発現プロファイル解析システム及びそのプログラム

• 矢野 健太郎
• 清水 顕史

• 学校法人明治大学

ゲノム解析研究の進展により、機能未知の新規遺伝子が大量に同定されており、その機能の解明を行う必要があり、その機能を示唆する情報を得るために、発現条件（遺伝子が発現する条件を示した情報）に対応した遺伝子の発現パターンが用いられている。
そのため、ＥＳＴ、ＭＰＳＳ、ＳＡＧＥ、ＣＡＧＥなどにより、疾患患者や病理モデル動物の組織あるいは培養細胞などから取得した大量（数万レベル）の遺伝子の発現を網羅的に解析する処理が行われている。
すなわち、メッセンジャーＲＮＡ（以下、ｍＲＮＡ）のカウント数による遺伝子解析においては、遺伝子の発現パターンの特徴から、遺伝子発現プロファイル解析を用いることにより、対象となる全遺伝子のクラスタリングを行っている。

一般に、ｎ個の遺伝子から構成されたｍＲＮＡを使用して、ｋ個の独立した実験条件から得られたｍＲＮＡの発現頻度のデータを用いることにより、ｎ個の各遺伝子それぞれがｋ次元の特徴空間におけるｋ次元の特徴ベクトルを有する座標点となる。
したがって、ｎ個の各遺伝子は、それぞれの特徴ベクトルにより、上記特徴空間におけるｎ個の座標点の集合となる。
上記発現プロファイル解析とは、上記特徴空間上にプロットされた座標点、すなわち、遺伝子を特徴空間上にて類似したもの同士をグループ化して分類することである。

上述したグルーピングの処理により、例えば、正常な状態にある健常人において発現している遺伝子が、いずれかの疾患の患者では発現していない、または発現量が増加あるいは減少しているなど、疾患の患者に特異的な発現プロファイルを得ることにより、健常人にはなく、疾患に関与している特有の遺伝子を検出することができる。
このように、遺伝発現プロファイルは、機能が未知な遺伝子の機能予測のために用いられる重要なツールとなる。

遺伝子発現プロファイル解析においては、解析対象となるデータとして、遺伝子発現比の指標を行列化したものを用いている。
例えば、各行に評価する遺伝子群、各列にそれぞれサンプル群（標的とする表現型）を並べたものであり、この行と列が遺伝子発現プロファイルである。なお、サンプルとは、より具体的には、異なる複数の調査個体や同一個体でのTime Course実験で計測した表現型などを示す。例えば、100種類の遺伝子の発現量を、50個体で計測したとき、行列Ａの要素Aij（i行j列の値、1≦i≦100、1≦j≦50）はi番目の遺伝子についてのj番目の個体が示す発現量を示す。

遺伝子発現プロファイル解析における膨大な量のサンプルから得られた結果の解析には、その結果を効率よく解析し、目的とする遺伝子を迅速に発見するための情報処理技術が必要となる。従来、このような技術として、例えば、クラスタリング解析、主成分分析などの特別な多変量解析、系統的解析が行われている（例えば、非特許文献１、非特許文献２参照）。

そして、遺伝子発現プロファイル解析は、遺伝子発現量（発現比）を対数変換して行われる。具体的には、対数変換は、発現レベルの比(発現比、ratio)を対数変換した指標（例えば、log2(ratio)など）とするものであり、マイクロアレイ実験によって、ある遺伝子の発現レベルをサンプル間で比較する場合に、主に用いられる。この対数変換を行う理由としては、例えば、log2(ratio)変換であれば、1/4 倍、1/2 倍、1 倍（等発現）、2 倍、4 倍といった発現比を-2, -1, 0, 1, 2 と1 倍を中心として等尺度へ変換でき、研究者にとって理解しやすいこと、統計解析を行う上で妥当であることなどが挙げられる。しかし、研究機関や研究者によって、この対数の底に2, e, 10 などを用いるなど統一性がなく、Web 上などで公開されたデータ間を直接比較ができないという学際的な問題がある。

また、クラスタリング解析は、多次元の特徴ベクトルに基づいて類似の遺伝子発現プロファイルをもつ遺伝子群やサンプル群を同一のクラスターに分割することができる。そのため、クラスタリング解析において、広く利用されている階層的クラスタリング（例えば、Ewingら、1999、Genome Res.9:950-959 の研究など）では、演算量の増加から汎用的な計算機による解析が困難となっている。また、現在の膨大なＥＳＴデータからは、一般に、数千から数万個の発現遺伝子が予測される。遺伝子発現パターンに対するクラスター解析結果の代表的な表現手法である樹状図は、遺伝子間の発現パターンの類似性を視覚的に捉えるための有用な表現方法である（後述する図８、「van't Veer, L.J., Dai, H., van de Vijver, M.J., He, Y.D., Hart, A.A., Mao, M., Peterse, H.L., van der Kooy, K., Marton, M.J., Witteveen, A.T., et al. (2002) Gene expression profiling predicts clinical outcome of breast cancer, Nature, 415, 530－536」における図１）が、遺伝子数が数千個以上となる場合には、樹状図全体を計算機モニターや印刷紙に出力することが困難であり、大規模な樹状図からの結果の解釈にも多大な労力を必要する。

すなわち、階層的クラスタリングは、遺伝子の数の増加に伴い計算量が多くなること、また、与えられたデータセットに依存して樹形図のトポロジーが変化しやすい、行列の大きさの増加とともに急激に解析時間が長くなり、計算機のＣＰＵおよびメモリが必要であるなどの欠点も有している。
また、k-means法やSOM（Self Organizing Maps）法では、階層的クラスタリングと比較して、少ない計算機リソースで解析を行うことが可能である。しかし、解析を行う際に、クラスター数をあらかじめ決定する必要があり、恣意的な手法である。
また、多変量解析の１つである主成分分析手法では、高速に計算を実行することが可能であるが、プロファイルに対する解析手法ではないため、得られたスコアから発現プロファイルを比較することができない。

また、上述した各方法により得られた膨大な量（万のオーダー）のサンプルや遺伝子のクラスターを視覚的に把握することは困難であるという問題点も有している。そのため、現在、主に、ピアソンの相関係数などから大規模クラスターからターゲットとなるクラスターのみを取り出す操作が行われている。
しかしながら、得られたクラスターのViewerも必ずしも研究者にとって分かりやすいものではない（図８参照）。

上記図８に示したtwo-dimensional-displayと呼ばれるViewerは、各遺伝子と各サンプルを縦横（もしくは、その逆）に並べたものである。そして、各セルの色やその色の濃淡が、対応するサンプルと遺伝子の発現の強弱を示すように、視覚化されている。

また、主成分分析は、遺伝子発現プロファイルの数値の大きさを直接的に比較する統計手法であり、より高速な解析を行うことが可能である。
しかしながら、主成分分析では、高速な解析を行う結果、調査対象の表現型とは無関係なハウスキーピング遺伝子は、各主軸に対して異なるスコア（座標のようなもの）が出力されてしまうため、散布図にプロットした場合にも、検出が困難である。

本発明は、遺伝子の発現プロファイルを解析するなどの発現プロファイルを解析する発現プロファイル解析システム及びそのプログラムに関する。

• G06F  19/20      ハイブリダイゼーションまたは遺伝子発現に関するもの，例．マイクロアレイ，ハイブリダイゼーションによる配列決定，正規化，プロファイリング，ノイズ修正モデル，発現比率見積もり，プローブの設計・最適化
• G06F  19/26      データの可視化に関するもの，例．グラフ生成，マップ表示，ネットワークまたはその他の視覚的表現

• 5L049DD06