背景

従来のゲノム研究は、集団内で頻繁に見られる変異の影響を分析することに主に注力してきた。頻繁な変異を追跡する方法は、比較的容易に大規模な相関関係を明らかにし、多遺伝子リスクスコア（Polygenic Risk Score, PRS）モデルの有用な基盤となった。しかし、個々の患者が持つ独特で希少な遺伝変異が疾患リスクを予測するには非常に困難な状況である。頻度が極めて低い希少変異はサンプル数が少なすぎて統計的有意性を確保するのが難しい。

学界はこの限界を克服するために、複数の変異の影響をまとめて分析する遺伝子負荷検定（gene-burden test）に依存してきた。この技法は個々の変異の細かい差異を無視し、遺伝子全体単位で変異数を合計する方式を取る。これにより、疾患リスクを高める有害変異と疾患を予防する有益変異の影響が相殺される致命的な誤差が生じる構造である。さらには、疾患と無関係な無害変異まで分析に混入し、予測性能が低下する副作用も引き起こしていた。そのため、個々の希少変異が持つ具体的な影響を正確に抽出し、PRSモデルの性能を向上させる分析モデルの必要性が高まっている。

核心的発見

Seoul National University School of Public Healthの李承根教授研究チームは、希少変異の影響を個別に計算する統計分析法「RareEffect」を開発した。研究チームは、遺伝子または塩基配列領域単位の遺伝率（heritability）をまず測定し、ベイジアンフレームワーク（Bayesian framework）を適用して個々の変数の具体的な影響の大きさを算出する方式を設計した。分散成分モデル（variance component model）として動作するこのアルゴリズムは、有害性と有益性の変異が混在する領域で、個々の変異の純粋な影響を正確に捉える仕組みである。

大規模バイオバンクデータを効率的に扱うための技術的補強も行われた。研究チームは、遺伝的親和行列の数学的構造を活用する「FaST-LMM」（Factored Spectrally Transformed Linear Mixed Models）技法を組み合わせた。大規模な計算にかかるコストと時間を大幅に削減し、分析効率を現実的なレベルに引き上げた技法である。また、患者と健常者の比率が極端に不均衡な疾患データの分析を安定化させるため、「Firthバイアス補正（Firth bias correction）」の高速アルゴリズムを計算過程に統合した。極めて頻度が低い希少変異の信号の消失を防ぐため、それらを適切に統合する変異縮小戦略も併用し、分析力を補強した。

研究チームは、英国バイオバンク（UK Biobank, UKB）の45万人規模の全エクソームシーケンス（Whole Exome Sequencing, WES）コホートデータを活用して、RareEffectの実務的な性能を検証した。100種類の量的性状と二分型疾患性状を対象に分析を実施した結果、従来の負荷検定モデルに比べてさらに精密な予測力を確認した。特に、コレステロール値などの連続的な指標だけでなく、2型糖尿病やがんなどの主要な慢性疾患の遺伝的リスクを判別する過程で成果が顕著である。

意義と展望

RareEffectの登場は、ゲノム研究の焦点を頻繁な変異から希少変異へと移すマイルストーンとなると予測される。今回の分析技法は、個々の患者が保有する希少変異のリスクを単一変異単位で把握することで、真の意味での個別化医療を前進させる鍵となる。特に、薬物代謝遺伝子の希少変異分析が容易になることで、新薬開発を推進する製薬企業の臨床試験設計効率が大幅に改善される可能性が高い。

しかし、実際の臨床現場への全面的な導入には解決すべき課題が依然として存在する。大規模WESデータを解読し、RareEffectアルゴリズムを動かすために必要なコンピューティングインフラのコストを抑える課題がある。また、英国バイオバンクデータが主に欧州系人口集団に偏っているため、アジア系を含む他の人種集団でも同様の予測性能が得られるか、多民族コホートの検証が必要である。さらに、ゲノムの非コード領域（non-coding region）に存在する多くの変異の機能的相互作用を説明するには統計的仮定がやや単純であるとの指摘も出ている。