遺伝解析の統計的検出力を高めるための緑内障臨床情報クラスタリング手法の開発

点击翻译按钮获取中文摘要

緑内障は慢性的に進行し失明に至る疾患であり、依然として本邦における中途失明原因の第1位を占めている。近年、ゲノムワイド関連解析により数多くの緑内障関連遺伝領域が報告されており、申請者らも正常眼圧緑内障の有意なバリアントを報告してきた。従来の報告はいずれも疾病発症に関する解析であり、重症化を含めた表現型の違いに対する遺伝的リスク要因を検討した報告は少ない。本研究では、機械学習により緑内障臨床情報を類型化するソフトウェアを開発、既知ゲノム情報とリンクさせたクラスター解析に加えて、PRS手法を取り入れた遺伝解析を行うことで、遺伝解析の統計的検出力を高め、広義原発開放隅角緑内障(POAG)発症ならびに重症化における遺伝的要因と環境的要因の関与を明らかにするとともに、汎用的な臨床情報のクラスター解析法の確立を目指している。これまでの研究において、POAGの進行リスク判定方法として3つの手法を検討した。すなわちハンフリー自動視野のGlaucoma Progression Analysis(GPA)による「進行の可能性」出力をイベントとする生存曲線解析、Aulhorn分類Greve変法のステージ進行をイベントとする解析、臨床的に必要と判断された緑内障手術施行時点をイベントとする解析である。これらの3手法の単独もしくは組合せにより、それぞれの手法別に進行群と非進行群に対し、複数のSNPを用いたPRS手法を応用したゲノム解析を行ない、これまで報告されたことのないいくつかの有意なSNPを得た。また並行してKyoto Glaucoma Registryとして維持管理している40万件を超える緑内障患者の臨床情報において、データ数の増加に伴う問題点が生じてきたためにバックボーンの見直しを行った。その過程で一部データの信頼性に疑義が生じたため、データの見直しに着手し、十分なクリーニングを行った。