Population-scale drug target and variant prioritization with Varformer

技術要約：人口規模の創薬ターゲットおよびバリアント優先順位付けのためのVarformer

問題提起
安全かつ効果的な治療ターゲットの特定は、創薬における主要なボトルネックであり続けており、臨床試験の失敗に大きく寄与しています。ヒト遺伝学はターゲット発見のための強力な証拠を提供しますが、現在の優先順位付けの枠組みには、2つの決定的な限界があります。

1. 可変長データの取り扱い: 既存のモデルは、遺伝子あたりのミスセンス変異の数を、手作業で作られた要約統計量へと集約（コラップス）させることがよくあります。このような集計は、自然界に存在する変異の不均一な機能的景観を失わせます。
2. 集団バイアスと希少性: ほとんどの遺伝学的証拠はヨーロッパ系の集団に由来しており、治療の不平等のリスクを伴います。さらに、ターゲットの優先順位付けは「正例・未ラベル（positive-unlabeled: PU）」の問題です。成功したターゲットはわずかであり、ほとんどの候補は未ラベルであり、臨床試験の失敗は必ずしもターゲットが無効であることを意味しません（設計や商業的要因による可能性があります）。現在の手法は、多様な遺伝的構造を考慮しながら、このような疎で偏ったデータから学習することに苦慮しています。

手法：Varformerアーキテクチャ
著者らは、人口規模のミスセンス変異と遺伝子レベルの生物学的特徴を統合するように設計されたマルチモーダル・トランスフォーマーであるVarformerを提示しています。このアーキテクチャは、南アジア（SAS）、非フィンランド系ヨーロッパ（NFE）、混血アメリカ（AMR）、およびアフリカ/アフリカ系アメリカ（AFR）の4つの異なる祖先集団に対して動作します。

• 入力モダリティ:

  • 遺伝子特性（Gene Characterization: GC）: トラクタビリティ（リガンド結合、低分子結合体、ポケット、化学プローブ）、安全性（安全性イベント）、機能注釈（Gene Ontology用語）、細胞内局在、および組織特異的発現を含む、グローバルな遺伝子レベルの特徴を統合します。
  • 集団バリアント特性（Population Variant Characterization: PVC）: 祖先特有のミスセンス変異を、一連のバリアント・トークンとしてエンコードします。各トークンには、AlphaMissense病原性スコア、モデル位置インデックス（アミノ酸座標から派生）、および特定の変異のアイデンティティが含まれます。変異は病原性順にソートされ、遺伝子ごとに固定長（$N_{max} = 1,024$）に切り詰められるか、パディングされます。

• モデルアーキテクチャ:

  • 共有バリアントエンコーダー: トランスフォーマーエンコーダーが、可変長のバリアント・トークンのシーケンスを処理し、各バリアントの文脈的埋め込みを生成します。
  • クロスモーダル・アテンション: 遺伝子からバリアントへのクロスアテンション・メカニズムが、遺伝子の生物学的特徴（トラクタビリティ、安全性など）を条件として、バリアント・トークンから遺伝子レベルの表現を集約します。
  • デュアル出力ヘッド:
    1. 遺伝子優先順位付けヘッド: 融合された遺伝子・バリアント表現を受け取り、治療ターゲットスコア（$S_\theta \in [0, 1]$）を予測します。
    2. バリアント優先順位付けヘッド: クロスアテンションのステップとは独立して、個々のバリアント・トークンを直接スコアリングする共有線形層であり、特定のアレルを優先順位付けします。

• 学習目的:

  • 遺伝子レベル: 非負正例・未ラベル（non-negative positive-unlabeled: nnPU）学習を用いて学習されます。モデルは、未ラベルの遺伝子を「生存しているが未テストのターゲット」と「真の陰性」の混合物として扱い、明示的な負のラベルなしに分類リスクを推定します。これは、臨床試験データに内在する選択バイアスに対処するものです。
  • バリアントレベル: アレル頻度を選択的制約のプロキシ（代用指標）として使用し、バイナリクロスエントロピーを通じて学習されます（低頻度は病原性/制約を示唆します）。
  • 共同学習: モデルは結合損失関数（$L_{joint} = L_{gene} + \lambda_v L_{variant}$）を最小化し、両方のタスクのためにバリアントエンコーダーを共同で更新します。

主な結果

• 表現学習: UMAP投影により、Varformerの埋め込みが、すべての集団において既知の治療ターゲットを潜在空間内の特定の領域に集中させていることが示されました。これは、入力された要約統計量と比較して、ターゲット密度において17〜19倍の濃縮を達成しています。
• ベンチマーク性能: 難易度が上昇する3つのベンチマーク（Pfam Druggable Targets、最近承認されたターゲット、およびChemically Putative Targets/Pharos）で評価されました。
  • Precision@20: Varformerは、Pfamで0.95、最近承認されたターゲットで0.86、Pharosで0.48を達成しました。
  • 比較: 最も困難なベンチマーク（Pharos）において、Varformerはロジスティック回帰によるアブレーションモデル（Varformer-LR）を20%、最先端のDrugnomeAIを23%上回りました。
  • 堅牢性: 集団間のランク正規化により、集団レベルの遺伝的変異に対して優先順位付けが堅牢な、一貫した遺伝的支持を持つターゲット（例：HCN3, INSRR, TIE1）を特定しました。
• 前向き検証: 時系列評価（学習カットオフ：2023年6月、アウトカム：2026年6月）において、フェーズIIIまたは承認に進んだ13個のターゲットのうち10個が、モデルの閾値よりも上にランク付けされていました。
• バリアント優先順位付け: Genes & Health (G&H) コホートにおいて、バリアントエンコーダーは、既知の病原性バリアントをキャリアのトップ20候補の中に57%の割合でランク付けしました。バリアントスコア（$\bar{s}_v$）は、希少バリアントに対してAUROC 0.890を達成し、遺伝子レベルのスコアを上回り、AlphaMissenseと組み合わせた際の相補的な価値を示しました。

意義と主張
論文は、Varformerが、遺伝子レベルの集計やGWAS主導のシグナルから、個々のバリアントを人口規模で直接モデル化する手法へと、創薬ターゲットの優先順位付けをシフトさせると主張しています。マルチモーダル・トランスフォーマーと正例・未ラベル学習を組み合わせることで、著者らは以下のことを実証しました。

1. 治療の可能性は推定可能である: 明示的な負のラベルを必要とせず、遺伝的変異、マルチオミクス記述子、および機能注釈から治療の可能性を推定できます。
2. 集団特有のデリスキングが可能である: 集団間の遺伝的変異に対して優先順位付けが堅牢なターゲットを特定することで、集団レベルの遺伝的変異に対する治療の不平等を軽減するための計算的手法を提供します。
3. 統一されたターゲットおよびバリアントの優先順位付け: 遺伝子とバリアントを一つの表現の中で結びつけ、どちらのターゲットとどの特定のバリアントを追求すべきかを決定するための単一のフレームワークを提供します。
4. 疾患非依存的な有用性: 疾患非依存的なモデルとして、Varformerは全エクソームにわたって優先順位付けを行うことができます。ただし、著者らは、本モデルが治療領域特有の障壁（例：血液脳関門の透過性）を考慮していないことを注記しています。

著者らは、Varformerがターゲットの生存能力に関する強力な計算論的証拠を提供する一方で、それが実験的および臨床的な検証を必要とする、集団に依存しない有効性や安全性を確立するものではないことを強調しています。バリアントスコアは、臨床診断のための較正された証拠ではなく、優先順位付けのためのツールとして提示されています。