Omitted familial extrinsic risk inflates inferred intrinsic lifespan heritability

Shenhar ら（2026 年）が Scandinavian の双子データを用いて推定した 50% という「内在的」寿命の遺伝率は、遺伝的かつ死亡率に関連する「外的」脆弱性の欠落により、モデルの誤設定が内在的脆弱性の分散パラメータに吸収され、結果として約 9 ポイントの上昇バイアスを含んでいることが示されました。

要約

この論文は、**「人間の寿命が遺伝的にどのくらい決まっているか」**という有名な研究結果について、重要な「見落とし」があったことを指摘するものです。

2026 年の新しい研究（Shenhar 氏ら）は、「病気や事故などの『外的な要因』を取り除いた純粋な寿命の遺伝率は、これまで言われていた 20〜25% ではなく、なんと**50%**にもなる！」と発表しました。これは非常に大きな数字です。

しかし、今回の論文の著者（コルニコフ氏）は、**「その 50% という数字は、実は『見えない要素』を誤って遺伝のせいにしているだけかもしれない」**と警告しています。

以下に、難しい数式を使わず、日常のたとえ話を使って説明します。

---

🕵️‍♂️ 核心となる話：「隠れた犯人」の誤認

この研究の核心は、**「欠落した変数バイアス（見落としによる誤解）」**という概念です。

1. 状況設定：二つの「寿命の決定要因」

人間の寿命を決める要因は、大きく分けて 2 つあると考えられています。

• A. 内因（インtrinsic）： 細胞の老化、遺伝的な体質など、自分自身の中で進む「老い」。
• B. 外因（Extrinsic）： 感染症、事故、環境汚染など、外から襲ってくる「リスク」。

以前の研究（Shenhar 氏ら）は、「B（外因）をゼロにすれば、A（内因）の遺伝率が 50% になるはずだ」と計算しました。

2. 問題点：「B」の中に隠れた「遺伝」

著者はこう指摘します。
「待ってください！『外因（B）』の中にも、実は遺伝的な要素が潜んでいるのではないか？」

例えば、「感染症にかかりやすいかどうか」は、実は遺伝で決まっている部分が大きいです（免疫システムの強さなど）。
もし、ある家族が「感染症にかかりやすい遺伝子」を共有していたとします。すると、その家族は外因（感染症）で若くして亡くなる確率が高くなります。

3. 誤った計算：「外因」を「内因」に混ぜてしまった

Shenhar 氏の計算モデルには、「外因の遺伝的要素」を考慮するスイッチがありませんでした。

• 実際の現象： 双子がどちらも「感染症（外因）」で亡くなるのは、**「外因の遺伝」**のせい。
• モデルの解釈： モデルは「外因の遺伝」を認識できないため、「あ、これは『内因（老化）』の遺伝のせいだ！」と勘違いしてしまいます。

🍳 料理のたとえ話：

• あなたが「純粋な小麦粉の味（内因）」を測りたいとします。
• しかし、料理に使った小麦粉には、**「隠し味として大量の塩（外因の遺伝）」**が混ざっていました。
• あなたは「塩を抜けば、小麦粉の本当の味がわかる」と思って計算しますが、「塩の味」を「小麦粉の味」だと勘違いして計算してしまいました。
• その結果、「小麦粉の味（寿命の遺伝率）」は実際よりも**すごく濃い（高い）**と誤って報告されてしまいます。

今回の論文は、**「50% という数字は、実は『外因の遺伝（塩）』まで含めて計算してしまったから、実際よりも高く出ているのではないか？」**と指摘しています。

---

🔍 証拠：どうやって見つけたのか？

著者は、コンピュータシミュレーションを使って、この「勘違い」が実際に起こることを証明しました。

1. シミュレーション実験：

   • 「外因の遺伝」がある現実的な世界を作りました。
   • Shenhar 氏と同じ方法で「内因の遺伝率」を計算させました。
   • 結果： 計算された遺伝率は、実際の値よりも約 9 ポイント（9.2%）も高く出てしまいました。

2. 構造の指紋（シグナル）：

   • この誤った計算をすると、双子の寿命の「パターン」に、現実にはない奇妙な歪みが生じます。
   • 例えば、「80 歳以降の双子の寿命の一致度」が、実際よりも異常に高く見積もられてしまいます。これは、モデルが「外因の遺伝」を無理やり「内因の遺伝」として押し付けている証拠です。

3. 他の方法でもダメだった：

   • 「計算式を変えれば直るのでは？」と考え、別の統計手法（ACE モデルなど）を試しましたが、「外因の遺伝」をモデルに含めなければ、どの計算式を使っても同じように「遺伝率が高く出る」誤りが発生しました。

---

💡 結論：何が言いたいのか？

1. 50% は「純粋な」遺伝率ではない：
   Shenhar 氏の「50%」という数字は、数学的には正しい計算ですが、「外因の遺伝（感染症への耐性など）」まで含めてしまった結果です。純粋な「老化の遺伝」だけを測ったわけではありません。

2. 本当の数字はもっと低いかもしれない：
   もし「外因の遺伝」の影響を正しく取り除けば、Shenhar 氏の 50% という数字は、31%〜47% 程度に修正される可能性があります（まだ従来の 20% より高いですが、50% ほど劇的ではないかもしれません）。

3. 重要な教訓：
   「寿命の遺伝率」を測るには、単に「事故や病気を除く」だけでなく、「病気にかかりやすさ自体が遺伝していること」まで考慮する必要があるということです。

📝 まとめ

この論文は、**「寿命の遺伝率は 50% だ！」という大きなニュースに対して、「いや、それは『病気への耐性』という隠れた遺伝要素を、誤って『老化の遺伝』と混同して計算しちゃっているよ。本当の数字はもう少し低いかもしれないよ」**と、慎重なチェックを入れた研究です。

科学の世界では、新しい発見がなされるたびに、その計算の「落とし穴」を掘り起こすような研究も重要なのです。

技術概要

この論文は、Shenhar ら（2026 年）が提唱した「人間の寿命の内在的（intrinsic）な遺伝率（heritability）は約 50% である」という画期的な推定値に対して、重要な統計的バイアスを指摘する批判的検証研究です。著者の Sergey A. Kornilov は、Shenhar の手法が「遺伝的であるがモデル化されていない外因的（extrinsic）な死亡リスク」を無視しているため、内在的寿命の遺伝率を過大評価していることを示しています。

以下に、論文の技術的概要を問題、手法、主要な貢献、結果、そして意義に分けて詳細にまとめます。

1. 研究の背景と問題提起

• Shenhar らの主張: Shenhar らは、歴史的な双子データ（スカンジナビア）を用いた相関 frailty モデルを調整し、感染症や事故などの「外因的死亡」を除去した仮想的な世界を想定することで、寿命の遺伝率が従来の 20-25% から約 50% に上昇すると報告しました。
• 問題点（本研究の核心）: Shenhar の手法は、外因的死亡が遺伝的変異を持たない「集団レベルの定数」と仮定しています。しかし、実際には感染症への感受性など、**遺伝的でありかつ死亡リスクに関連する外因的脆弱性（heritable extrinsic susceptibility）**が存在する可能性があります。
• バイアスのメカニズム: もしこの「遺伝的かつ外因的な脆弱性」がモデルから除外（省略）され、単一の内在的 frailty パラメータ（$\sigma_\theta$）のみで調整（calibration）が行われた場合、モデルは観測された双子の一致率（concordance）を説明するために、省略された外因的遺伝的変異を内在的 frailty パラメータに吸収してしまいます。その結果、推定された内在的遺伝率は実際よりも過大評価されます。

2. 研究方法論

著者は、Shenhar の「調整（calibration）→ 外挿（extrapolation）」のプロセスをシミュレーションで再現し、以下の条件で検証を行いました。

• シミュレーション設計:
  • データ生成プロセス (DGP): 真のモデルは「内在的老化パラメータ（$\theta$）」と「外因的脆弱性（$\gamma$）」の 2 成分から構成されると仮定します。$\gamma$ は遺伝的であり、双子間で共有されます（MZ 双子で相関 1.0、DZ 双子で 0.5）。
  • モデル適合: Shenhar の手法と同様に、1 成分モデル（$\gamma$ を含まない）を、観測された MZ 双子の寿命相関（$r_{MZ}$）に合うように $\sigma_\theta$ を調整します。
  • 比較対象:
    • Oracle: 真の内在的パラメータのみを持つ理想的なケース。
    • Baseline: 正しい仮定（外因的変異なし）での調整。
    • Misspecified: 真の DGP に外因的遺伝変異があるが、1 成分モデルで調整するケース（本研究の主要条件）。
    • Recovery: 2 成分モデル（$\gamma$ を含む）で正しく調整するケース。
  • モデルの多様性: Gompertz-Makeham (GM)、Makeham-Gamma-Gompertz (MGG)、Saturating-Removal (SR) の 3 つの死亡率モデルファミリーで検証。
  • パラメータ: 外因的 frailty の分散（$\sigma_\gamma$）と、内在的・外因的 frailty の遺伝的相関（$\rho$）を、疫学的証拠（感染症死亡率の遺伝率など）に基づいて設定し、感度分析を行いました。

3. 主要な貢献と発見

A. 核心的な発見：パラメータの過大評価と変異の吸収

• $\sigma_\theta$ のインフレーション: 省略された外因的遺伝変異がある場合、調整された内在的 frailty パラメータ $\sigma_\theta$ は、真の値に対して +22.1%（95% CI: 21.5–22.7%）過大評価されました。
• 分散のインフレーション: パラメータのスケールが 22% 増えると、分散（$\sigma^2_\theta$）は約 +49% 増大します。
• 遺伝率への影響: このパラメータの歪みは、Falconer の公式（$h^2 = 2(r_{MZ} - r_{DZ})$）による遺伝率推定値に直接伝播し、**+9.2 パーセントポイント（pp）**の上方バイアス（95% CI: 8.7–9.7 pp）を生み出しました。つまり、Shenhar の 50% という推定値は、実際には 31-47% 程度である可能性が高いことを示唆しています。

B. 構造的な指紋（Structural Fingerprints）

単なるパラメータのズレではなく、モデルの欠陥がデータ構造にどのような痕跡を残すかを分析しました。

• 二変量生存表面の誤差: 1 成分モデルは、双子の生存表面 $S(t_1, t_2)$ を再現する際に、特に高齢期での一致率を過大評価し、若年・中年期で過小評価する系統的な誤差を生じました。誤差の大きさは、正しく指定された 2 成分モデルと比較して 48 倍（ISE 比）に達しました。
• 年齢別条件付き相関: 年齢 80 歳付近で、条件付き相関が真の値より +0.048 過大評価されるピークが観測されました。

C. 特異性と一般性

• 必要条件: このバイアスは、(1) 外因的脆弱性が遺伝的であること、(2) 死亡リスクに関連すること、(3) 外因的ハザードが無視できない大きさであることの 3 つが揃った場合にのみ発生します。
• モデル一般性: Gompertz-Makeham、MGG、SR の 3 つの異なる死亡率モデルファミリーすべてで同様のバイアス（+9〜10 pp）が観測され、これはモデルの形式に依存しない構造的な問題であることが確認されました。
• 反証可能性（Sign Reversal）: 内在的老化と外因的脆弱性の遺伝的相関（$\rho$）が負（$\rho < 0$）である場合、バイアスの符号が反転し（下方バイアスになる）、このメカニズムの予測が正しいことを示しました。

D. 推定量の頑健性

• 最尤法（ML）との比較: 単一の相関統計量（$r_{MZ}$）に合わせる手法だけでなく、完全な尤度関数（ML）を用いた場合でも、パラメータは過大評価されました（+3%）。ただし、$r_{MZ}$ 一致法（+22%）に比べると影響は小さかったものの、バイアスの方向性は構造的に変わらないことが示されました。

4. 結果の定量的まとめ

• 推定値の修正: 外部証拠に基づいた感度分析（$\sigma_\gamma \in [0.30, 0.65], \rho \in [0.20, 0.50]$）において、バイアスは +2.8 pp から +18.9 pp の範囲にあり、平均して +9 pp でした。
• Shenhar の推定値への影響: 50% という推定値からこのバイアスを差し引くと、修正後の内在的遺伝率は 約 31%〜47% となります。これは従来の 20-25% よりも高い可能性がありますが、Shenhar の主張する「50%」は過大評価である可能性が高いことを示しています。

5. 意義と結論

• 理論的意義: この研究は、生存分析における「省略変数バイアス」が、単なる推定値のズレではなく、モデルの潜在変数（latent variance）の解釈そのものを歪めることを示しました。特に、外因的・内在的の区別が不明瞭な場合、単一成分モデルによる調整は「内在的」なパラメータに「外因的」な遺伝的構造を吸収してしまう危険性があります。
• 実務的意義: 寿命の遺伝率を推定する際、単に「外因的死亡を除外する」だけでなく、外因的死亡リスク自体が遺伝的である可能性をモデルに組み込む必要があります。そうしないと、内在的寿命の遺伝率は過大評価され、生物学的な解釈が誤る可能性があります。
• 今後の展望: 真の内在的遺伝率を特定するためには、死因別データを用いた競合リスクモデルの適用や、ポリジニックスコアなどのゲノムデータを外因的 frailty の観測変数として活用するなどの、より高度な識別戦略が必要であると提言されています。

結論として、 この論文は Shenhar らの画期的な研究を否定するものではなく、その推定値が「モデルの仮定（外因的変異の非遺伝性）」に依存していることを示し、より慎重な解釈と、外因的遺伝的構造を考慮した再分析の必要性を強く訴える重要な技術的検証です。