IndepMR: An Ontology-Driven, Ancestry-Aware Interactive R Shiny Framework for Automated Two-Sample and Multivariable Mendelian Randomization with Mediation Analysis Using Public GWAS Summary Data

特定の習慣や特性がどのように疾患を引き起こすのかを理解するために、科学者たちはしばしば厄介な問題に直面します。それは、その特性を持つ人々が、実は病気の真の原因となっている他の隠れた習慣も併せ持っている可能性があるということです。例えば、ある特定の食品を摂取することが心臓のトラブルを引き起こすのかどうかを突き止めようとしているとき、その食品を食べる人々は、同時にタバコを吸う傾向も高いかもしれません。そうなると、どちらの要因が真の犯人であるかを判別することはほぼ不可能になります。数十年にわたり、研究者たちはこの混乱を切り抜けるために、「メンデルランダム化」と呼ばれる巧妙な回避策を用いてきました。この手法は、私たちの遺伝子が受精時に、まるで宝くじのようにランダムにシャッフルされるという事実に依拠しています。これは私たちが生まれる前、そして何らかの疾患を発症するずっと前の段階で行われることです。これらの遺伝的変異は偶然によって割り当てられるため、偏りのない自然なマーカーとして機能します。もし、ある人が体内で特定の物質を自然に多く生成する遺伝的変異を持っており、かつその人が特定の疾患を発症しやすい場合、科学者たちは、その物質自体が疾患を引き起こしている可能性が高いと推論することができます。これは、他のライフスタイル要因によるものではないという推論です。

しかし、利用可能なデータの量が爆発的に増加するにつれ、この「遺伝子の宝くじ」を用いて現実世界の医学的な問いを解決することは、ますます困難になっています。現在、身長から糖尿病に至るまで、あらゆるものへの遺伝的関連性をカタログ化した膨大な研究が数千件も存在しますが、それらは異なる集団に分散しており、記述方法もバラバラです。ある研究では参加者を「イギリス人」と記載し、別の研究では「ヨーロッパ人」とし、また別の研究では「イタリア人とヨーロッパ人」を一つの説明の中に混ぜ合わせているかもしれません。これらのラベルを自動的に分類する方法がなければ、研究者は誤って遺伝的に似すぎている人々から得られたデータを混ぜ合わせてしまい、結果を歪めてしまったり、あるいは検索ワードを間違えたために重要な研究を見逃してしまったりする可能性があります。コロンボ大学の研究者によって開発された「IndepMR」という新しいツールは、このボトルネックを解消することを目指しています。これは、適切な遺伝的研究を自動的に見つけ出し、そこに含まれる人々が互換性があるかどうかを確認し、複雑な計算を実行して、コーディングの専門知識を必要とせずに真の因果関係を明らかにするために設計されたコンピュータプログラムです。

この新しいツールの核心的な革新は、情報の探し方と、データの背後にいる人々のチェック方法にあります。従来、もし研究者が「高血糖」について研究したい場合、データベースに対してその正確な言葉を入力していたでしょう。しかし、ある研究では「空腹時血糖」や「HbA1c」という用語が使われていたかもしれず、単純な検索ではそれを見落としてしまいます。IndepMRは、疾患や特性の「家系図」のような、生物学的概念の構造化されたマップを使用することで、この問題を解決します。ユーザーが「高血糖」と検索すれば、プログラムは「高血糖」が「空腹時血糖」や「HbA1c」に関連していることを理解します。なぜなら、これらはすべて同じ親概念から枝分かれしているからです。これにより、研究者が異なる名称を使用していても、ツールは関連するすべての研究を見つけ出すことができます。このアプローチの強力さは、ツールのテストにおいて証明されました。「脂質」という広いカテゴリーを検索した際、新しいツールは1,200件以上の研究を見つけ出しましたが、標準的なキーワード検索ではわずか166件しか見つかりませんでした。

同様に重要なのは、研究に含まれる人々の祖先（アンセストリー）を確認するツールの能力です。遺伝子の宝くじが公平に機能するためには、曝露（例えば体重）に関する遺伝的な手がかりを提供するグループと、アウトカム（例えば糖尿病）に関する手がかりを提供するグループが、遺伝的に互換性があり、かつ全く同一の人物ではない必要があります。もし両者が似すぎていると結果にバイアスが生じ、もし背景となる祖先が完全に異なっていれば、遺伝的マーカーが同じように機能しない可能性があります。既存のツールは、このチェックを人間の研究者に委ねており、研究者は「イタリア、ヨーロッパ」といったテキストの説明を読み、それらが一致するかどうかを推測しなければなりませんでした。IndepMRは、これらの記述を標準化された階層構造に分解することで、これを自動化します。例えば、「イタリア人」は「ヨーロッパ人」の一種であることを認識し、特定の重複を隠してしまう可能性のある広範なラベルが使用されている場合に警告を発します。これにより、研究者が、共通の潜在的な遺伝子プールを共有する二つのグループを誤って比較してしまうことを防ぎ、それが誤った結論につながるミスを回避します。

研究チームは、この新しいシステムを、ボディマス指数（BMI）と2型糖尿病の関連性を検証するというテストに投入しました。これは長年研究されてきた問いですが、対象となる集団によって結果が異なります。彼らは分析を二度行いました。一度目はヨーロッパ系の祖先を持つ人々を用いたデータ、二度目はアジア系の祖先を持つ人々を用いたデータです。ヨーロッパ系のグループでは、ツールは多くの人が予想していた通り、高いBMIが2型糖尿病の発症リスクを大幅に高めることを確認しました。分析はクリーンであり、隠れたエラーや矛盾する信号は見られませんでした。しかし、アジア系のグループを見たとき、物語は変わりました。ツールは当初、高い体重が糖尿病のリスクを下げることを示唆するような、保護的な効果があるかのような結果を示しました。しかし、自動チェック機能が即座にレッドフラッグ（警告）を掲げました。データには深刻な不一致があり、遺伝的マーカーが他の無関係な要因を拾い上げている兆候が見られました。ツールは、この驚くべき結果が生物学的な逆転現象ではなく、データの隠れたバイアスによる信頼性の低いものであることを正しく特定したのです。これは、ツールが単に数字を出すだけでなく、品質管理のエキスパートとして、結果が疑わしい場合には研究者に伝える役割を果たしていることを示しました。

システムの全貌を示すために、チームは「媒介因子（メディエーター）」を含む複雑な問いを扱う方法も実演しました。彼らは、体重が糖尿病に与える影響が、HbA1cと呼ばれる特定の血液マーカーを通じてどのように作用するかを調べようとしました。ツールは、3つの異なる遺伝データセットを組み合わせるステップを成功裏にガイドしました。しかし、同時に決定的な設計上の欠陥も捉えました。体重に関する研究と血液マーカーに関する研究が、全く同じグループの人々から得られたものであることを見つけたのです。適切な遺伝研究においては、結果が単に同じ個人のデータの反映にならないよう、これらのグループは分かれている必要があります。ツールはこの重複を即座にフラグ立てし、この特定の組み合わせから導き出されるいかなる結論もバイアスがかかっていると研究者に警告しました。この機能は極めて重要です。なぜなら、研究者が不完全な分析に時間を浪費したり、あるいはさらに悪いことに、説得力があるように見えて実際には研究デザインによる人工物（アーティファクト）に過ぎない結果を発表してしまうことを防ぐからです。

IndepMRの開発は、高度な遺伝分析を、複雑なコンピュータコードを書ける人だけでなく、科学的な問いを持つあらゆる人に開放するというパラダイムシフトを象徴しています。適切な研究を見つけ、その互換性を確認し、必要な統計テストを実行するという、退屈で間違いの起こりやすい作業を自動化することで、このツールは研究者がデータのメカニズムではなく、生物学そのものに集中することを可能にします。それは手動では維持することが困難な厳格さを強制し、提供される答えが強固で互換性のあるエビデンスに基づいていることを保証します。このツールは、完璧な研究が存在しない場合にそれを探し出すといった、あらゆる問題を解決できるわけではありませんが、データの限界が明確に可視化された、透明性の高いステップ・バイ・ステップの環境を提供します。結局のところ、目標は、人間における因果関係の発見をより信頼できるものにし、私たちの「遺伝子の宝くじ」から導き出される結論が、可能な限り正確であることを保証することなのです。