゴムでなぞってから、手を止めた。

DeepMindがヒトゲノムの1塩基置換 約90億通りを予測した事前計算DB「AlphaGenome Atlas」を無料公開

Google DeepMindが2026年9月8日(火)、ヒトゲノムで起こりうる約90億通りの1塩基置換(1文字の書き換え)すべての分子影響を予測し、事前計算済みのデータベース「AlphaGenome Atlas」として学術研究向けに無料公開したと発表した。各変異の影響度はAVIスコアという1つの数値で示され、データ量は約1ペタバイト(AlphaFold Databaseの30倍超)にのぼる。AVIスコアは、遺伝子の調節への影響を予測するAlphaGenomeと、タンパク質を変える変異を評価するAlphaMissense(いずれもDeepMindのモデル)の予測を統合したもので、集団研究では非コード領域の遺伝的関連を22%多く検出できたと報告されている。ウェブポータルとAPIで提供され、商用利用はGoogle Cloud経由で後日とされる。ただし、これは病気を診断・治療するためのツールではない。DeepMindは臨床用途には検証・承認されておらず医療助言ではないと明記している。またAIが新たに変異を発見したのではなく、起こりうる全置換をあらかじめ予測・採点して並べた「予測カタログ」であり、約90億は起こりうる1文字置換の総数であって病気の数ではない(その多くは影響が小さいとされる)。消費者向けのGeminiとは別の、専用の科学モデルによるものである。数値はいずれも概算。