Artificial intelligence-based genome analysis of coronary artery disease to realize precision health

心筋梗塞などの虚血性心疾患は全世界の死因の第1位であり全世界的に大きな問題となっている。虚血性心疾患は生まれつきの遺伝的要因と生活習慣などによる環境要因が複雑に絡み合って発症に至ることが知られている。虚血性心疾患に関わる遺伝的背景を明らかにするために申請者はこれまでにゲノムワイド関連解析（GWAS）により新規の遺伝的座位を同定してきた。しかし統計学的な検出力の問題でレアバリアント（頻度の低い多型・変異）を十分に解析することができなかった。本研究ではGWASでは十分に検出することができない特にレアバリアントの役割を明らかにするために、心筋梗塞患者と非心筋梗塞患者の約6000人の全ゲノムシークエンスのデータを人工知能を用いたモデルで解析した。全ゲノムシークエンスデータからレアバリアントを抽出し疾患発症の有無を推定する機械学習モデルを構築し、学習モデルのパラメータ解析を行う事により心筋梗塞発症に関連が示唆されるレアバリアントを含む遺伝子群を同定した。同定した遺伝子群には家族性高コレステロール血症の原因遺伝子などが含まれていることを確認しモデルの妥当性が示唆された。続いて機械学習モデルからレアバリアント遺伝的リスクスコアを作成した。バイオバンクジャパンのSNPジェノタイピングアレイデータを用いてGWASを行いコモンバリアントからなる多遺伝子リスクスコア（PRS）を作成した。これらを独立したコホートで検証したところ遺伝的リスクスコアから有意に疾患発症予測が行えること明らかにした。また人工知能（ディープラーニング）を用いて、胸部X線画像から生物学的年齢を推定するプログラムを開発し推定年齢（X線年齢）が心疾患の予後に関連することを明らかにした。

心筋梗塞などの虚血性心疾患は全世界の死因の第1位であり全世界的に大きな問題となっている。虚血性心疾患は生まれつきの遺伝的要因と生活習慣などによる環境要因が複雑に絡み合って発症に至ることが知られている。虚血性心疾患に関わる遺伝的背景を明らかにするために申請者はこれまでにゲノムワイド関連解析（GWAS）により新規の遺伝的座位を同定してきた。しかし統計学的な検出力の問題でレアバリアント（頻度の低い多型・変異）を十分に解析することができなかった。本研究ではGWASでは十分に検出することができない特にレアバリアントの役割を明らかにするために、心筋梗塞患者と非心筋梗塞患者の約6000人の全ゲノムシークエンスのデータを人工知能を用いたモデルで解析した。全ゲノムシークエンスデータからレアバリアントを抽出し疾患発症の有無を推定する機械学習モデルを構築し、学習モデルのパラメータ解析を行う事により心筋梗塞発症に関連が示唆されるレアバリアントを含む遺伝子群を同定した。同定した遺伝子群には家族性高コレステロール血症の原因遺伝子などが含まれていることを確認しモデルの妥当性が示唆された。続いて機械学習モデルからレアバリアント遺伝的リスクスコアを作成した。バイオバンクジャパンのSNPジェノタイピングアレイデータを用いてGWASを行いコモンバリアントからなる多遺伝子リスクスコア（PRS）を作成した。これらを独立したコホートで検証したところ遺伝的リスクスコアから有意に疾患発症予測が行えること明らかにした。また人工知能（ディープラーニング）を用いて、胸部X線画像から生物学的年齢を推定するプログラムを開発し推定年齢（X線年齢）が心疾患の予後に関連することを明らかにした。