高次元因子の低次元アルゴリズムを応用した多因子疾患の病因解析システムの開発

点击翻译按钮获取中文摘要

昨今、患者数の増加が強く懸念されている生活習慣病や自己免疫疾患などは多因子疾患と呼ばれ、その易罹患性(かかりやすさ)は、俗に「体質」と呼ばれる遺伝的要因のほか、生活習慣や外的環境で構成される、非常に複雑なネットワークの下で決定されている。一方、グラフィカルモデリングは、多変量の関連構造をネットワークグラフによって表す手法であり、本年度は、そのグラフィカルモデリングの一種であるpath consistency(PC)アルゴリズムを実装、ソフトウェア化した。同時に、本手法の有効性を検証するため、遅発性アルツハイマー病(LOAD)のデータ解析を行ない、アポリポタンパク質E遺伝子(APOE)のほか、第10染色体上に存在する数個の遺伝子多型とLOADとの関連を再現することができた。この部分について、現在論文を作成中である。このネットワークグラフが示唆する生物学的な意味については、別途理論的および実験的検証が必要であるが、本手法により、疾患とSNPの相対的な関係性がより理解しやすい形で視覚化され、様々な形で疾患に関与するSNPの網羅的な抽出が可能となる。PCアルゴリズムはまた、大規模なデータにおいても、その効力を十二分に発揮し得るという特長を有している。現在、ゲノム全域に存在する数十万単位のSNPをマーカーとした大規模な関連解析が広く行なわれており、今後、そのような大規模なデータを対象として、多因子疾患を支配する複雑なメカニズムの解明が進められていく中で、非常に有用な手法として、その可能性が期待される。