人工知能が予測するRNAスプライシング変異、希少疾患の精密医療における核心に
背景：既存の統計的ヒューリスティック手法およびスプライシング変異に関するデータボトルネックが、稀な神経筋疾患および抗がん剤の研究開発に及ぼす技術的限界。
既存の線形かつ静的なゲノム解析ガイドラインは、RNA成熟プロセスにおけるオルタナティブスプライシングの多次元的な動的変化をシミュレートできず、稀な疾患の治療薬開発における重大な盲点を生み出している。例えば、スプライシング因子の空間的トポロジーは、単一細胞の分離中に崩壊し、分離誘発性の構造崩壊ノイズが生じる。また、スプライシング制御要素における種間差により、前臨床試験での有効性が臨床試験に反映されない。さらに、標的細胞内でのフィードバックフラックスをin silicoで制御できないことも問題となっている。これにより、脊髄性筋萎縮症（SMA）のヌシナーセン（Spinraza）や、デュシェンヌ型筋ジストロフィー（DMD）に対するサレプタ社のASOパイプラインなど、薬剤の研究開発におけるデータボトルネックが生じ、候補化合物の多くが、所望のin vivoでの定着や有効な予防濃度を達成できないという結果につながっている。 初期の統計モデルは、単純なスプライスサイト配列の強度のみをスキャンし、RNAの二次構造やRNA-タンパク質結合の自由エネルギーの全体的な変化をモデル化していなかったため、偽陽性ターゲット予測の割合が異常に高く、数兆ウォン規模の開発コストが無駄になっている。
成果：トランスフォーマーおよびグラフニューラルネットワークの導入と、単一細胞レベルでの多次元独立変数テンソル同期の実証。
最新のNature Geneticsレビュー（doi:10.1038/s41588-026-02629-4）で説明されているように、既存の統計的手法の限界を克服するために、深層ニューラルネットワークモデルやグラフニューラルネットワーク（GNN）ベースの手法が導入されている。この計算アーキテクチャは、DNA配列情報やクロマチンアクセシビリティ、ヒストン修飾パターンなどのエピジェネティックな独立変数を多次元テンソルに変換し、転写とスプライシングが同時に起こる共転写スプライシング状態ベクトルを正確に同期させる。特に、スプライソソーム複合体の結合自由エネルギーをin silicoで計算することにより、バッチ効果を除去し、異なる実験プラットフォーム間のデータバイアスを排除する。これにより、腫瘍微小環境における免疫原性新規抗原によって誘発されるアイソフォームトランスクリプトームネットワークのトポロジー変化を、単一塩基レベルで解明することが可能になり、計算スキャンの分子的整合性が実証された。
RNAスプライシングメカニズムおよび可逆的なトランスクリプトームホメオスタシスを微調整するためのモデルの確立。
ゲノム解析プラットフォームの性能向上により、大規模なオミクスデータに基づいた患者の精密層別化モデルが確立された。稀な遺伝性疾患患者からの特定のクリプティックスプライスサイト活性化タイプと家族歴データを照合することにより、患者集団を極めて詳細な分子表現型に層別化し、スプライシング反応の律速段階をin silicoで上方または下方調節するシミュレーションを実施する。これにより、ASOドッキング配列ガイドラインの堅牢な基盤を確立し、外部の物理化学的摂動下でも、細胞が自律的に可逆的なトランスクリプトームホメオスタシスを回復させるように誘導することが可能になった。これにより、既存のベースラインモデルと比較して、患者固有の薬剤応答予測性能（AUC-ROC）が35%以上向上し、B2B精密医薬品の研究開発のための中心的な計算医療フレームワークが確立された。
今後の展望：プログラム可能な計算システム生物学標準の確立と、次世代INDデジタルガバナンスシステムの開始。
In silicoスプライシング予測の進歩は、グローバルな研究開発ガバナンスを、静的で事後的な対症療法的なアプローチから、AI多次元テンソルに基づいたプログラム可能な計算インフラストラクチャへと完全に転換させる。Ionis、Sarepta、Deep Genomicsなどのグローバルバイオテクノロジー企業は、すでに、ハイスループットスクリーニング（HTS）における遺伝勾配補正係数をリンクさせることにより、バッチ間のばらつきを排除し、候補化合物の最適化期間を大幅に短縮することで、計算上の優位性を確立している。さらに、in silicoスプライシング変異予測データは、デジタルヘルスコンパニオン診断（CDx）標準の要件を満たし、臨床的な適合効率を最大化し、FDAおよびその他のグローバル規制当局からのINDおよびcGMP商業運営の承認を得る可能性を最大化する。2030年までに120億ドルに成長すると予想されるグローバルASO市場において、この技術は、承認までの期間を短縮し、グローバルな医薬品開発サプライチェーンの中心となる破壊的なデジタルマスターアセットとなるだろう。
Nature Genetics, Published online: 25 June 2026; doi:10.1038/s41588-026-02629-4Predicting splicing outcomes is a central challenge in precision medicine. This Review traces the evolution of computational approaches from early statistical heuristics to modern artificial intelligence frameworks to characterize splicing events.
本研究のAIベースのスプライシング予測技術は、トランスクリプトーム変異メカニズムの理論的な探求を超えて、グローバルなASO（アンチセンスオリゴヌクレオチド）製剤サプライチェーンおよび次世代の精密医療事業に直接応用されます。
まず、臨床現場における稀な遺伝性疾患のクリプティックスプライスサイト活性化動態を、深層学習ベースのトランスフォーマー計算スキャンを用いて瞬時に解析することで、誤診やオフターゲット変異の追跡における時間的ノイズを排除し、患者の生存率を向上させ、安全性を確保します。
同時に、包括的なゲノム変異およびRNA-seqオミクスデータを含むオープンソースのClinVarおよびgnomADデータベースと連携することで、臨床試験のデザイン中に集団における稀な遺伝的多型を仮想的にシミュレーションし、アンチセンスオリゴヌクレオチド（ASO）の有効なドッキング濃度をリアルタイムで計算するコンパニオン診断（CDx）パネルインターフェースを実現します。
さらに、多国籍企業が次世代のRNAスプライシング修正療法の大規模な臨床試験を実施する際に、RNA二次構造結合自由エネルギーを修正係数として組み込むことで、細胞株間のスプライシング効率のバッチ間変動を排除し、臨床試験プロトコルおよびcGMP商業運用に対して、グローバル規制当局からの承認を得る確率を最大化する基盤インフラとして機能します。