論文「Poisson process factorization for mutational signature analysis with genomic covariates」の技術的サマリー

本論文は、がん細胞の DNA に生じる変異パターン（変異シグネチャ）を解析する際の問題点である「ゲノム全体での変異率の不均一性」を克服し、ゲノム共変量（エピジェネティックな特徴など）を統合的に考慮した新しい統計モデル「ポアソン過程分解（Poisson Process Factorization: PPF）」を提案するものです。

以下に、問題設定、手法、主要な貢献、結果、そして意義について詳細にまとめます。

---

1. 問題設定 (Problem)

従来の手法の限界

従来の変異シグネチャ解析の標準的な手法は、非負行列分解（NMF: Non-negative Matrix Factorization）を用いて、患者ごとの変異カウント行列を分解するアプローチです。しかし、この手法には以下の重大な限界があります。

1. 均一な変異率の仮定: 従来の NMF は、ゲノム全体で変異率が一定であると暗黙的に仮定しています。しかし、実際には GC 含量、DNA アクセスibility、複製タイミング、エピジェネティックな修飾（ヒストン修飾など）、およびコピー数変異（CNA）によって、変異率はゲノム領域ごとに大きく異なります。
2. 共変量の無視: 既存の手法では、変異率の不均一性を扱うためにゲノムを分割して個別にモデルを当てはめたり、変異を離散的なエピジェネティック状態に層別化したり、推定されたシグネチャ活性と共変量の事後関連付けを行うにとどまっています。これらは、シグネチャの推定と共変量の影響を同時に推論するものではありません。
3. 個々の変異の帰属: 従来の手法では、個々の変異がどのシグネチャに由来するかを、ゲノム上の位置や局所的な文脈に基づいて確率的に帰属させることが困難です。

2. 提案手法 (Methodology)

著者らは、ポアソン過程分解（PPF） と呼ばれる新しい統計的枠組みを提案しました。これは、不均一ポアソン点過程（Inhomogeneous Poisson Point Process）モデルに基づいています。

モデルの核心

PPF は、各患者 $j$ における変異タイプ $i$ の発生を、位置 $t$ に依存する強度関数 $\lambda_{ij}(t)$ を持つ不均一ポアソン過程としてモデル化します。

1. 強度関数の分解:
   強度関数は、$K$ 個のシグネチャの和として表現されます。
   $$\lambda_{ij}(t) = \sum_{k=1}^K r_{ik} \vartheta_{kj}(t)$$
   ここで、$r_{ik}$ はシグネチャ $k$ における変異タイプ $i$ の相対頻度（シグネチャ行列）、$\vartheta_{kj}(t)$ は患者 $j$ におけるシグネチャ $k$ の位置 $t$ における活性関数です。

2. 対数線形モデルによる活性の記述:
   従来の NMF と異なり、活性 $\vartheta_{kj}(t)$ はゲノム位置 $t$ に依存し、以下の対数線形モデルでパラメータ化されます。
   $$\vartheta_{kj}(t) = \frac{1}{2} \phi_{kj} c_j(t) \exp(\beta_k^\top x(t))$$

   • $\phi_{kj}$: 患者 $j$ におけるシグネチャ $k$ のベースライン活性。
   • $c_j(t)$: 患者 $j$ の位置 $t$ におけるコピー数（正常な場合は 2）。
   • $x(t)$: 位置 $t$ におけるゲノム共変量ベクトル（ヒストン修飾、複製タイミング、メチル化、GC 含量など）。
   • $\beta_k$: シグネチャ $k$ に対する共変量の回帰係数ベクトル。

   この構造により、共変量やコピー数の変化が変異率に乗法的に影響を与えることを捉え、シグネチャの活性がゲノム領域によってどのように変化するかを定量化できます。

3. 事前分布と次元削減:

   • シグネチャ数 $K$ の自動選択を可能にするため、圧縮ベイズ超事前分布（Compressive Bayesian hyperpriors）を採用しています。不要なシグネチャの活性が 0 に収束するように設計されており、モデル選択の手間を省きます。
   • 回帰係数 $\beta_k$ にはスパース性を促す事前分布を仮定します。

推論アルゴリズム

• MAP 推定: 最大事後確率（MAP）推定値を得るために、Majorization-Minimization (MM) アルゴリズムとニュートン法を組み合わせた効率的なアルゴリズムを開発しました。
• MCMC 推論: パラメータの不確実性を定量化するため、マルコフ連鎖モンテカルロ（MCMC）サンプリング手法（楕円切片サンプリングなど）を用いた完全ベイズ推論アルゴリズムも提供しています。
• 変異の帰属: 観測された個々の変異が、どのシグネチャに由来する確率 $p_{ijk}(t)$ を計算できます。これはゲノム位置に依存するため、従来の NMF とは異なり、位置特異的な帰属が可能です。

3. 主要な貢献 (Key Contributions)

1. 共変量統合型のシグネチャ推論: 変異シグネチャの推定と、ゲノム共変量（エピジェネティックな特徴など）がシグネチャ活性に与える影響の推論を、単一のモデルで同時に行う最初の手法です。
2. 位置特異的な活性と帰属: ゲノム上の特定の位置における変異がどのシグネチャに由来するかを、局所的なゲノム文脈に基づいて確率的に帰属させることを可能にしました。
3. 自動的なモデル選択: 圧縮事前分布を用いることで、計算集約的なランク選択手順なしに、必要なシグネチャの数を自動的に決定します。
4. 実用的なアルゴリズム: 大規模なゲノムデータに対処可能な、高速な MAP 推定アルゴリズムと完全ベイズ推論のための MCMC サンプリング手法を開発しました。

4. 結果 (Results)

シミュレーション研究

• 精度の向上: 共変量とコピー数を含む PPF モデルは、共変量を考慮しない従来の NMF（CompNMF）と比較して、シグネチャ行列 $R$、活性 $\Theta$、回帰係数 $B$ の推定精度が大幅に向上しました。
• シグネチャ数の回復: 提案手法は、真のシグネチャ数（$K=8$）をほぼ完全に正しく推定し、高い精度と感度でシグネチャを復元しました。
• 共変量の効果: 冗長な共変量が含まれていても、PPF は主要なシグネチャの推定を妨げないことが示されました。

実データ解析（乳がん 113 例）

ICGC の乳がんアデノカシノーマコホート（113 例、全ゲノム配列データ）に対して適用しました。

• シグネチャの発見: 既知の COSMIC シグネチャ（APOBEC 関連、老化関連、HRD 関連など）を高精度に復元しました。特に、メチル化共変量を用いることで、SBS1（メチル化由来）と他のシグネチャ（特に SBS5）の混同が解消されました。
• 共変量の影響の定量化:
  • 複製タイミング: 後期複製領域では酸化ストレス（SBS7）や APOBEC 関連シグネチャ（SBS2, SBS4）の活性が増加し、早期複製領域では SBS1 の活性が増加することが確認されました。
  • ヒストン修飾: ヘテロクロマチンマーカー（H3K9me3, H3K27me3）はすべてのシグネチャで正の係数を持ち、変異率を増加させました。一方、H3K36me3 はミスマッチ修復を促進するため、特定のシグネチャ（SBS5, SBS6, SBS7）に対して抑制効果を示しました。
• 個々の変異の帰属: 従来の NMF と比較し、PPF はゲノム位置に応じた変異のシグネチャ帰属確率を提供します。例えば、同じ変異タイプでも、複製タイミングやヒストン修飾の状態によって、異なるシグネチャに帰属される可能性をモデルが捉えました。
• 再構成誤差: 共変量とコピー数を含む PPF モデルは、メガベーススケールでの観測変異数の再構成誤差（RMSE）を、コピー数のみのモデルや従来の NMF よりも大幅に改善しました。

5. 意義と将来展望 (Significance)

• メカニズムの解明: 単なる変異パターンの記述を超え、「なぜ特定の領域で特定のシグネチャが活性化するのか」という生物学的メカニズム（エピジェネティックな制御など）を直接モデルに組み込むことで、がんの発症メカニズムに関する新たな仮説を生成できます。
• 精密医療への貢献: 個々の患者のゲノム文脈に基づいて変異をシグネチャに帰属させることで、より正確な治療ターゲット（例：PARP 阻害剤の適応判定など）の特定が可能になります。
• 汎用性: この枠組みは、将来的に患者固有のエピゲノムデータ（クロマチンアクセシビリティなど）や、より複雑なゲノム特徴を統合する拡張が可能であり、がんゲノム解析の標準的な手法として発展する可能性があります。

総じて、本論文は変異シグネチャ解析の分野において、ゲノム上の不均一性を統計的に厳密に扱える新しいパラダイムを提供し、がん生物学の理解を深めるための強力なツールを提供しています。