Provenance-aware handling of identical dengue genome records alters inferred envelope-protein variation in Bangladesh DENV-3

技術要約：同一デングウイルスゲノム記録のプロベナンス（由来）を考慮した処理が、バングラデシュにおけるDENV-3エンベロープタンパク質の推定変異に及ぼす影響

問題提起
公開されているウイルス配列データベースは、分子疫学や進化の再構築において不可欠であるが、データの冗長性によってその有用性が損なわれることがある。複数の記録が、正当な生物学的サンプリング、重複した観察、あるいはアーカイブ上のアーティファクト（人工的な産物）によって、同一の配列を含んでいる場合がある。本研究が取り組む核心的な問題は、これらの同一の記録を独立した生物学的データポイントとして扱うことが、配列の頻度分布、系統発生学的表現、および遺伝的多様性の推定を歪めてしまうことである。具体的には、著者らは、同一の配列記録を扱う異なる戦略（具体的には、単一の代表配列を保持する手法と、プロベナンスの検討に基づいてグループ全体を除外する手法）が、エンベロープ（E）タンパク質の変異に関する結論に異なる影響を与えるかどうかを調査している。この区別は、抗体に関連する残基における配列変異が、必ずしも中和能や免疫逃避の変化を意味するわけではないため、生物学的なフォローアップの候補を誤って優先順位付けすることを避けるために極めて重要である。

方法論
本研究では、「凍結」された高品質なコホートである426個のデングウイルス（DENV）Eタンパク質配列（主に2021年のバングラデシュ関連DENV-3サブセット96アクセッションに焦点を当てたもの）を用いた遡及的な計算解析を実施した。著者らは、Eタンパク質の変異の推定に与える影響を評価するために、以下の3つの異なる記録処理戦略を開発し、適用した：

1. 完全一致配列の重複排除（Exact-Sequence Deduplication）： 同一の配列を一つにまとめ、一つの代表配列を保持する標準的なアプローチ。
2. プロベナンスに敏感な除外（H001シナリオ）： 2021年8月付の18個のバングラデシュ・アクセッションのクラスターを、古い外部のSri Lankan記録（AY099336.1）およびRefSeq NC 001475.2と完全一致するため、グループ全体を除外するという事前規定されたルール。
3. キュレーション済みリファレンスの除外： Nextstrainの独立して維持されている除外リスト（2026年10月のスナップショット）を適用し、NC 001475の重複として注釈付けされたレコードを特定し、削除する手法。

著者らは、配列のグルーピングをメタデータの解釈とは別に保ちつつ、完全な塩基配列の一致を検出するために、カスタムのSHA256ベースの監査ワークフローを用いた。そして、結果得られたコホートを比較し、以下の項目を決定した：

• 可変Eタンパク質ポジションの数（少なくとも2つの呼び出し可能なアミノ酸状態を持つポジションと定義）。
• 各戦略の下で失われた、あるいは保持された特定のポジション。
• 可変ポジションと、2021年以前の抗体エビデンス・アトラスとのオーバーラップを評価し、「抗体ポジションの濃縮」を判定すること。
• 観察された変異が過去の前例を持っているかを確認するための、歴史的な配列コンテキスト。

主な貢献

• コホート適格性の影響の立証： 本研究は、同一の記録グループを完全に除外するか、あるいは単一の代表配列を保持するかという決定が、可変部位の分類を根本的に変えるという実証的な証拠を提供している。
• 冗長性とプロベナンスの区別： 著者らは、単純な配列の多重性（重複排除が対処するもの）と、プロベナンスに敏感な同一性（解析コホートへのバイアスを避けるために完全な除外が必要となる可能性があるもの）を区別している。
• 再現可能なフレームワーク： 本研究は、完全一致クラスターを検出するための再現可能な計算ワークフローを検証し、静的な除外リスト（Nextstrainのものなど）を凍結されたコホートに適用することで、特定の解析結果を再現できることを示している。

結果

• 可変部位の不一致： 元の96アクセッションのバングラデシュDENV-3-2021コホートでは、21個の可変Eタンパク質ポジションが特定された。
  • 全コホートの重複排除（一つの代表を保持）および代表保持型の除外（18個の記録を1つに集約）は、いずれも21個すべての可変ポジションを保持した。
  • プロベナンスに敏感な除外（18個の記録をすべて削除）を行った場合、コホートは78アクセッションに減少し、可変ポジションはわずか8個となった。
  • その結果、21個の可変ポジションのうち13個（61.9%）が、18個の記録を除外したことにより失われた。
• 消失のメカニズム： 除外された13のポジションにおいて、これら18個の記録は、残りの78個の記録には全く存在しない特定のアミノ酸状態を保持していた。たとえ一つの代表を保持するだけでも、この第二の状態が保持され、ポジションは「可変」であり続けた。しかし、グループ全体を除外すると、その状態が取り除かれ、ポジションは不変となった。
• 抗体に関連する含意： 抗体に関するエビデンスが2021年以前に存在した2つのポジション（E270およびE383）は、元のコホートおよび重複排除後のコホートでは可変であったが、H001除外後のコホートでは不変となった。これにより、変異に基づく優先順位付けの対象としての適格性が変化した。対照的に、E223およびE224のポジションは除外後も可変のままであった。
• 統計的濃縮： 可変ポジションと2021年以前の抗体エビデンス・アトラスとのオーバーラップに関する統計分析の結果、DENV2およびH001除外後のDENV3コホートのいずれにおいても、統計的に有意な濃縮は見られなかった（結合p値 ≈ 0.19）。
• グローバルな文脈： グローバルなDENV3コーパスに対するTier-2スクリーニングにより、プロベナンスの検討を要する追加の完全ゲノム一致クラスターが特定された。これは、H001のパターンが孤立した事例ではないことを示唆しているが、本研究ではそのようなエラーの発生率については推定していない。

意義と主張
本論文は、コホートの適格性の決定が、生物学的調査のためのデングウイルスEタンパク質変異体の優先順位付けに直接影響を与えると主張している。著者らは以下を強調している：

• ゲノムの同一性は検体の同一性を意味しない： 同一の配列は、生物学的検体が同一であることを証明するものではなく、またメタデータが誤っていることを証明するものでもないが、それらのデータを独立した進化イベントとして解釈する前に、慎重なプロベナンスの検討を必要とする。
• 重複排除はプロベナンスの問題に対して不十分である： 単一の代表配列を保持するだけの重複排除では、単一のソースやアーカイブ上の重複によるアーティファクトである可能性のある「可変」状態が保持されてしまう。このようなグループを完全に除外することは、解析可能なアミノ酸状態の集合を変更し、それによってどのポジションが可変とされるかを変化させる。
• キュレーションの再現性： 本研究は、既存のキュレーション済み除外リスト（Nextstrainのものなど）を凍結されたコホートに適用することで、特定の解析結果を再現できることを検証しており、アクセッションレベルでの透明性のある適格性基準の重要性を浮き彫りにしている。

著者らは、これらの知見は計算上の優先順位付けと再現性に関するものであり、変化したウイルス表現型、免疫逃避、またはワクチン失敗を実証するものではないことを明示している。本研究は、ゲノムサーベイランスにおける注意喚起として機能するものである。すなわち、プロベナンスの取り扱いを明示しなければ、ウイルス集団の推定される多様性が、著しく過大評価されたり、誤って特徴付けられたりする可能性がある。