トランスクリプトームワイド関連研究

トランスクリプトームワイド関連研究（TWAS）は、遺伝子発現の遺伝的要素と形質の遺伝的要素を比較して、2つの要素間に関連があるかどうかを判断するために使用できる遺伝学的方法論です。^{[1] [2]} TWASは、ゲノムワイド関連研究に続く候補遺伝子解析で候補原因遺伝子を特定し、優先順位を付けるのに役立ちます。^[3] TWASは特定の組織のRNA産物を調べ、研究者は発現している遺伝子と、組織タイプによって異なる遺伝子発現レベルを調べることができます。 TWASは、遺伝子の発現と複雑な形質および疾患との関連を調べる、貴重で柔軟なバイオインフォマティクスツールです。^[4]遺伝子発現と発現した形質との関連を調べることで、特定の形質や疾患の発症における遺伝子調節メカニズムの役割を調査できます。

トランスクリプトームは、生物内の特定の細胞、組織、または器官に存在するすべてのRNA転写産物の合計です。トランスクリプトームには、セントラルドグマの中間体として機能するmRNAと、タンパク質合成で他の役割を果たす可能性のある非コードRNAの両方が含まれます。^[5]セントラルドグマでは、DNAが転写と翻訳を通じてタンパク質を作ることができる方法を説明しています。RNAは細胞内にさまざまな濃度で存在し、セントラルドグマの外でさまざまな役割を果たし、長さと機能に基づいて識別できます。遺伝子の転写および翻訳活動は、機能要素を通じて制御できます。^[4]トランスクリプトーム解析は、存在するすべてのRNAに関する情報を取得するのに役立ち、組織固有の遺伝的メカニズムに関する貴重な洞察を提供できます。^[6]トランスクリプトームは、1990年代に人間の脳の部分的なトランスクリプトームを特定するために行われた実験で初めて調査されました。研究者は609のmRNA配列を特定することができました。^[5]それ以来、次世代シーケンシング法は大きく進歩しました。^[6]これらの方法の進歩とマイクロアレイやRNA-Seqなどの新技術のおかげで、トランスクリプトームは現在では日常的に開発できるようになりました。 どちらの方法も、コンピューターによるイメージングと高読み取りおよび統計分析が必要です。^[5] mRNAを介して遺伝子発現に関する情報を取得することで、多くの用途が発見されました。 トランスクリプトーム解析は、疾患プロセスや疾患進行の調節要素の特定に有益であることが証明されており、疾患プロセスの特定を通じて薬剤開発を支援し、治療戦略への洞察を提供し、生物的および非生物的環境要因の両方に反応できる遺伝子の特定や、環境条件が遺伝子発現にどのように関与しているかの特定を改善しました。^[5]

ゲノムワイド関連研究（GWAS）は、一塩基多型（SNP）を使用して、形質または疾患が特定の遺伝子変異に関連しているかどうかを識別する遺伝学的ツールです。特定の変異の頻度が特定の形質とより一般的に関連しているか、または予想よりも高いかどうかを観察することにより、形質と変異の間に関連が構築されます。ただし、連鎖不平衡とゲノムのサイズが大きいため、これらの関連の多くは個人全体で発生する可能性があります。GWASはゲノム全体のマーカーを識別するための貴重な洞察を提供しますが、SNPの大部分は非コードmRNA領域に存在し、ゲノムのこれらの領域では製品が製造されないため、多くのSNPには標準的な方法で特定するのが難しい未知の機能があります。^[4]

転写ワイド関連研究では、GWAS 結果から情報を取得し、これらの結果を参照データとして利用して、遺伝子の特定と優先順位付けに役立ちます。^[4]この分析を実行するには、遺伝子発現の参照パネル (遺伝子発現調節を示すのに役立つ発現量的形質遺伝子座 (eQTL) など) を取得する必要があります。^[4]参照パネルを使用して、遺伝子の発現変異を補完する予測モデルを生成できます。補完とは、参照パネルに基づいてゲノム内に存在する変異を通じて、他の生物の遺伝子の発現レベルを予測できるプロセスです。組織内の遺伝子発現レベルを予測することにより、環境やエピジェネティック効果などの他の変数は排除されます。この予測は、存在する変異と予想される遺伝子発現レベルのみに基づいているためです。ただし、環境とエピジェネティックな変更の両方が遺伝子発現レベルを変える可能性があるため、遺伝子発現予測の不正確さにつながる可能性があります。^[7]シス遺伝子成分は、遺伝子から1メガベース以内にある要素であるため、eQTLの主な焦点です。^[2]次に、予測モデルをGWASサンプルに適用して、その研究からの重要なSNPの遺伝子発現を予測できます。発現レベルが補完された後、予測された発現レベルと遺伝子型を個人の表現型に関連付けることにより、遺伝子形質関連テストが実行されます。^[8]基本的に、TWASはGWASの結果を取得して、形質に関連する遺伝子の発現レベルに対する各変異の影響を予測することができ、ゲノム全体の形質に関連するすべての遺伝子座に対してこれを実行できます。^[7]

結果は、GWAS の結果と同様に、マンハッタン プロットで解釈できます。統計的に有意な結果であると考えられる遺伝子座は、より高い P 値を持ち、これは、その遺伝子座が調査対象の形質または疾患と関連している可能性が高いことを示します。統計的に有意な P 値は、より高い log P 値を持ち、Bonferroni 補正線より上に表示されます。マンハッタン プロットは、統計的に有意な遺伝子がプロット上で「高層ビル」のように見えることからそのように名付けられており、形質に関連する遺伝子が多数ある場合、プロットはマンハッタンのスカイラインに似ています。マンハッタン プロットのイメージは GWAS 研究用ですが、TWAS の結果も同様に表示されます。統計的に有意な遺伝子座は、その発現が対象の形質または疾患と相関する有意に関連する SNP を持つ遺伝子です。

PrediXcan ^[1]と FUSION ^[2]はどちらも、遺伝子研究で遺伝子と形質の関連性を調べるために利用されてきた TWAS ソフトウェアです。PrediXcan は、遺伝子制御発現を推定し、調査対象の表現型との関連性を判断する機能を備えた、よく開発された TWAS ソフトウェアです。ペナルティ付き回帰モデルを使用して、参照データセットから得られた観察された遺伝子発現と cis-SNP のレベルに重みを付けます。^[8]次に、ソフトウェアは個々の遺伝子型データを使用して、遺伝子と形質の関連性テストを実行します。FUSION は、関連性テストを作成するために異なる統計分析を使用する別の TWAS ソフトウェアです。このモデルでは、予測モデルからの代入法は、ベイズ疎線形混合モデルに基づいて計算されます。^[8]このソフトウェアの利点は、個々の遺伝子型データに対して関連性テストを実行できることですが、このソフトウェアは、代入を使用して大規模なデータセットから情報を取得することもできます。

この方法の利点は、遺伝子の機能と遺伝子機能と遺伝子発現の関連性についての洞察を研究者に与えることです。TWASは、GWASの結果を取り入れて、その結果を拡張し、疾患のメカニズムの理解を助ける可能性があります。^[4]さらに、この方法では、以前にGWAS分析によって特定された遺伝子座を使用するため、分析される部位が少なくなり、TWASに関連する検査の負担が軽減されます。分析される遺伝子座の数を減らすことで、分析された部位のより詳細な分析が可能になり、重要な遺伝子座の機能と関連性についてさらに洞察を得ることができます。

TWAS には交絡因子の影響を減らすという利点もあります。予測モデルを構築する際、総発現ではなく遺伝子発現のみを調べます。総発現には環境や発現レベルに対するエピジェネティックな変更などの要因が含まれており、予測モデルでは考慮されません。これらの要因を考慮しないことで、遺伝子発現の予測レベルの精度が低下する可能性がありますが、結果における交絡変数の影響も軽減されます。^[2]

TWAS のもう 1 つの利点は、結果が組織に特有であることです。遺伝子発現のレベルは、遺伝子が存在する組織によって異なります。これは、各組織が特定のスプライシング パターンと制御パターンを持っているためです。組織に特有な結果を得ることで、これらの研究から得られる情報が増えます。結果には、組織の種類によって遺伝子制御がどのように異なるか、機能がどのように制御されるか、組織間で共通の制御メカニズムがあるかどうか、または制御メカニズムが異なる組織で異なる機能を持つかどうかを示す能力があるためです。TWAS の組織間方法は、病気や形質の潜在的な原因遺伝子をより大規模に特定する可能性を秘めていますが、単一組織方法は、ケース固有の基準で関連性を判定する能力があります。^[8]

TWAS の欠点の多くは、遺伝子型に基づいて遺伝子発現レベルを予測するために使用されるモデルの予測能力に関係しています。TWAS の欠点の 1 つは、代入のために主にシス遺伝子成分を調べ、ほとんどの研究ではトランス遺伝子成分の変異を特定しないことです。これは TWAS にとって欠点となります。トランス遺伝子成分の変異は、遺伝子の 1 メガベース範囲外にあるあらゆる調節メカニズムであり、対象の遺伝子からかなり離れていても、多くの調節メカニズムは長距離に作用する可能性があり、依然として発現に影響を与える可能性があります。これらのコンポーネントを考慮しないと、予測される遺伝子発現レベルの精度が低下し、予想される発現レベルと観察される発現レベルの間に偏差が生じる可能性があります。前述のように、これらの研究のもう 1 つの欠点は、遺伝子発現の予測モデルでは遺伝子発現を制御する環境メカニズムとエピジェネティック メカニズムが考慮されていないことです。これも、予測される遺伝子発現レベルと観察される発現レベルの不正確さにつながる可能性があります。 TWASのもう一つの課題は、遺伝子の遺伝率が低い場合、正確な遺伝子発現レベルを予測することが難しい場合があることです。eQTLは遺伝率のレベルに依存しており、遺伝率が低いと偽陽性の観察に影響を与え、TWASに使用されるモデルの予測能力に悪影響を与える可能性があります。^[4]

さらに、TWAS のもう 1 つの課題は、GWAS の結果と非常によく似ており、これらの研究は結果から関連性を示すことしかできないことです。関心のある遺伝子または遺伝子座と形質または疾患の間に統計的に有意な関連性が見られても、因果関係を導き出すことはできません。因果関係を確立するには、遺伝子のノックアウトまたは部位特異的突然変異誘発のための逆遺伝学的アプローチを利用したさらなる研究を実施して、因果関係を特定する必要があります。

TWAS 結果のもう 1 つの問題は、組織バイアスと共制御の影響です。各組織内の遺伝子制御メカニズムの特異性のため、各遺伝子座の関連性の組織固有の性質と、これらの関連性が組織タイプ間でどのように異なるかを判断するには、多くの実験を実行する必要があります。^[3]共制御は、一度に複数の遺伝子座の発現を制御する制御メカニズムによって発生します。複数の遺伝子座を制御することで、関心のある遺伝子座と、同じメカニズムによってのみ制御され、関心のある形質や疾患とは何の関連もない可能性のある他の遺伝子または遺伝子座との間に関連性が引き出され、偽陽性の結果につながる可能性があります。^[3]

統合失調症に関連する遺伝子座を調査する GWAS に続いて TWAS 研究が行われた。GWAS の結果から、100 を超えるリスク遺伝子座が特定された。次に、TWAS を使用して発現データから 157 の重要な遺伝子座を特定したが、TWAS から特定された遺伝子座のうち 35 は GWAS 遺伝子座と一致しなかった。その後、制御ターゲット調査を使用して結果がさらに絞り込まれた。これらの遺伝子のうち 42 は、クロマチン表現型と統計的に有意な関連性があることが判明した。これは、さらに調査できる制御メカニズムである。MAPK3は、神経発達表現型に大きな影響を与えることが観察された関連性の 1 つであり、候補原因遺伝子としてさらに優先された。^[9]

2018年、TWASを使用して乳がんの原因となる候補遺伝子が特定されました。遺伝子モデルを確立するために、The Cancer Genome Atlasからデータを収集し、ヨーロッパ系の女性229,000人からデータを収集しました。この研究では、8,597個の遺伝子が評価されました。GWAS研究を通じて、約170個の遺伝子座が少なくとも1つの乳がんの変異体と関連していることがわかりました。この研究では、179個の遺伝子が乳がんの変異体と関連していることがわかりました。関連性のある179個の遺伝子のうち、48個がボンフェローニ補正閾値を使用して統計的に有意であると特定されました（上記のマンハッタンプロットに表示）。^[10]これらのうち14個は、これまで乳がんのリスクとの関連が報告されたことはありませんでした。既知のリスク遺伝子座にある他の34個の遺伝子のうち、23個には関連するリスクSNPがありません。^[10]遺伝子ノックダウンを用いたところ、発現レベルが高いと予測される13の遺伝子がリスク増加と関連していることが判明した。ノックダウンすると、調査した遺伝子のうち11個が乳がん細胞株、特に184A1正常乳房細胞に影響を及ぼすことが研究で示された。^[10]これらの遺伝子には、PIDD1、NRBF2、 ABHD8が含まれる。^[10]研究で特定された遺伝子は、アップレギュレーションとダウンレギュレーションの両方で、シス遺伝率が比較的高かった。

2021年には、48万人を対象とした最新のパーキンソン病（PD）GWASを用いたTWAS研究が完了しました。その結果、18の遺伝子がPDと統計的に有意な関連性があることがわかりました。その中で最も有意だったのはLRRC37A2で、 13の脳組織すべてに関連していることがわかりました。^[11]

TWASアトラスは、多くのTWAS研究の結果を統合するためにキュレーションされたサイトです。このアトラスは仮想的に存在し、一般に公開されています。TWASアトラスで公開された結果と知見は、将来の研究や遺伝子調節メカニズムの理解を助けるために統合および組み合わせることができます。結果は視覚的に提示され、結果の統合が改善されます。現在、2022年4月25日現在、200の出版物から401,226のTWAS関連付けが公開されており、257の形質と22,247の遺伝子にわたります。^[12]