海外招待講演:“公共卫生影响的药物基因学风险与大尺度效应”

　タイ保健省から Dr. Surakameth Mahasirimongkol をお招きし、ファーマコゲノミクス(PGx)の知見をもとに、ゲノム情報を用いて適切な薬剤を個別に処方する試みのタイにおける実践についてお話しいただきました。

　スティーブンス・ジョンソン症候群(SJS)／中毒性表皮壊死症(TEN)は重い薬剤副作用です。アジアで比較的高頻度に見られるアレルHLA-B*1502 を測定することにより、高い感度と特異度で発症リスクを知ることができます。2012年から実施されたパイロット試験で、HLA-B*1502測定のコストと、重篤薬剤副作用の発症件数減少を比較したところ、予防的スクリーニングを実施することで、十分なコストメリットが得られることが証明されました。この結果をもとに、2018年から保険適用下での検査が実施されることとなりました。また抗結核薬であるイソニアジドの適切な処方量を、NAT2の遺伝子型を利用して決定する例も示されました。

　現在タイでは、こうした複数の PGx遺伝子を網羅的に解析できる亚洲筛选数组と全ゲノムシーケンスを用いて,タイ人データベースを構築する取り組みが行われています。このような基盤情報をもとに,将来的に低コストの挥动やマイクロアレイを用いて,PGx情報を臨床応用することの有用性についても示されました。

国内招待講演2:“ゲノムコホート・バイオバンク連携による疾患発症リスク予測モデル構築と前向きコホートによる検証”

　岩手医科大学の清水厚志先生には、東日本大震災の復興事業として、長期の健康支援や個別化医療・予防に関する研究を進める、東北メディカル・メガバンク計画(TMM)をご紹介いただきました。 TMM は、ゲノムだけでなく、トランスクリプトーム、エピゲノム、プロテオーム、メタボロームなど、オミックス情報を備えたバイオバンクを運用しています。貴重なバンクサンプルを余分に消費することがないよう、バンクサンプルを用いる研究には、実験のためのサンプルそのものの提供ではなく、これらの情報のみを提供できる体制を整えています。

　清水先生には、あらためて GWAS のこれまでの成果とその課題を解説いただきました。 GWAS で見出された疾患感受性多型は多くが非翻訳領域にあり、その解釈が難しいという課題に対し、TMM では、RNA-Seq による遺伝子発現やメチル化、メタボロームといった複合オミックス解析により、疾患の発症機序に関する解釈を進めています。また岩手医科大学では GWAS とは異なるアプローチとして、測定した全多型を用いて疾患発症リスクを算出する iwate polygenic model(iPGM) を開発されました。本モデルによる疾患リスク予測結果は、脳梗塞において実際のコホートで検証段階に入っており、遠くない将来に、私達の健康管理の根拠として社会実装されることが期待されます。

　また清水先生は、個別化医療・予防を成功させる要因として、社会の理解が重要であることを強調され、一般の方々を対象とした“いでん講習会”などの活動を通して,ゲノム,遺伝,疾患,遺伝倫理についての認知向上に努められています。

国内招待講演4:“数理統計・機械学習を利用したゲノム・医療情報解析の現状と展望”

　ご自身のことを「計算機屋さん」と言われる株式会社ヒューマノーム研究所の瀬々潤先生は,応用数学の人工知能や機械学習の基礎研究を専門とされています。瀬々先生は,産業技術総合研究所人工知能研究センター研究チーム長を辞して,2018年10月に独立し起業されましたが,“国の研究所で働くよりも,もっと社会に近いところで仕事がしたい”とその動機を語られました。

　瀬々先生には、人工知能の歴史から説明いただきました。第三次人工知能ブームである現在、さまざまな分野に人工知能が利用され始めています。機械学習（深層学習）を用いた医用画像解析においても、2016年から一気に論文数が増加し、年間数百の論文が出ています。オミックス解析における長い機械学習の歴史の中で、この10年間の変化として、データ側は NGS の登場、計算機側は GPGPU の応用、機械学習の手法では SVM、RandomForest の利用、LASSO等スーパーモデリングの進化、深層学習の登場と発展、を挙げられました。

　また、深層学習を用いたタンパク質-化合物結合予測の研究や、ゲノム解析において SNP情報から表現型を推定される研究の成果を紹介いただくとともに、ヒューマノーム研究所における、多因子性疾患への取り組みもご紹介いただきました。瀬々先生は、生活記録や健康状態を含め、全てをデータ化した上で、統合的なオミックスを用いて、予防医療を含む将来のヘルスケアを目指されているとのことでした。

　多因子性疾患研究における機械学習利用の課題としては、高い計算機コストとコホートをまたぐ場合のデータ精度の低下を挙げられ、計算機コストに関しては、クラウドでゲノム情報が利用できる環境整備が必須と、お話しされました。難解そうな機械学習や人工知能ですが、瀬々先生は「機械学習とはデータから"写像"を作成する方法」と明快に説明されていました。