---
title: "AlphaGenome Atlasとは｜Google DeepMindのゲノム研究データベースを解説"
description: "Google DeepMindがAlphaGenome Atlasを発表。約90億件の一塩基変異の予測、変異影響スコア、研究者向けの提供状況を整理します。"
url: "https://kylon.io/ja/blog/alphagenome-atlas-launch-sept-2026"
language: "ja"
---

MEDIA

AI活用の最前線

[HOME](https://kylon.io/ja)\>[ブログ](https://kylon.io/ja/blog)\>Google DeepMindがAlphaGenome Atlasを発表。約90億件の遺伝子変化を検索可能に

AI最新ニュース2026年9月8日·6分で読めます

# Google DeepMindがAlphaGenome Atlasを発表。約90億件の遺伝子変化を検索可能に

Google DeepMindが、ヒトゲノムの一塩基変異が分子生物学に与える影響を予測するAlphaGenome Atlasを発表しました。収録内容、研究での使い方、提供状況を公式発表から整理します。

[![つきのこ](https://kylon.io/v2/tsuki-avatar.png)](https://x.com/Tsuki_RobotAI)

[つきのこ](https://x.com/Tsuki_RobotAI)

ソリューションエンジニア · 6分で読めます

**結論:** Google DeepMindが、ヒトゲノムにある一塩基変異の影響を予測し、検索できるデータベースAlphaGenome Atlasを発表しました。約90億件の一文字変化をあらかじめ計算し、研究者が候補を絞り込むための入口を提供します。[公式発表はこちら](https://blog.google/innovation-and-ai/models-and-research/google-deepmind/alphagenome-atlas/)。

## この記事の要点

-   ヒトゲノムの一塩基変異が分子生物学に与える影響を予測
-   約90億件の変化をあらかじめ計算し、約1ペタバイトのデータとして収録
-   コード領域と非コード領域の予測をまとめる変異影響スコアを追加
-   研究者向けのウェブ画面から、コードを書かずに検索可能
-   予測結果は仮説の優先順位付けを支援するもので、実験や臨床判断を置き換えない

KYLON公式LINE

### 仕事で使える生成AI情報を、LINEで毎週チェック

重要な生成AIニュースと、企業での活用事例をコンパクトにお届けします。営業、顧客対応、採用、バックオフィスで使える実務のヒントも、週ごとにまとめます。

[Kylon公式LINEを友だち追加](https://lin.ee/UM9AHkx)

![Kylon公式LINE QRコード](https://kylon.io/assets/line-qr.png)登録は無料です。配信停止はいつでもLINE上で設定できます。

## AlphaGenome Atlasとは

Google DeepMindによると、ヒトゲノムは約30億塩基対で構成されています。たんぱく質を直接コードする領域以外にも、遺伝子の働きに関わる調節領域があります。AlphaGenome Atlasは、AlphaGenomeモデルを使って一文字の変化が分子過程に与える影響を計算し、研究者が調べやすい形でまとめたものです。[出典: Google DeepMind](https://blog.google/innovation-and-ai/models-and-research/google-deepmind/alphagenome-atlas/)。

### 変異影響スコアで候補を絞り込む

Atlasには、コード領域と非コード領域の予測を組み合わせた変異影響スコアがあります。研究者は大量の予測値をすべて確認するのではなく、影響が大きい可能性のある候補から詳しく調べる順番を決められます。

## 公式発表で紹介された研究例

-   Broad Instituteでは、未解決の希少疾患研究で候補変異を優先順位付けし、DNM1遺伝子の変異が誤ったスプライス部位を作る可能性を示した
-   UK Biobankの5万4,000人以上のデータでは、予測された分子影響で変異をまとめることで、非コード領域の遺伝的関連を22%多く見つけたと説明
-   影響が大きい上位1%の変異に絞り、BMIに関係する19の遺伝領域を特定したと報告

これらはGoogle DeepMindが発表した研究例です。モデルの予測は研究仮説を立てるための材料であり、診断結果や臨床上の結論ではありません。研究で使う場合は、データの出典、計算条件、再現手順、実験による検証を別に記録します。[公式発表](https://blog.google/innovation-and-ai/models-and-research/google-deepmind/alphagenome-atlas/)。

## 提供状況と利用方法

AlphaGenome Atlasは、研究者や生物学者がコードを書かずに検索できるウェブ画面で提供されています。Google DeepMindは、研究者が予測結果を調べ、次の仮説を選ぶための利用を想定しています。[Atlasの画面を開く](http://alphagenome.google/atlas)。

| 項目 | 公式発表で確認できる内容 | 研究での確認点 |
| --- | --- | --- |
| 収録対象 | ヒトゲノムの一塩基変異の影響予測 | 対象となる変異とデータの版 |
| データ規模 | 約90億件の変化、約1ペタバイト | 検索結果の条件と取得日 |
| 検索方法 | コード不要のウェブ画面を提供 | 再現可能な検索条件と記録 |
| スコア | コード領域と非コード領域をまとめた変異影響スコア | スコアを根拠にした判断と後続検証 |

内容と数値は2026年9月8日のGoogle DeepMind公式発表を参照しています。

## AlphaFoldとの違いから見る位置づけ

AlphaFoldはたんぱく質の構造予測を大規模に扱いました。AlphaGenome Atlasは、遺伝子配列の変化が調節や分子過程に与える影響を調べるためのデータベースです。扱う対象も、必要な検証方法も異なりますが、計算済みの予測結果を検索可能にし、研究の出発点を共有するという考え方には共通点があります。

## どの研究チームに向いているか

-   希少疾患や非コード領域の変異を研究するチーム
-   実験候補を優先順位付けしたい生物学研究者
-   コホートデータとモデル予測を組み合わせるデータ分析チーム
-   検索条件、予測、判断、検証を再現可能な形で残したい研究組織

## AIネイティブな研究ワークフローでの位置づけ

研究業務では、モデルを見つけるだけでなく、問い、データの出典、予測、レビュー、次の実験をつなげて記録する必要があります。Kylonでは、チャンネル、AIエージェント、ファイル、スキル、ワークフローを同じワークスペースで扱い、予測結果をチームの確認と引き継ぎに組み込めます。

## まとめ

-   AlphaGenome Atlasは、一塩基変異の影響予測を検索できる研究向けデータベース
-   約90億件の変化と変異影響スコアにより、候補の優先順位付けを支援
-   コード不要のウェブ画面で研究者が利用できる
-   予測は仮説形成の材料であり、実験や臨床上の判断には別の検証が必要

研究データ、確認手順、AIエージェントの作業を引き継げる形に整理できます。

[無料相談を予約する](https://cal.com/forms/5bd983bd-70e5-4afa-afd7-098b78cde6c3)

## 関連記事

[すべての記事](https://kylon.io/ja/blog)

[

### PLAUD MCPとは。録音をAIエージェントにつなぐ設定と使い方

PLAUD MCPを設定すると、ClaudeやCursorから自分の録音を検索し、文字起こしと要約を読み出せます。導入手順、公開されている7つのツール、返ってくる項目、検索の制限までを公式資料に沿って整理します。

つきのこ·2026年9月17日

](https://kylon.io/ja/blog/plaud-mcp)[

### Gensparkとは？Kylonとの違いと代替候補の選び方を比較

Gensparkの現在の機能と使い方を公式情報から整理し、Kylonとの違いを比較します。成果物の作成と、人とAIエージェントが継続業務を進める仕組みから、代替候補を選ぶ軸を解説します。

つきのこ·2026年9月15日

](https://kylon.io/ja/blog/genspark-alternative-2026)