07. 多モダリティ統合・アブレーション・考察
最後のページでは、AlphaGenome の 統合性が最も活きる場面——全モダリティを束ねた変異解釈（Fig. 6）——を見たうえで、どの設計選択が効いたのか を分解するアブレーション（Fig. 7）、そして論文の Discussion（限界と展望）を扱います。
1. 多モダリティでの変異解釈：TAL1 がん遺伝子（Fig. 6）
AlphaGenome の真骨頂は、1回の推論で全モダリティの変異効果を同時にスコアリングできる ことです。これを、白血病（T 細胞性急性リンパ芽球性白血病、T-ALL）の TAL1 がん遺伝子 で実証します。
共通の機構に収束する3群の変異（Fig. 6a,b）
TAL1 に影響する3群の機能獲得型変異を調べました。
- TAL1 の TSS（転写開始点）上流の 5' ネオエンハンサー変異群。
- イントロンの一塩基変異（SNV）。
- 3' ネオエンハンサー。
これらはいずれも TAL1 の発現上昇 という共通の機構に収束することが知られています。AlphaGenome は、T-ALL の起源細胞に最も近い CD34+ 共通骨髄系前駆細胞（CMP） のトラックで予測を行いました。
がん変異（chr1:47239296: C>ACG）について、AlphaGenome は次を予測しました（Fig. 6b）。
- 変異位置で活性化ヒストン標識 H3K27ac・H3K4me1 の増加（実験的に観測されたネオエンハンサー形成と一致）。
- TAL1 の TSS 近傍で抑制性標識 H3K9me3・H3K27me3 の減少。
- TAL1 遺伝子本体で活性転写標識 H3K36me3 の上昇。
- これらすべてが、予測された TAL1 mRNA 発現の増加 と整合。
がん変異 vs シャッフル対照（Fig. 6c,d）
全がん変異を、長さをそろえて配列をシャッフルした対照群と比較すると、がん変異は対照より強く TAL1 発現を上げる と予測されました（Fig. 6c）。さらに、モダリティ横断の予測効果を 教師なしクラスタリング すると、がん変異は対照と はっきり異なる機構パターン を示しました（Fig. 6d）。この差は T-ALL 関連トラック（胸腺・CMP・造血多能性前駆細胞）で最も顕著でした。
ISM で機構の正体を当てる（Fig. 6e）
CD34+ CMP で REF/ALT 配列に ISM を適用すると：
- REF 配列では、変異から 40 bp 以内のどの変異も TAL1 発現に影響しない。
- ALT 配列は、変異位置に MYB モチーフ を導入し、TAL1 発現・アクセシビリティ・H3K27ac の増加を予測（先行研究と一致）。
- さらに近傍に 2つ目の ETS 様モチーフ も発見（役割は未解明）。
ある非コード変異の影響を理解するには、本来「発現は？ クロマチンは？ ヒストン修飾は？ 転写因子結合は？」を別々のモデルで調べる必要がありました。AlphaGenome は 1回の推論ですべてを同時に 出すので、変異の機構を 多面的に・一貫した枠組みで 読み解けます。TAL1 の例は、その威力を最もよく示すショーケースです。
形質変異への応用とその限界（Fig. 6f）
形質に関わる非コード変異（Mendelian 疾患・複雑形質）でも、AlphaGenome の高スコアは 因果変異候補を対照より強く濃縮 しました（Fig. 6f）。ただし 再現率（recall）は低め（特に GWAS 変異）です。
論文は明確に注意しています——AlphaGenome は変異の 分子的影響 を予測するモデルであって、表現型（疾患そのもの）を直接予測するわけではありません。分子効果から疾患までの間には、遺伝子機能・発生・環境要因など多くの過程が挟まります。だから AlphaGenome は、保存性ベースの有害性スコア（機構に無関心）を 補完する 道具として位置づけられます。過信は禁物、という誠実な但し書きです。
2. アブレーション：何が効いたのか（Fig. 7）
論文は、主要な設計選択の寄与を切り分けるアブレーションを行いました。
(a) ターゲット解像度
1 bp 解像度での学習が一貫して最良 でした。特にスプライシング（PSI5/PSI3）やアクセシビリティ（ATAC）など、細かさが要るタスクでは、解像度が粗くなるほど性能が落ちます。一方、接触マップ相関やヒストン ChIP 相関など、もともと粗い指標は解像度変化に鈍感でした。
(b) 配列長（学習・推論）
1 Mb で学習し、推論も 1 Mb で行う のが最良でした。
- 長い配列（最大 1 Mb）で学習したモデルは、短い配列（32 kb 以下）で学習したものを 1 Mb 文脈で評価しても上回る → 学習時に長文脈を見せる価値がある。
- 1 Mb 学習モデルは、推論時の文脈を短くするほど性能が落ちる → 推論でも長文脈が効く。
- ただし 1 Mb 学習モデルは、短い文脈で推論しても その長さ専用に学習・評価したモデルと同等 のことが多い → 必要なら推論を短文脈にして高速化 できる柔軟性がある。
(c) アンサンブル vs 蒸留
02 の蒸留の効果がここで定量化されます。64 個の教師モデルから蒸留 した単一モデルは、複数の独立事前学習モデルの平均アンサンブルに 匹敵、時に凌駕 しました。さらに、蒸留時に入力を変異させないと性能が落ちる（eQTL sign −0.06 など）ことが確認され、入力摂動戦略の重要性が裏づけられました。
(d) マルチモーダル学習
完全マルチモーダルモデルは、単一モダリティ群だけで学習したモデルを概ね上回りました。ただしタスク依存です——アクセシビリティ変異の予測はアクセシビリティデータだけでも有効ですが、eQTL 予測は全モダリティを使うほうが効く。変異効果タスクは、特に 発現とアクセシビリティの初期投入 で大きく改善し、その後のモダリティ追加は逓減しました。多モダリティの共有表現を学ぶ価値が、データで裏づけられています。
「複数の関連タスクを一緒に学習させると、共有表現が良くなって各タスクの性能も上がる」のは、マルチタスク学習の古典的な知見であり、LLM が多様な能力を1モデルに獲得する原理とも通じます。AlphaGenome のアブレーションは、ゲノミクスの文脈で 「統合して学ぶこと自体が効く」 を定量的に示した点で価値があります。
3. Discussion：意義・限界・展望
意義
AlphaGenome は、メガベース規模の DNA から多様な機能シグナルを同時に予測する統合モデルとして、規制ゲノムの解読 を前進させました。専門特化 SOTA モデルに匹敵・凌駕する変異効果予測は、モデルが DNA 制御の基本原理を比較的頑健に把握 していることを示します。中核的な強みは、1回の推論で全モダリティの変異効果を同時にスコアリングする効率的なマルチモーダル予測 です。
応用可能性：
- 分子生物学 — in silico 実験のエンジンとして、仮説生成と高コストな実験の優先順位づけを加速。
- 希少疾患の診断研究 — 非コード領域の意義不明変異（VUS）に機能的証拠を提供。
- 配列設計 — 治療用アンチセンスオリゴや組織特異的エンハンサーの設計を「ループの中で」加速。
- 生成モデルとの補完 — DNA 配列の 生成モデル（Evo 2 など）が作った配列の機能を予測 することで補完しあえる。
限界
論文は限界も率直に挙げています。
- 遠位制御要素（100 kb 超）の影響を正確に捉えるのは依然として課題。
- 組織・細胞型特異的なパターンの再現、条件特異的な変異効果は難しい（03 の発現の課題と同根）。
- 学習データ・評価が タンパク質コード遺伝子に偏重。microRNA など非コード遺伝子のカバレッジは今後の課題。
- 種が ヒト・マウスに限定。評価も主にヒト中心。
- 個人ゲノム予測 は未ベンチマーク（この分野の既知の弱点）。
- 複雑形質 への適用は限定的（分子効果と表現型の間にギャップがある、上述の Fig. 6f の但し書き）。
展望
- データ：より多くの種、非コード制御要素の大規模摂動。
- 計算：タスク特異的な校正、摂動データでの fine-tune、単一細胞データの統合、DNA 言語モデル（Evo 2 など）の活用、多種対応、アッセイバイアス補正。
- 統合：保存性スコアや遺伝子機能・経路の知識と組み合わせ、コモン/レア変異解析を前進。
- モデルの確信度（uncertainty）推定 が予測解釈の助けになる。
4. 公開リソース
| リソース | 内容 |
|---|---|
| 非商用 API | deepmind.google.com/science/alphagenome（ホスト型モデル＋Python SDK） |
| 研究用リポジトリ | github.com/google-deepmind/alphagenome_research（コード・重み・変異スコアリング実装・一部評価データ） |
| データ | すべて公開ソース（ENCODE・GTEx・4D Nucleome・ClinVar・gnomAD ほか、Supplementary Table 2） |
ゲノム解釈スイートには、変位スコアリングの quantile 校正 や、ISM による寄与スコアで重要な配列領域を特定 する機能などが含まれます。
5. セクションのまとめ
- 統合性のショーケース：TAL1 がん変異を、発現・ヒストン修飾・アクセシビリティ・転写因子結合にまたがって一貫して解釈。ISM で MYB モチーフ生成という機構まで特定。
- アブレーション：1 bp 解像度・1 Mb 配列長・多教師蒸留（＋入力変異）・マルチモーダル学習 がいずれも性能に寄与。
- 限界に誠実：遠位制御・細胞型特異性・種の限定・分子効果と表現型のギャップ。
- Evo 2 と相補的：生成（Evo 2）と機能予測（AlphaGenome）は協調しうる。
これで AlphaGenome の解説は完結です。Evo 2 の自己回帰ゲノム言語モデルと、本セクションの sequence-to-function モデルを並べて読むと、「生命の配列を計算で扱う」アプローチの2つの大きな潮流 が見えてきます。LLM で培われた技術——Transformer・蒸留・スケーリング・表現学習——が、生物学の最前線でどう応用されているかを感じ取ってもらえれば幸いです。