ゲノムビッグデータチャレンジ

慶應義塾大学理工学部生命情報学科

榊原康文

「ビッグデータ・イノベーションシンポジウム２０１４」

２０１４年３月１７日

遺伝子検査・診断

• アンジェリーナ・ジョリー，がん予防で両乳房切除

• 遺伝子検査の結果，乳がんや卵巣がんリスクを高め

る恐れのある病的変異のある遺伝子が見つかった

• 「将来の乳がん予防のための乳房切除」

生命とITIT企業「グーグル（Google）」が出資するベンチャー企業

「23andMe」という会社のサービスは？

唾液のサンプルを送付

個人のDNA情報の解析：

– 祖先などに関する情報

– （病気（がんなどの）リスク （現在，サービスを中止中）

– 解析情報はインターネット経由で閲覧

– バイオとITが産業レベルでも結びついた技術がいよいよ私た

ちの生活の身近に迫っていることを示唆

– Googleの戦略：ネット検索，メール，ブログ，動画，地図，そ

していよいよDNA情報？

1個の受精卵

中にはたくさんの遺伝子が入っている

コピーして増やす

DNA

体は６０兆個の細胞でできている

遺伝子は全部で約３万種類，３０億文字ある。

新聞５０年分：

朝刊と夕刊をすみからすみまで読んで，３６５日×５０年 分

コピーして増やす

やせた人

太った人

肌の色が違う人

1個の受精卵

一人一人の遺伝子の違いは約０.１％

３０億文字の中で３００万カ所

この違いにより，体質が決まる

がんになりやすさも違ってくる

生まれつき遺伝子は少しずつちがう

[http://nordwave.net/Great_Britain/category/science/]

地球上７０億人の「個人」の多様性

• 一塩基多型（SNP）

• 挿入，欠失（Indel）

• コピー数多型（CNV）

• 構造多型（SV）

• 目の色

• 肌の色

• 糖尿病になりやすさ

• がんになりやすさ

NHGRI GWA Catalogwww.genome.gov/GWAStudieswww.ebi.ac.uk/fgpt/gwas/ 

Catalog of Published Genome-Wide Association Studies

Catalog of Published Genome-Wide Association Studies

１番染色体

生命科学における「情報爆発」

ゲノム配列情報の蓄積

決定済：真核生物 ３１３ 種， 原核生物 １２６３１ 種⇒ ついに１０００ゲノムを超えた！！

進行中：真核生物 ６６６１ 種， 原核生物 ２０９３１ 種（ 2014年3月現在，GOLD Genomes OnLine Database v4.0 ）

生命科学におけるムーアの

法則：

① 半導体の集積度は１８ヶ月で二倍になるという経験則

② GenBankにおけるDNA配列データの増加度：

最初のゲノム解読：1995年インフルエンザ菌 1.8Mbp（Haemophilus influenzae）

医学・生命科学ビッグデータ時代の到来

オミックスデータベース

ゲノム配列，遺伝子発現プロファイル，エピゲノム，化合物データベース

バイオバンク

検体の収集・管理，．．．

電子カルテ EHR（患者の履歴，検査値，臨床データ），PHR コホート

個人ゲノム，SNPs，環境要因，生活習慣

ビッグデータの特徴 （３つのＶ）

①Volume（量） ②Variety（多様性） ③Velocity（発生頻度）

化合物

GATTTAAGATT

ゲノム変異

C A B C

発現プロファイル

がんゲノムハブ（CGHub）【UCSC】

（1ぺタバイト）

遺伝子ネットワーク

化合物データベース【PubChem】

（1億1700万化合物）

遺伝子ネットワーク【KEGG PATHWAY】

（24万エントリー）

遺伝子発現【NCBI GEO】

（92万細胞サンプル）

予測学

• 多くの事象は予測できると主張

「何を買うか」から「いつ死ぬか」まで，あなたの行動はすべて読まれている

「ヤバい予測学」，エリック・シーゲル (著), 矢羽野薫 (翻訳)

• 保険会社は被保険者の死亡年齢を予測

• 患者が30日以内に再入院するかどうか

を予測して退院の判断に役立てる

• 米国税庁は予測技術から脱税摘発を25倍

に増加

• ある州では犯罪が起きやすい地域を予測し

た上で警官が巡回する

バイオインフォマティクスという分野

①近年の生命科学データの爆発的な増大！

②コンピュータを用いる２つのアプローチ：

i. 網羅的（ハイスループット）なウエット実験から生成される大量データの処理

ii. 実験前にコンピュータによる情報処理を徹底的に行うことにより，ウエット実験を絞り込み効率化する ⇒インシリコスクリーニング

③バイオインフォマティシャンの育成は喫緊の課題

「なぜ生命科学の解析にコンピュータが必要なのか？」

例題：ゲノム配列からの解析出芽酵母の６番染色体のある領域：

CDS

AAGTAAGTTGTTAGTGTAACTATGATCACGGCTGCGTGCCGGGTAATAAATCAATTTTGA

GGAAAACTGGAAGTTCACCACTGAGAATGATCAACGGCAGGGAAACGTTATACCAAACAA

AGCATTCTACCTCTAGGGAAGCTGGAAACTTGAATTACCCACTATAGCTTGTCTTTTAGT

GATCCATTATTCCAACCTATTGCAATTCCAAGAAAATAAACTAGGAACTTTTTTTTTTGG

AAGAATAAGAAAAGGAGAAAAAGTAGACATACTGTATATACACGAGGGCGTATCGTTCAC

CAGAAAGAATATAAACATAACAAGATAAACATGTCAGGCTTGAGAACTGTTTCTGCTTCA

TCCGGTAATGGAAAGAGCTATGACTCTATTATGAAAATTTTATTGATTGGTGATTCTGGT

GTTGGGAAATCATGTTTATTGGTTCGTTTTGTTGAAGACAAATTTAACCCGTCATTTATC

ACCACCATTGGTATTGATTTCAAAATAAAGACTGTCGATATCAACGGTAAGAAGGTAAAG

CTGCAACTTTGGGATACCGCTGGTCAAGAACGTTTCCGGACAATCACCACAGCGTATTAT

CGTGGTGCTATGGGTATCATTCTTGTATATGATGTGACAGACGAGAGAACATTTACTAAT

ATCAAGCAATGGTTTAAAACCGTTAATGAGCATGCGAACGATGAAGCACAGCTACTGTTG

GTTGGTAACAAGAGCGATATGGAGACGAGAGTGGTAACAGCTGATCAAGGTGAAGCCTTG

GCTAAGGAGCTGGGTATACCATTCATCGAGTCCAGTGCTAAGAACGATGACAATGTCAAC

GAGATTTTTTTCACCTTGGCGAAGTTAATCCAAGAAAAAATCGACAGTAACAAGCTTGTT

GGCGTCGGTAACGGTAAAGAGGGCAATATTAGCATCAATAGTGGGAGCGGAAACAGTTCT

AAATCAAATTGCTGTTGAAGAAAAGAAGATTTTTGCTTCTTTGAGAATTAATCGTGAACT

GGAATTAGAGCTATAAATCGCTTGATTCTTTTTTCCCTTTTTCTCAATATTCGCAGGTTA

TTTTTCCTTTATATATATACATTGTTTGTATCTTTTTTTGATTACCATACTTACTATTTT

例題：ゲノム配列からの解析出芽酵母の６番染色体のある領域：

開始コドン

ATG

終止コドン

TGA

遺伝子領域：SEC４（YFL005W）

納豆菌（Bacillus subtilis natto ）のゲノム(Nishito et al., BMC Genomics, 2010)

T

・・

・

・

・

A

・

・

・・

納豆菌ゲノム

G C

A

T

GC

-ポリグルタミン酸(PGA)

ドラッグデリバリーシステム

水の浄化

（朝日新聞 朝刊科学面２０１０年５月１４日）

サプリメント化粧品

納豆菌ゲノムの解読から分かること

1. ゲノム全長：410万塩基対，総遺伝子数：4,429

2. γポリグルタミン酸の合成関連遺伝子群

非常に高い吸水性，保湿力，カルシウム結合能 ⇒ 化粧品，石鹸，

サプリメント，納豆樹脂（紙オムツ，水質浄化剤），など

3. ナットウキナーゼ遺伝子

プロテアーゼの一種 ⇒ 血栓溶解能，血圧降下，コレステロール

低下などの血中脂質改善

4. エラスターゼ遺伝子

エラスチン（動脈などの弾性繊維の主成分）の分解 ⇒ 動脈硬化

症，高血圧，糖尿病，などの改善

5. 納豆菌ゲノムブラウザー

http://www.natto-genome.org/

さまざまな納豆菌

(Nishito et al., 2010)

Bacillussubtilisnatto

納豆菌(BEST195)ゲノムの決定

食味・成分の違い

原料(大豆)

製造方法

菌株ゲノム

あづま食品(栃木)奥野食品(三重)

水戸納豆(茨城)やぐちフーズ(埼玉)

丸美屋(熊本)

ヤマダフーズ(秋田)

タカノフーズ(茨城)

黒石納豆(青森)

鎌倉山納豆(神奈川)ミツカン(愛知)旭松食品(大阪)

高畠納豆(山形)萬歳食品(宮城)

オシキリ食品(北海道)

キネマ(ネパール)

多くの工業株が存在

納豆は日本の伝統的食品

②「ビッグデータ実践演習教材等」 ②－４

• これからの生命科学において要となるツールである次世代シークエンサーが産生する大規模データを用いたゲノム解析を体験する

⇒ 納豆菌株のゲノム比較解析

1. 演習で行う具体的な課題を決定し，そのためのデータ解析ソフトウエアと環境を整備した．

2. バイオインフォマティクス専用のR言語の処理系 Bioconductor を準備して，主成分分析などを行う統計解析基盤を整備した．