PRS-CARV: A summary statistics framework for integrating annotation-informed rare variants to improve polygenic risk prediction

個人の遺伝的な設計図を見ることで、その人の将来の健康状態を予測することを想像してみてください。長年、科学者たちはその設計図における最も一般的な「文字」、つまり全人類に頻繁に現れるDNAの微小な変異に焦点を当ててきました。これらの一般的な変異は、穏やかで広範囲にわたる「そよ風」のようなものであり、それぞれが心臓疾患や高コレステロール血症といった疾患のリスクに対して、ごくわずかな影響を与えます。これらの小さな効果を足し合わせることで、研究者は「ポリジェニック・リスク・スコア（多遺伝子リスクスコア）」、すなわち個人の遺伝的な感受性を推定する一つの数値を算出することができます。しかし、このアプローチは、100人に1人未満という極めて稀にしか発生しない、強力な「突風」である遺伝的変異を長らく無視してきました。これらの稀な変異は、しばしば非常に強力であり、重大な生物学的変化を引き起こす能力を持っていますが、あまりにも一般的ではないため、個人の遺伝コードを含む大規模で高価なデータベースなしでは研究することが困難でした。

現在、研究チームは、これらの大規模でプライベートなデータベースにアクセスすることなく、これら稀で強力な遺伝的信号を予測のプロセスに取り入れるための新しい手法を開発しました。「PRS-CARV」と呼ばれる彼らのアプローチは、公開されている要約データのみを使用して、一般的な遺伝的変異の安定した影響と、稀な変異の鋭いインパクトを組み合わせることを可能にします。この手法を妊婦のリアルワールドデータを用いてテストしたところ、稀な変異を加えることで、血液中のコレステロールやその他の脂質のレベルを予測する能力が大幅に向上することがわかりました。この画期的な成果は、共通の背景ノイズと、私たちのDNAに隠された稀で高インパクトな信号の両方を捉えることで、より完全な遺伝的リスクの全体像を描くことが可能であることを示唆しています。

研究者が取り組んだ核心的な課題は、ロジスティクス（物流・運用）上の問題でした。稀な遺伝的変異の影響を正確に測定するためには、伝統的に、数十万人もの人々から生の個別の遺伝データを収集する必要がありました。しかし、これはプライバシー法やコスト、そしてこのような機密性の高い情報を共有することの極めて高い困難さから、多くの場合不可能です。一方で、UKバイオバンクのような大規模プロジェクトは、すでに数百万人規模の遺伝子サンプルを分析し、結果を「要約統計量」として公開しています。これは、誰のデータであるかを明かすことなく、特定の遺伝子や変異がどのように形質に関連しているかを示す集計された数値です。新しい手法であるPRS-CAR carVは、このギャップを埋めるように設計されました。この手法は、これら大規模な公開リソースからの要約データを取り込み、それを特定のグループの人々の個別の遺伝データと組み合わせることで、より正確なリスクスコアを構築します。

研究者たちは、脂質形質（高密度リポタンパク質（HDL）、低密度リポタンパク質（LDL）、トリグリセリド、総コレステロールなどの血液中の脂肪の指標）に着目して、このフレームワークをテストしました。彼らは、ターゲットグループとして、nuMoM2b-Heart Health Studyにおけるヨーロッパ系妊婦約3,000人のデータセットを使用しました。ベースとなるデータについては、39万人以上の人々を含むUKバイオバンクからの要約統計量に依拠しました。プロセスは主に2つのステップで構成されています。第一に、一般的な遺伝的変異に基づいたリスクスコアを算出しました。これはこの分野における標準的な手法です。第二に、稀な変異のための別個のスコアを算出しました。これを行うために、彼らは特定の遺伝子内における稀な遺伝的変化を、例えば「タンパク質を破壊する可能性が高いか、あるいは単に少し変化させるだけか」といった機能に基づいてグループ化しました。そして、大規模な公開データベースから提供された重みを用いて、これらの稀なグループの効果を合算しました。最後に、これら2つのスコアを一つの統合された予測モデルへと結合しました。

結果は、稀な変異を含めることによる明確な優位性を示しました。研究者が女性の実際のコレステロール値に対してスコアがどの程度予測できているかを調査したところ、共通の変異のみを用いたモデルよりも、共通の変異と稀な変異の両方を含めたモデルの方が優れた性能を示しました。この改善はすべての形質において一様ではなく、HDLコレステロールに対する0.02のAUC（曲線下面積）の上昇から、LDLコレステロールに対する0.11の上昇まで幅がありました。あらゆるケースにおいて、稀な変異は共通の変異が見逃していた情報の層を付け加えました。また、研究者たちは、稀な変異のスコアに寄与している遺伝子が、共通の変ニのスコアに含まれる遺伝とは大きく異なることも観察しました。共通の変異が小さな影響を持つ広範な遺伝ネットワークを指し示していたのに対し、稀な変異は、脂肪の分解に関与するものなど、タンパク質の機能を阻害する可能性が高い特定の遺伝を浮き彫りにしました。

結果の堅牢性を確保するために、チームは既知の特性を持つ偽の遺伝データを作成するコンピュータ・シミュレーションも実施しました。このシミュレーションでは、どの遺伝的変異が形質を引き起こし、その効果がどの程度強いのかを正確に把握しています。シミュレーションの結果、稀な変異単独では形質を十分に予測する力はないものの、共通の変異に加えることで大幅なブーストが得られることが確認されました。これは、シミュレーション内の遺伝的原因の数を変更した場合でも成立しました。シミュレーションと現実世界のデータの間のこの一貫性は、彼らの手法が意図した通りに機能しているという自信をチームに与えました。

しかし、この研究は、この手法が機能する境界線についても明らかにしました。研究者が同じアプローチを、妊娠中の糖尿病や高血圧のように、あるかないかの二値的なアウトカム（結果）に適用したところ、稀な変異を加えても予測は向上しませんでした。モデルは、稀な変異を含めても含まなくても、性能に差がありませんでした。著者らは、これは使用した大規模な公開データベースに、これらの特定の妊娠関連疾患を統計的な確実性をもって検出できるほどの症例数が不足していたためであると考えています。さらに、これらの妊娠中の疾患は、ホルモンや環境など、遺伝学以外の多くの複雑な要因に影響されるため、稀な変異からの信号が希釈されてしまう可能性があることも指摘しています。

本研究は、PRS-CARVが、遺伝的リスク予測をより包括的にするための実用的な方法を提供すると結論付けています。公開されている要約統計量を活用することで、この手法は、プライベートな個人レベルのデータにアクセスすることなく、強力な情報を含む稀な遺伝的変ニを取り入れることを可能にします。これは、共通の要素と稀な要素の両方を含む個人の完全な遺伝的リスク・プロファイルを理解することが、より良い予防とケア戦略につながるという、プレシジョン・メディシン（精密医療）への大きな一歩となります。研究者らは、現在の研究はヨーロッパ系の祖先およびゲノムのタンパク質コード領域に焦点を当てたものであるが、今後の応用においては、より多様な集団や非コード領域へと拡大できる可能性があると述べています。現時点では、この手法は、コレステロール値のような複雑な形質の遺伝的構造を理解するために、どのように精緻化できるかを示す証明されたツールとなっています。