機械学習が遺伝子制御の生物変異を解明

米ユタ大学ヘルスの研究者らは、機械学習と長鎖デオキシリボ核酸解析を組み合わせた新手法を開発し、母親由来と父親由来の染色体で異なる遺伝子発現調節を区別することに成功した。この手法は「ファイア」と名付けられ、学術誌セルに成果が発表された。 研究チームは、細胞の活動に関連するデオキシリボ核酸領域を標識したうえで、長い鎖を個別に読み出す既存手法に機械学習を適用した。母と父から受け継いだ遺伝情報のわずかな違いを手がかりに、実際に機能している調節領域を大規模に判定できるようにした。従来は人手で一部を確認していた作業を、ゲノム全体の膨大な候補領域にまで広げられる点が特徴だ。 チームはセリアック病と関連する遺伝的差異も調べた。疾患リスクと結び付けられてきた領域が、免疫関連遺伝子の近くでスイッチとして働くことを確認し、実験で1文字の塩基変化がスイッチの開放度合いを変えることを示した。周辺に多数ある遺伝的差異のうち、実際に機能に影響する原因候補を絞り込めることを示した。 ファイアを用いた大規模解析では、数十万規模の未発見調節領域を同定した。これらの領域は疾患関連変異を含みやすく、健康や病気に関わる未知の機能を担う可能性がある。同時に、遺伝子配列が同じでも母由来と父由来のコピーで調節の仕方が異なる現象も見いだした。調査では、こうした差の約4割がその部位の遺伝情報差では説明できず、遺伝だけでは決まらない生物多様性の存在を示唆した。 研究者は、この成果を遺伝性疾患の根本原因解明に生かすことを想定している。特定の遺伝的変異がどのように遺伝子スイッチを変え、病気のリスクや重症度に結び付くかを解析できれば、核酸の編集やスイッチ制御で疾患を治療・治癒する遺伝医薬の設計につながる。今回の手法は、見た目の変異と機能の影響をつなぐ役割を担い、遺伝情報を医療上の判断に翻訳する第一歩になるとしている。