背景

メタゲノム技術は、培養工程を経ずに環境サンプルから遺伝情報を分析し、微生物生態系を解明する道を開いた。しかし、遺伝体配列解析装置の高速化により解析可能なデータ量が急増し、従来の情報処理方式は深刻な過負荷に直面していた。塩基配列を一対一で対照して系統を描く従来のアラインメント方式は、解析対象が増えるほど計算量が指数関数的に増加する致命的な限界を抱えていた。数十万の微生物ゲノムを比較するには天文数字的なコンピューティングコストが発生する。さらに、毎回発見される新種ゲノムを既存データベースに追加するたびに、全体の地図を最初から再描画しなければならないという煩雑さも存在していた。既存の細菌分類基準を進化速度が速く変異が激しいウイルスにそのまま適用できないという研究現場の指摘も続いていた。大容量ゲノム情報を迅速に分類し、柔軟に更新できる分析フレームワークが切実に求められていた理由である。

核心的発見

研究チームは、特定の長さの配列断片であるk-mer情報と確率的データ構造であるブロムフィルタ（Bloom Filter）を融合させた配列ブロム木（Sequence Bloom Tree、SBT）に基づく階層構造のメタエスビー（MetaSBT）を開発する成果を収めた。このフレームワークは、インデックス構築、分類割当、動的更新という三段階モジュールに分割され、演算効率を引き上げる。まず、国立生物工学情報センター（National Center for Biotechnology Information、NCBI）ジェンバンク（GenBank）に登録されたウイルス参照ゲノム2万6,285個を収集し、基本インデックスを構成する。その後、微生物メタゲノムアセンブルゲノム（Metagenome-Assembled Genome、MAG）1,111個とヒト腸内ウイルス図鑑（Metagenomic Gut Virus、MGV）のゲノムデータ約19万個を順次入力し、データベースを更新していく方式を採用した。

分析結果、MetaSBTは合計40,729個の種レベルクラスターを発見した。興味深い事実は、既存データベースと一致する割合が約20%にとどまっている点である。残りの80%に達する32,560個のクラスターは学界に報告されていない新たな候補種として分類される。分析の信頼性を高めるため、平均核酸相同性（Average Nucleotide Identity、ANI）99%の基準でゲノムを精製するフィルタリング作業も並行して行った。重複配列を除去し、最小3個以上の独自ゲノムが含まれた高信頼性ウイルス新種302個を明確に明らかにした。演算速度と拡張性の面でも目覚しい数値が確認される。従来のアラインメントベースツールであるバイラディック（VIRIDIC）は3万個以上のゲノムを比較する際、10億回の演算が求められ、起動すら不可能だった。これに対し、MetaSBTはゲノム解析規模を1,000個から10万個に増やしてもリソース使用量が比例して増加する線形的拡張性を証明した。

意義と展望

今回の研究は、世界中の研究者がメタゲノムデータを精密に分類し、比較分析できる基盤を築いたと評価されている。MetaSBTデータベースは、クラーケン2（Kraken2）などの分類プログラムと迅速に結合し、微生物集団分析の質的飛躍を導く。実際に、公的データベースに蓄積された既存ウイルス情報の分類誤りを正す浄化作用を果たした。分析過程でNCBIジェンバンクに保管された参照ゲノムのうち686個とウイルスメタゲノムアセンブルゲノム（vMAG）1,051個が誤った情報であったことを確認し、修正した事例がこれを裏付ける。

それでも、演算構造的限界は依然として解決すべき課題として挙げられた。ブロムフィルタ木の特性上、分析開始段階で指定したk-merサイズを任意に変更することができないためである。変数を変えるにはデータベースを最初から再生成しなければならないという煩雑さが続く。コンピュータ演算で検出された3万を超える新種候補ウイルスが実際に人体や環境でどのような作用を果たしているかはまだ明らかにされていない。塩基配列情報の取得にとどまらず、それらの具体的な機能と感染機序を分析する湿式実験が裏付けられることで、初めてツールの完全な価値が証明される見通しだ。