背景

ヒトゲノムには、タンパク質をコードする遺伝子が約2万個存在するが、これらの発現を調節する非コード領域は、ゲノムの98％を占める。エンハンサーは、この非コード領域に分散し、標的遺伝子の発現を時空間的に調節する重要な制御要素である。問題は、どのエンハンサーがどの遺伝子を調節するかを体系的に明らかにされていないことである。

既存の研究では、個々の細胞株や少数の組織において、エンハンサー-遺伝子間の関連を推定してきたが、ゲノム全体を網羅し、数百種類の細胞型をカバーする包括的なマップは存在しなかった。ENCODE（Encyclopedia of DNA Elements）プロジェクトは、20年以上にわたり16,000件以上のゲノム実験を実施し、遺伝子制御要素のカタログを構築してきたが、エンハンサーと標的遺伝子間の機能的関連を細胞型ごとに体系化した百科事典は、依然として空白であった。

主要な発見

ENCODE4コンソーシアムは、352種類以上の細胞型と組織にわたって、920万件以上のエンハンサー-遺伝子間の制御相互作用をマッピングした百科事典を完成させた。これは、2023年のプレプリントで報告された130万件と比較して、約7倍に拡大した規模であり、拡張されたシス-制御要素候補（cCRE）レジストリ237万件と、追加の生体試料データの統合が、この飛躍を可能にした。

研究チームは、ENCODE-rE2G（ENCODE-regulatory Element to Gene）という新しい予測モデルを開発した。このモデルは、既存のABC（Activity-by-Contact）モデルを超えて、DNase-seqデータから得られた13種類の特徴を活用するロジスティック回帰に基づく教師あり学習アプローチである。重要な発見は、エンハンサー活性と3次元のエンハンサー-プロモーター接触頻度に加えて、プロモータークラスとエンハンサー間の相乗効果が、エンハンサー-プロモーター間のコミュニケーションを左右することである。

モデルの検証には、CRISPR干渉実験で測定された10,411個の要素-遺伝子対、30,000件以上の精密にマッピングされたeQTL、および原因遺伝子に関連する569個の精密にマッピングされたGWAS変異が使用された。ENCODE-rE2Gは、ChIA-PETおよびHiChIP接触ベンチマークで平均再現率78％を達成し、ABCモデルの74％を上回る最高の予測性能を示した。プロモーターの特徴をABCスコアと組み合わせた4つの特徴モデルは、AUPRCを0.044さらに向上させた。

意義と展望

この百科事典は、94種類のGWAS形質に対する非コード変異の標的遺伝子を体系的に関連付けることにより、疾患関連遺伝変異の解釈におけるボトルネックを根本的に解消する可能性を秘めている。197個の非コード信頼変異セットと76種類の形質の組織濃縮分析がすでに実施されている。

しかし、限界も存在する。現在のマップは、主にバルク組織レベルのデータに依存しており、単一細胞レベルでの検証はまだ初期段階である。また、エンハンサー-遺伝子間の関連の動的な変化、すなわち、発達段階や疾患状態における再配線（rewiring）まで捉えるためには、さらなる研究が必要である。ENCODE-rE2Gモデルの予測性能も、細胞型によってばらつきがあるため、希少な細胞型における精度の改善が残された課題である。