Systematic common and rare variant association testing in 392,030 whole genomes in All of Us

本研究は、All of Us 研究プログラムに由来する 392,030 個の全ゲノムを対象に、数千の形質にわたる約 5 万の遺伝的関連を同定する統合的な「All by All」フレームワークを用いた包括的な分析を提示し、UK バイオバンクとのメタ分析を通じて新たな遺伝子 - 表現型の関連を解明するとともに、世界中の研究に向けた公開ツールの提供を実現するものである。

要約

ある人々は病気に罹り、他の人々は健康を保つのはなぜかを理解しようとしていると想像してください。長年、科学者たちは私たちの DNA に手がかりを探してきましたが、比較的小さな地図を用いて作業してきました。この論文は、「All of Us」研究プログラムから構築された、人類遺伝学の巨大な高解像度アトラスを公開するようなものです。

以下に、研究者たちが何を行い、何を発見したかを、簡単な比喩を用いて解説します。

1. 全体像：巨大な遺伝子図書館

「All of Us」プログラムを、巨大な図書館だと考えてください。本ではなく、392,000 人以上の完全な遺伝子コード（全ゲノム）と健康記録を収蔵しています。この図書館が特別なのは、単一の背景を持つ人々だけでなく、アメリカ全土の多様な遺伝的祖先を代表する多様なコレクションで満たされている点です。

研究者たちは、1 つや 2 つの健康問題だけを見つめたわけではありません。3,602 の異なる形質を同時にチェックするシステムを構築しました。これは、料理に関する本かどうかだけを確認する司書ではなく、料理、ガーデニング、車の修理、宇宙旅行についてすべて同時に確認する司書のようです。彼らはこれを「All by All（すべて対すべて）」アプローチと呼びました。

2. 探索：干し草の山の中の小さな手がかりを探す

研究者たちは、2 種類の遺伝的手がかりを探していました。

• 共通変異: これらは、本の中で頻繁に起こるタイプミスに似ています。多くの人々がこれを持っており、肥満や高血圧のような一般的な問題のリスクをわずかに高める可能性があります。
• 稀な変異: これらは、本の少数のコピーにのみ見られる、非常に具体的でユニークなタイプミスに似ています。稀であるにもかかわらず、特定の疾患を引き起こすなど、健康に大きな影響を与えることがあります。

彼らは、これらの遺伝的タイプミスが 3,602 の健康形質のいずれかと関連しているかを確認するために、1.3 兆回ものテスト（膨大な探索です！）を実行しました。

3. 結果：新たなつながりの発見

その膨大な探索の後、彼らは遺伝子と健康形質の間に 49,863 の強力なつながりを発見しました。

• 「共通」の発見: 彼らは、すでに疑われていた多くのことを確認しました。例えば、FTO や TCF7L2 の近くの遺伝子と、肥満や糖尿病などの問題との間に強い関連性が見つかりました。興味深いことに、これらの関連性の一部では、男性と女性でつながりの強さが異なって見えることに気づきました。これは、医師が特定の薬を男性と女性で異なって処方しているためである可能性があります。
• 「稀な」発見: 彼らは、稀な遺伝的エラーに関わる 1,000 以上の新しいつながりを発見しました。これらの中には、欠落していることさえ知られていなかったパズルの欠片を見つけるようなものがありました。例えば、TIMD4 という遺伝子における稀なエラーが、血液中の脂肪の一種である高トリグリセリドと関連していることが判明しました。これは、より小さな集団を調べたときには見えなかったつながりです。

4. 超チームアップ：力を合わせる

探索をさらに強力にするため、研究者たちは「All of Us」図書館を、UK Biobankと呼ばれるもう一つの巨大な図書館と組み合わせました。

• 比喩: 2 人の探偵が謎を解こうとしていると想像してください。探偵 A には 40 万人の目撃者のリストがあり、探偵 B には 30 万人のリストがあります。もし彼らが単独で働けば、手がかりを見逃すかもしれません。しかし、リストを組み合わせれば、78 万 6 千人の目撃者を持つことになります。
• 結果: これら 2 つの巨大なデータセットを統合することで、どちらの図書館単独では発見できなかった 193 の新しい遺伝子 - 疾患のつながりを発見しました。これは、以前は小さすぎて見えなかった干し草の山の中の針を、干し草の山のサイズを倍にすることで見つけるようなものです。

5. ツール：誰でも使える公開マップ

研究者たちは、これらの発見を自分たちだけで留めませんでした。彼らは、遺伝子版 Google マップのような公開の双方向ブラウザを構築しました。

• 仕組み: 世界中の科学者は、オンラインでアクセスし、遺伝子や疾患を入力するだけで、この研究で見つかったすべてのつながりを即座に確認できます。DNA の特定の部分を拡大表示したり、異なる人々のグループを比較したりすることも可能です。
• 重要性: これにより参入障壁が下がります。このデータを使うためにスーパーコンピュータの専門家である必要はありません。ウェブブラウザがあれば十分です。

重要な留保事項（この論文が言っていないこと）

著者らは、この研究が何ではないかを非常に慎重に述べています。

• 診断ツールではない: 遺伝子と疾患の間のつながりを見つけることは、その遺伝子がすべての場合に疾患を引き起こすことを意味しません。それは統計的な手がかりであり、医学的な判決ではありません。
• 治療法ではない: この論文は将来の研究のための標的を特定しますが、新しい治療法や薬を提供するものではありません。
• 完璧ではない: この研究は、健康記録（請求コードなど）が個人の実際の健康の完璧な鏡ではないこと、そして異なる人々のグループが異なって代表されている可能性があることを認めています。

まとめ

要約すると、この論文は人類遺伝学における壮大な「国家教書」です。巨大で多様なデータセットを使用し、それをもう一つの主要な世界的データセットと組み合わせることで、研究者たちは私たちの遺伝子が健康とどのように関連しているかを示す、強力な新しい地図を作成しました。彼らは数千の新しいつながりを発見し、多くの既存のつながりを確認し、世界中の科学者がこの地図を使って人間の生物学についてさらに学ぶことができるよう、無料で使いやすいツールを構築しました。

技術概要

技術的サマリー：All of Us における 392,030 人の全ゲノムを用いた系統的な共通変異および稀変異の関連性解析

問題と背景
大規模バイオバンクは、複雑な形質の遺伝的基盤を発見するためのゲノムワイド関連解析（GWAS）および稀変異関連解析（RVAS）の有効性を確立してきた。しかし、既存のリソースは、遺伝的祖先の多様性が不足しているか、稀変異の影響を高い信頼性で検出するために必要な規模に欠けることが多く見られる。All of Us 研究プログラムは、多様な米国人口を登録することでこれらのギャップに対処することを目的としているが、その全ゲノムシーケンシング（WGS）データを全フェノームにわたって包括的かつ統合的に分析し、遺伝子発見におけるその有用性を最大化する必要があった。

方法論
著者らは、All of Us 研究プログラム v8 リリースに適用された「All by All」計算フレームワークを提示する。本研究では、厳格な品質管理（QC）に従った 392,030 人の参加者からの WGS データおよび調整された表現型情報を利用した。

• コホート層別化: 集団の層別化を制御しつつサンプルサイズを最大化するため、参加者は参照パネルとの類似性に基づき、6 つの遺伝的類似性グループ（AFR 様、AMR 様、EAS 様、EUR 様、MID 様、SAS 様）に割り当てられた。これらのグループは、生物学的に明確なカテゴリーではなく、離散的な解析層として扱われた。
• フェノームの範囲: 解析は、身体および検査室測定値、疾患（PhecodeX を通じて定義）、処方薬（ATC 分類）、および自己申告データを含む 3,602 の固有の表現型を網羅した。
• 統計的フレームワーク:
  • 共通変異: 単一変異の関連性検定は SAIGE を用いて実施された。
  • 稀変異: 遺伝子レベルの負担解析は SAIGE-GENE+ を用いて実施され、機能的アノテーションに基づいて稀なタンパク質コード変異（最大次要対立遺伝子頻度 [MAF] 0.1%）を集約した。
  • メタ解析: 本研究は、単一変異検定については固定効果逆分散加重モデルを、遺伝子ベースの稀変異検定については Stouffer 法を用いて、6 つの遺伝的類似性グループ間でメタ解析を実施した。
  • バイオバンク間統合: 二次的なメタ解析により、All of Us の結果を UK バイオバンク（UKB）データと統合し、最大 786,871 サンプルを網羅した。疾患表現型は、All of Us の PhecodeX コードを UKB の ICD-10 コードにマッピングすることで調整された。
• データ公開: 結果は、公開の対話型ブラウザおよび All of Us 研究者ワークベンチを通じて利用可能となった。

主要な結果

• 解析の規模: 本研究では約 1.337 兆回の関連性検定が実行された。QC 後、著者らは 48,831 のほぼ独立した高品質な単一変異シグナル（LD プルニング $r^2 < 0.1$、$p < 5 \times 10^{-8}$）および最大 MAF 0.1% における 1,032 の有意な遺伝子負担関連（$p < 6.7 \times 10^{-7}$）を同定した。
• 表現型の一致: 自己申告疾患と臨床請求 PhecodeX 疾患との比較では、有病率において高い相関（$r = 0.74$）が示されたが、自己申告データはより軽度の状態をより頻繁に捉えていた。
• グループの一致性: 遺伝的類似性グループ間では、効果の方向性が概ね一致していた。有意な変異関連の 0.4% だけがグループ間で反対の効果方向を示したが、これらは高い異質性を示した。
• メタ解析の威力: 遺伝的グループ間でのメタ解析は、発見を著しく強化した。3 つの最大のグループで解析された表現型において、有意な pLoF（タンパク質切断変異）遺伝子 - 表現型関連の 42.4% は、単一のグループのみでは同定されず、メタ解析を通じてのみ同定された。
• バイオバンク間での発見: All of Us と UK バイオバンク（最大 786,871 サンプル）のメタ解析により、個々のコホートでは有意でなかった 193 の pLoF 遺伝子 - 表現型関連が同定された。そのうち 22 は、以前の自動化された文献キュレーションによって強調されなかった新規シグナルであった。例としては以下のものがある：
  • 複製: 2 型糖尿病に関連する MIB1 の稀な pLoF 変異、および肥満に関連する ZMYM4。
  • 新規: TREM1 と臍ヘルニア、および TMEM127 と皮膚糸状菌症との関連。
  • クロス表現型: 本研究は、コレステロールバイオマーカーおよび臨床的高脂血症に影響を与える PCSK9 変異や、甲状腺関連表現型に影響を与える TSHR 変異など、44 の遺伝子 - アノテーション対のクロス表現型関連を同定した。
• 性別層別化された知見: GLP-1 アナログの使用に関する解析では、男性では TCF7L2 と、女性では FTO との関連がより強く示され、処方パターンおよび疾患有病率の違いを反映していた。

意義と主張
本論文は、このリソースがゲノムワイドおよびエクソームワイドの変異の両方にまたがる、最も大規模な公開利用可能な関連データセットの 1 つであると主張している。その主な意義は以下の点にある：

1. 発見能力の向上: 多様な遺伝的グループおよびバイオバンク間でのメタ解析が、個々のコホートでは検出不可能な稀変異関連の検出に不可欠であることを実証している点。
2. 多様性: 以前の大型バイオバンク研究と比較して非ヨーロッパ人の表現が大幅に改善されたリソースを提供し、集団間の対立遺伝子頻度の違いに起因する関連性の同定を可能にする点。
3. 有用性: All of Us コホートの成長に伴う反復的なデータリリースの枠組みを確立し、体系的な遺伝子発見、治療ターゲットの優先順位付け、および多遺伝子リスクスコアの開発を可能にする点。
4. アクセシビリティ: 要約統計量および対話型ブラウザの公開を通じてデータアクセスの障壁を下げ、世界的な研究コミュニティによる迅速な照会および解釈を容易にする点。

著者らは、関連性が因果証明ではなく統計的相関を表すこと、EHR ベースの表現型同定に起因する潜在的な残余バイアス、および UK バイオバンクの構成によりクロスバイオバンクメタ解析が依然としてヨーロッパ固有のシグナルを不均衡に反映していることなどの限界を指摘している。また、遺伝的類似性グループは誤差制御のための解析ツールであり、生物学的に明確なカテゴリーとして解釈されるべきではないことを強調している。