これまで何が難しかったのか？

① 人のDNAのほとんどは「タンパク質を作らない」

• 私たちのDNAの 約98% は
  👉 タンパク質を直接コードしない「非コード領域」
• でも実際の病気・老化・体質の違いは
  👉 この98%の違いが大きく関与しています

つまり

「読める文字は少しだけ。
本当は“余白”の意味が重要だった」

② 変異はわかっても「何が起きるか」がわからない

• ここが変わっている → わかる
• それで
  • 遺伝子発現は？
  • スプライシングは？
  • クロマチンは？
  • 病気にどう影響？

👉 これを一気に予測するのが超難題でした

今回のブレイクスルーは何？

🔥 AlphaGenome（Google DeepMind）

Natureで紹介されたのは、

100万塩基（1Mb）のDNAを丸ごと入力し、
その結果を超高精度で予測するAI

何ができるAIなの？

AlphaGenomeは同時に👇を予測できます：

• 遺伝子発現量
• DNAアクセシビリティ（開きやすさ）
• スプライシング
• エンハンサー・プロモーター活性
• 変異が与える影響

しかも

• 人：5,930種類のゲノムシグナル
• マウス：1,128種類

を 一つの統合モデルで。

何がすごいのか（核心）

① 「長く読む」×「細かく当てる」を両立

これまでのAIは👇どちらかでした：

• 長いDNAを見る → 粗い予測
• 細かく当てる → 短いDNAしか見られない

👉 AlphaGenomeは
「長文を読んで、細部まで理解する」
まるで ゲノム版ChatGPT のような存在です。

② 病気の原因が“見える”ようになる

• GWASで見つかった「よくわからない変異」
• 非コード領域のSNP

👉
「この変異は
・どの細胞で
・どの遺伝子に
・どういう方向で
影響するか」

が 仮説ではなく予測として出せる

医療・老化研究への意味（ここ重要）

🔹 老化・慢性疾患の多くは「調節の乱れ」

• 老化
• がん
• 神経変性
• 免疫老化

👉 ほとんどが
「遺伝子配列が壊れた」のではなく
「使われ方が変わった」

AlphaGenomeは
👉 この“使われ方”を読むAI

一言でまとめると

DNAは“設計図”ではなく“文章”だった。
いま、AIがそれを読めるようになった。