臨床ゲノム科学入門

(1)

監修のことば

東京大学医学系研究科は平成14年度より18年度までの5年間にわたり科学技術振興調整費による人材養成ユニット「クリニカルバイオインフォマティクス」を開催した。臨床医学，疫学，ゲノム科学，情報科学を俯瞰できる人材の養成を目指したものであるが，今回，その講義内容をもとに教科書を3冊のシリーズとして刊行することとした。クリニカルバイオインフォマティクスすなわち臨床生命情報学という新しい概念の背後にあるのは，近年の爆発的な生命科学の発展である。生命科学は膨大な情報をもたらしたが，これを分析する情報学が必要となりバイオインフォマティクスが生まれた。バイオインフォマティクスはゲノム科学や蛋白解析において極めて大きな威力を発揮した。塩基配列や質量分析のピークから遺伝子や蛋白を同定できるのもバイオインフォマティクスの恩恵である。このような生命科学の情報を扱う技術は臨床医学にも大きく貢献した。とくに遺伝子の異常による遺伝性疾患の原因遺伝子の同定や診断に有力な手段となった。単一遺伝子疾患だけでなく，生活習慣病などの環境因子が大きく発症に影響する多因子性疾患でも，発症に関わる疾患感受性遺伝子の検索にバイオインフォマティクスを欠かすことができない。さらに，ヒトゲノム上に認められる多くの個人差，すなわち単一塩基配列の違いによって疾患発症の素因を説明できる可能性がある。あるいはこのようなゲノムの個人差を利用した個別医療も実現できるかも知れず，バイオインフォマティクスに対する医療側の期待は大きい。しかしながら疾患に関与する因子数が多いほど，疾患発症におけるゲノムの多様性や治療の意義を明らかにすることは困難となる。大半の疾患は複数の遺伝子の軽微な変異の集積に，生活習慣をはじめとする様々な環境因子が交絡して発症する多因子性疾患であり，高齢化社会で増加している疾患の多くはこのような多因子性疾患と考えられる。これらの疾患では，遺伝子に異常が存在しても，生活習慣が是正されれば発症に至らないことも多い。そうであるならば，疾患の原因をゲノム情報のみに求めることはできない。逆に，ある治療法の有効性や副作用の評価もゲノム情報を考慮して分析しなければならないことになる。このような場合は，環境因子やゲノム多型性などの背景因子を均一にそろえた上で，注目する要因の分析を行うべきである。このように複雑な構造をもつヒトの疾患の診断，疾患発症に関わる因子の分析，治療法の評価，ゲノム多型性の意義などを解明するためには，ゲノム科学，臨床医学，臨床疫学，情報科学を一連の領域として認識する学術領域が必要であり，これを理解し医学研究で実践できる人材の育成が求められる。すなわちヒトの疾患を対象とする研究では，生命科学の情報と臨床検査成績や生活習慣に関する情報を融合した上で解析することが必須で，そのための情報技術の開発や教育が必要とな本ユニットは毎年，公開講座を開催してきた。講座は年間150回，200時間以上開催され，平成17年度は延べ1,449人が参加した。多くは首都圏の企業の研究者，臨床医，工学系の研究者，医学部や工学部の学生・院生であったが，遠く鹿児島や大阪から毎週通われた方もいらした。多くの受講生にとって公開講座は好評であった。本シリーズはクリニカルバイオインフォマティクスによる公開講座における講義内容を，1.『臨床生命情報学入門』，2.『看護と情報科学』，3.『臨床ゲノム科学入門』の3部にまとめたものである。臨床医学，生命情報，ゲノム科学，臨床情報，臨床情報工学などに関する基礎知識だけでなく，医療や医学研究をとりまく状況の変化などがわかりやすい形でまとめられている。クリニカルバイオインフォマティクス人材養成ユニットがきっかけとなって生まれた「臨床生命情報学」のテキストとして活用されるとともに，この新しい学際領域が発展し，わが国の医学と医療に貢献することを期待したい。平成18年9月

永井良三

臨床ゲノム科学入門 ■ 監修のことば

(2)

■

序

東京大学大学院医学系研究科クリニカルバイオインフォマティクス研究ユニット（CBI）は， 4年間にわたって臨床疫学，ゲノム科学，情報工学の学際的研究にかかわる人材養成を目的とした専門講座講義を実施してきた。永井良三代表のもと，山崎力特任教授はじめCBIスタッフの時宜を得た企画のおかげで，製薬会社の研究者，医学系，工学系の学生，大学院生など多数の方が受講してくださった。本書はこれらの講義内容をまとめた3冊のテキストシリーズのひとつであり，臨床ゲノム科学を主題とするものである。本書は大きく3部から構成されており，第Ⅰ部は遺伝疫学研究における主要な統計学的方法を具体的かつ丁寧に解説することを目指した。わが国における遺伝疫学および統計遺伝学の研究・教育の現状は極めて不十分であると言わざるを得ない。これらの分野を解説した書物も数少ない。本書がこのような状況を少しでも改善するための一石となれば大変幸いである。第Ⅱ部では，いくつかの疾患群を例にとって，そのゲノム解析研究の現状を詳しく解説する。第Ⅰ部で解説した方法を活用しつつ，いかにゲノム解析研究が臨床研究に応用され貢献しているのか，これらの例によって理解していただけるものと思う。第Ⅲ部では，遺伝疫学研究の基盤となる遺伝子・ゲノムの多型解析技術および各種のゲノム情報データベースが紹介される。両分野とも著しい進展を見せていることを理解していただければ有難い。執筆を担当した方々は，いずれも活発に研究活動に励んでいる気鋭の研究者である。多忙ななかで貴重な時間を割いて執筆いただいた方々に感謝の意を表したい。とりわけ，編集担当の大木秀一氏には，全ての原稿に目を通し，用語の統一などの作業をしていただいた。また，田中紀子氏には本書の企画・準備にご助力いただいた。その労を大いにねぎらいたい。最後に，本書は杏林図書の中村和哉氏の尽力なしでは世に現れなかったことと思う。あらためて御礼を申し上げたい。平成18年11月 編者代表

徳永勝士

臨床ゲノム科学入門 ■ 執筆者一覧・序文

臨床ゲノム科学入門

監修 永井良三東京大学医学部附属病院病院長東京大学大学院医学系研究科循環器内科教授東京大学大学院医学系研究科クリニカルバイオインフォマティクス研究ユニット代表 編集 徳永勝士東京大学大学院医学系研究科人類遺伝学分野教授山崎力東京大学大学院医学系研究科クリニカルバイオインフォマティクス研究ユニット特任教授大木秀一石川県立看護大学健康科学講座助教授 執筆（五十音順） 今井靖東京大学医学部附属病院救急部・集中治療部特任講師今西規産業技術総合研究所生物情報解析研究センター統合データベース解析チームチームリーダー大木秀一石川県立看護大学健康科学講座助教授大橋順東京大学大学院医学系研究科人類遺伝学分野助手田中紀子東京大学大学院医学系研究科クリニカルバイオインフォマティクス研究ユニット特任助手土屋尚之筑波大学大学院人間総合科学研究科社会環境医学専攻教授徳永勝士東京大学大学院医学系研究科人類遺伝学分野教授原一雄東京大学医学部附属病院糖尿病・代謝内科助手村上善則国立がんセンター研究所がん抑制ゲノム研究プロジェクトプロジェクトリーダー百瀬義雄東京大学大学院医学系研究科クリニカルバイオインフォマティクス研究ユニット特任助手

(3)

臨床ゲノム科学入門 ■ 目次第7章多因子疾患を対象とする遺伝疫学研究方法論の進展• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • 田中紀子 110 1．遺伝子−環境交互作用と遺伝子−遺伝子交互作用 2．whole-genome研究に関連する統計学的方法 3．おわりに第Ⅱ部臨床研究への応用例第1章神経疾患のゲノム医科学• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • _{百瀬義雄 126} 1．はじめに 2．アルツハイマー病 3．パーキンソン病 4．多系統萎縮症 5．筋萎縮性側索硬化症 6．片頭痛 7．多発性硬化症 8．おわりに第2章循環器疾患におけるゲノム医科学• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • 今井靖 136 1．はじめに 2．動脈硬化性心疾患（心筋梗塞，狭心症） 3．単一遺伝子疾患 4．遺伝子多型と薬物第3章がんのゲノム医科学• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • 村上善則 152 1．はじめに 2．がんの体細胞遺伝学 3．家族性腫瘍 4．がん細胞ゲノムの網羅的解析 5．がんの分子標的治療 6．宿主の遺伝因子の解析 7．おわりに第4章糖尿病のゲノム医科学• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • 原一雄 176 1．候補遺伝子アプローチによる2型糖尿病感受性遺伝子の同定 2．全ゲノムアプローチと候補遺伝子アプローチを組み合わせた2型糖尿病感受性遺伝子の同定 3．全ゲノムアプローチによる2型糖尿病感受性遺伝子の同定第5章全身性エリテマトーデスのゲノム医科学• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • 土屋尚之 192 1．全身性エリテマトーデスのゲノム解析研究の意義 2．マウスモデルを用いた検討第Ⅰ部遺伝疫学研究における統計学的方法第1章遺伝疫学の研究デザインとその周辺の統計学的方法論• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • 田中紀子 2 1．遺伝疫学研究で用いられる研究デザイン 2．遺伝疫学研究，統計遺伝学で用いられる統計学的方法 3．おわりに第2章家族集積性と双生児研究• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • _大木秀一 18 1．家系研究の基礎

2．集団ベース症例対照家系研究（population-based case-control family study） 3．家族集積性研究 4．遺伝率研究 5．双生児研究法第3章分離比解析と連鎖解析• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • 田中紀子 36 1．分離比解析 2．連鎖解析 3．おわりに第4章集団遺伝学• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • 大橋順 54 1．Hardy-Weinberg平衡と対立遺伝子頻度の推定 2．決定論的方程式を用いた対立遺伝子頻度変化の記述 3．確率論的方程式を用いた対立遺伝子頻度変化の記述 4．合体理論第5章関連解析• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • _{大橋順 72} 1．多因子疾患と血縁者相対リスク（家族性相対危険） 2．位置的アプローチと候補遺伝子アプローチ 3．関連解析の方法 4．疾患感受性変異のリスク評価 5．検出力とサンプルサイズ第6章 LDマッピング• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • 大橋順 90 1．ハプロタイプと連鎖不平衡 2．連鎖不平衡の指標 3．連鎖不平衡係数の経時変化 4．ハプロタイプブロック 5．ハプロタイプ頻度の推定法 6．LDマッピングの原理 7．ゲノムワイドLDマッピングに必要なサンプルサイズ

臨床ゲノム科学入門

第Ⅲ部遺伝疫学研究のための基盤技術・情報第1章遺伝子・ゲノム多型解析法の進展• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • 徳永勝士 208 1．遺伝子・ゲノムの多型 2．変異・多型の解析技術第2章ヒトゲノム関連データベースの活用• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • _{今西規 222} 1．ヒトゲノムはどこまで分かったか 2．DNA塩基配列のデータベース DDBJ/EMBL/GenBank 3．ヒトゲノムのデータベース EnsEMBLなど 4．ヒトゲノムの多様性に関するデータベース dbSNPをはじめとして 5．ヒトの遺伝子と転写産物の統合データベース H-InvDB 6．ゲノム関連情報の将来 ■索引 • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • 238

(5)

表1-1 ヒトゲノム中の主な多型マーカー図1-1 マイクロサテライト多型の例図1-2 単一塩基多型（SNP）の例疾患遺伝子の探索研究に最も汎用される遺伝マーカーである（図1-2）。ゲノム中の総数が500∼ 1,000万種類，すなわち平均して約300∼600bpごとに1個のSNPが存在すると推定され，ヒトゲノム中で最も高密度な分布を示す多型である。SNPの一部は，さまざまな多因子疾患の感受性あるいは抵抗性に直接関与すると考えられることから，各種の疾患遺伝子（多型）を特定するために必ず解析するマーカーである。このほかに，ヒトゲノム中にはより大規模な多型も存在する。最近特に注目されているのが，数kbから数百kbの規模で遺伝子あるいはゲノム断片のコピー数に多型・変異が認められる現象であり，CNV（copy number variation）と呼ばれる。現在その全体像を明らかにする研究が進んでおり，また疾患との関連研究が端緒についたばかりである。注 多型と変異：頻度にかかわらず，また規模の大小にかかわらず，ゲノムに見られる差異はすべて変異と呼ばれ る。一方，多型は変異のうち，頻度の低い対立遺伝子（複数でもよい）の合計が1％以上，言い換えれば頻度の高い対立遺伝子が99％以下の状態にあるものをいう。 - - -AGACTGTCCGAATTGACCATGGTTCA -- -- --AGACTGTCCGAACTGACCATGGTTCA -個人の遺伝子型はTT，TCまたはCC型となる （一方の鎖のみ表示）

（TA）₅アレル TCCAGCCTCGGAG TATATATATAGTCCTTTCTCCAGA （TA）6アレル TCCAGCCTCGGAG TATATATATATAGTCCTTTCTCCAGA （TA）7アレル TCCAGCCTCGGAG TATATATATATATAGTCCTTTCTCCAGA

・・

●反復配列（repetitive sequence）の多型

ミニサテライト（minisatellite）・VNTR（variable number of tandem repeat） 10 - 100 bp × 20 - 50 repeats

マイクロサテライト（microsatellite）・STR（short tandem repeat） 1- 9 bp × 5- 60 repeats

数十万カ所，高度な多型性 → マッピング ●SNP（single nucleotide polymorphism：単一塩基多型）

約1,000万カ所，二対立遺伝子 SNPハプロタイプは高度な多型性 → 遺伝子特定

Ⅲ

遺伝疫学研究のための基盤技術・情報 ■ 第１章遺伝子・ゲノム多型解析法の進展 ヒトゲノムに見られる代表的な多型はマイクロサテライト多型と単一塩基多型（SNP）であ る。マイクロサテライト多型は疾患遺伝子探索研究における連鎖解析に頻用されるとともに，個 体識別などのDNA鑑定にも有用である。その解析には，ゲル電気泳動と銀染色を組み合わせる か，蛍光標識プライマーを用いたPCR産物を自動シークエンサーで解析する場合が多い。一方， SNPは疾患遺伝子の候補領域から疾患遺伝子を絞り込む段階で有用な多型である。対立遺伝子の 判別原理はハイブリダイゼーション，特異的プライマー伸長，一本鎖あるいは二本鎖の構造差の 検出など限られているが，検出方法等にさまざまな工夫がなされ多様な技術が開発されている。 最近，微量のゲノムDNAから全ゲノムを増幅する技術やゲノム全域に分布する数十万種ものSNPs を一挙に解析する技術も実用化されている。

遺伝子・ゲノムの多型

ヒトゲノムに見られる代表的な多型として，マイクロサテライト多型と単一塩基多型（SNP） がある。前者は短い塩基配列の繰り返し回数に見られる多型である。疾患遺伝子探索研究に おける連鎖解析に頻用される。後者は塩基1個の差異からなる。ヒトゲノム中には500万から 1,000万種類も存在すると推定され，最も高密度に存在する多型である。疾患遺伝子の候補領 域から疾患遺伝子を絞り込む段階で有用な多型である。 1）代表的な遺伝子・ゲノム多型 ヒトゲノムが生物種としてのヒト（Homo Sapiens）に必要な遺伝情報のすべてを担っていることは言うまでもない。一方で，ヒトゲノム中には数多くの多型（polymorphism）・変異（vari-ation）が存在する注。このような多型・変異は，それ自体が何らかの機能上の意義を持つのかどうかにかかわらず，ヒトのさまざまな疾患や特徴にかかわる遺伝子を探索したり，人類集団の遺伝的近縁性や起源・形成過程を推定する上で有用な標識（マーカー）として用いられる。表1-1 は，ヒトの疾患関連遺伝子の探索において用いられる主な多型マーカーを示す。まず，反復配列（repetitive sequence）と総称されるグループの中によく用いられる2種のマーカーがある。

ミニサテライト（minisatellite）あるいはVNTR（variable number of tandem repeat）と呼ばれる配列は，10∼100bp程度の配列が繰り返しの単位となり，通常20∼50回程度の繰り返しが見られるが，この繰り返しの回数に多型が見られる。ミニサテライトは数年前まで疾患遺伝子の連鎖解析にもよく用いられてきた。また法医学において，個人識別や親子鑑定に広く用いられてきたフィンガープリント法はミニサテライトの多型を利用する方法である。

ミニサテライトに代わって，近年より頻繁に用いられるようになった反復配列多型がマイクロサテライト（microsatellite）あるいはSTR（short tandem repeat）の多型である。1∼数bp の繰り返し単位で通常5∼60回程度の繰り返しが見られ，この繰り返し回数に多型が存在する（図 1-1）。ヒトゲノム中に広範に分布するマイクロサテライトのうち，多型を示すものがどの程度あるのか詳細は明らかになっていないが，数十万種類程度は存在すると推定される。マイクロサテライト多型が最もよく用いられているのは，各種の疾患や形質にかかわる遺伝子を同定するための連鎖解析や関連解析においてである。 1.

Ⅲ

第

部

遺

伝

疫

学

研

究

の

た

め

の

基

盤

技

術

・

情

報

第

１ 章

遺伝子・ゲノム多型解析法の進展

(6)

図1-3 マイクロサテライト多型マーカーを用いた罹患同胞対法による連鎖解析の例：喘息，染色体1∼ 12番の結果のみ表示出典参考文献1）より引用改変図1-4 マイクロサテライト多型解析による輸血後GVHDの確定診断 2種のマイクロサテライト多型を解析した結果。それぞれ，レーン1はサイズマーカー，レーン2は患者皮膚（患者本来の型），レーン3は患者末梢血（GVHD 発症によってドナーの型が主になっている）から得られたパターン。出典参考文献2）より引用改変 HGH TCFIID bp 309 281 271 242 1 2 3 bp 217 201 190 180 1 2 3 5.0 4.0 3.0 2.0 1.0 0.0 0 40 80 120 160 200 240 Lod score

Genetic Distance from pter（cM）

Chromosome 1 _5.0 4.0 3.0 2.0 1.0 0.0 0 40 80 120 160 200 240 Lod score

Chromosome 2 _5.0 4.0 3.0 2.0 1.0 0.0 0 40 80 120 160 200 Lod score

Chromosome 3 5.0 4.0 3.0 2.0 1.0 0.0 0 40 80 120 160 200 Lod score

Generic Distance from pter(cM)

Chromosome 5 _5.0 4.0 3.0 2.0 1.0 0.0 0 40 80 120 160 Lod score

Chromosome 6 5.0 4.0 3.0 2.0 1.0 0.0 0 40 80 120 160 Lod score

Chromosome 7 _5.0 4.0 3.0 2.0 1.0 0.0 0 40 80 120 160 Lod score

Chromosome 9 5.0 4.0 3.0 2.0 1.0 0.0 0 40 80 120 160 Lod score

Chromosome 12

Ⅲ

遺伝疫学研究のための基盤技術・情報 ■ 第１章遺伝子・ゲノム多型解析法の進展 2）マイクロサテライト多型の特徴と用途 マイクロサテライト多型の例は図1-1に示した。ゲノム上のユニークな配列に挟まれて，数塩基程度の単純な配列の繰り返しが見られ，その繰り返し回数の数に個人差が認められる。通常，5 種類以上の対立遺伝子があり，高いヘテロ接合度（heterozygosity）を示す。すなわち大多数の人はヘテロ接合型になるので，個々のマイクロサテライト多型から得られる情報が多いのが特徴である。疾患や形質にかかわる遺伝子を探索するための連鎖解析や関連解析にしばしば使われる遺伝マーカーである。図1-3はマイクロサテライト多型マーカーを用いた連鎖解析の例として，日本人小児喘息についての報告を示す1 ）。多発家系の試料をなるべく多数収集して，ゲノム全域にほぼ均等に分布する300∼400種類程度のマイクロサテライト多型マーカーを解析し，その結果から染色体上の位置ごとに疾患遺伝子の存在確率を求める。連鎖に関する統計遺伝学的手法はいくつかあるが，現在 では，いずれかの連鎖解析用プログラムを用いてコンピュータ計算するのが通常である（Ⅰ部3 章）。この例では，疾患遺伝子が存在する可能性の高いピーク（候補領域）がいくつか見られ，特に5番染色体上のピークが高いのが分かる。マイクロサテライト多型マーカーのもう1つの応用例を図1-4に示す2 ）。骨髄移植や輸血の後に起こる副作用の1つにGVHD（移植片対宿主病）がある。これは，提供者（ドナー）の免疫担当細胞が患者の組織を非自己と認識して攻撃するもので，拒絶反応とは反対の現象である。マイクロサテライト多型マーカーによる個人識別能力を生かして，GVHDの確定診断のために，患者血液中の白血球DNAのマイクロサテライト型がドナー由来の型に換わっていることを示している。 3） SNPの特徴と用途 塩基1個の差異からなるSNPの1例は図1-2に示した。個々のSNPは対立遺伝子が2個に限られ情報量は多くない。しかしながら前述のごとく，ゲノム中の分布密度が高いため，それらの組み合わせ，すなわちSNPハプロタイプをマーカーと考えれば高度な多型性を示す。図1-5に示したように，SNPsはその存在部位によって大別される。このうち，エクソン内にあるSNPやプロモーター領域にあって遺伝子発現量に影響するSNPなどは，イントロン部分にある SNPや遺伝子と遺伝子の間にあるSNPより疾患感受性にかかわる可能性が高いと考えられる。 これらの疾患感受性／抵抗性遺伝子多型を見出す統計遺伝学方法についてはⅠ部を参照いただ きたい。疾患感受性遺伝子や抵抗性遺伝子を明らかにすることは，ゲノム創薬，個人化医療（per-sonalized medicine）や新しい予防医学を実現するためにも必要である。図1-6は，前述した喘息の連鎖解析（図1-3）によって検出された候補領域について，多数の SNPを用いた関連解析を行うことにより，疾患遺伝子を同定することができた例である3 ）。一般に，連鎖解析によって検出される候補領域は広大であり，しばしば10Mb以上に及んで100個以上の遺伝子を含んでいる。この中から疾患遺伝子を特定するためには，この領域内に存在する多数のSNPについて，それらの間の連鎖不平衡を考慮しながら関連解析を行い，最も強い関連を示す SNPあるいはSNPハプロタイプを見出す必要がある（Ⅰ部参照）。

(7)

図1-7 プール試料を用いた自動シークエンサーによるマイクロサテライトマーカーの対立遺伝子頻度推定矢印の対立遺伝子については健常者と患者での頻度が異なることから，このマーカーと疾患が関連すると考えられる。伝子型を決定した例である。一方，図1-7は多数の検体から得たゲノムDNAを等量ずつ混合したプール試料について解析した例である。蛍光プライマーを用いて標識されたPCR産物を，自動シークエンサーによって分離検出した泳動像であり，それぞれのピークの高さの相対値に基づいて各対立遺伝子の頻度を推定できる。疾患関連研究において，候補領域・遺伝子を検出するため多数のマイクロサテライト多型をスクリーニングする際に，コストや手間を省く手段として用いられることがある4）_。 2）SNP解析技術 多因子疾患感受性遺伝子や薬剤応答性遺伝子の探索研究におけるSNP解析の有用性に加えて，個人化医療の時代におけるSNP検査の重要性が指摘されており，近年のSNPタイピング技術の進歩は目覚ましい。表1-2は主な方法について，その多型判別原理や測定法に基づいて分類したものである。それぞれに特徴があり，検体数や解析したいSNPの種類数などに応じて，適切な方法を選ぶことが望ましい5）。 Hybridizationを原理とする方法では，従来より用いられてきたナイロン膜上でのオリゴヌクレオチドプローブによるSNPタイピング法に加えて（図1-8），マイクロタイタープレートなどを支持体として用いたり，従来とは逆にプローブをあらかじめ支持体に固定しておくなどの方法が確立されている（図1-9）。さらに処理能力を増大させるため，シリコンやガラスなどの基板を支持体としてSNP特異的オリゴヌクレオチドプローブを高密度に固定化しておき，hybridizeした検体DNAを蛍光測定法や電気化学的方法によって検出する方法があり，これらを一般にDNAチップと呼ぶ。チップを用いず，液相中でFRET（fluorescence resonance energy transfer）法を用いる方法も開発されている。SNPの近傍の塩基配列はSNPごとに異なるため，多種類のSNPs を同一のhybridization-washing条件で精度良く判別することは容易ではないが，その検出段階でさまざまな工夫がなされている。 305 310 315 305 310 315 健常者のプール試料患者のプール試料

Ⅲ

遺伝疫学研究のための基盤技術・情報 ■ 第１章遺伝子・ゲノム多型解析法の進展図1-5 SNPの位置による分類図1-6 SNPを用いた疾患遺伝子マッピングの例連鎖解析（図1-3参照）によって検出された5番染色体短腕上の候補領域について高密度のSNP関連解析を行った結果，矢印の位置に喘息感受性遺伝子があると推定された。出典参考文献3）より引用改変

変異・多型の解析技術

マイクロサテライト多型の解析においては，ゲル電気泳動と銀染色を組み合わせるか，蛍 光標識プライマーを用いたPCR産物を自動シークエンサーで解析する場合が多い。一方，SNP 解析については，その判別原理はハイブリダイゼーション，特異的プライマー伸長など限ら れているものの，検出法などにはさまざまな工夫がなされ多様な技術が開発されている。最 近，全ゲノム増幅技術や数十万種ものSNPsを一挙に解析する技術の発達も著しい。 1）マイクロサテライト多型の解析技術 マイクロサテライト多型の解析においては，繰り返し配列部分の両側にあるユニークな配列部分に相補的なPCRプライマーを設定する。PCR増幅断片を電気泳動してその長さを判別すること 2. 連鎖解析で得られたロッドスコア SNPを用いた関連解析 − log 10 （P value） 5.0 4.0 3.0 2.0 1.0 150 152 154 156 158 160 Mb 5.0 4.0 3.0 2.0 1.0 9.4Mb MLS エクソン：翻訳/非翻訳領域にあるSNP（cSNP）プロモーター領域にあるSNP（rSNP）イントロンにある SNP（rSNP）遺伝子間（スぺーサー領域）にあるSNP（gSNP）

(8)

Q QT延長症候群 145 R r2 ₉₂ RefSeq 226 S SLAM 196 SLE 192 SNP 5, 208, 210 SNPハプロタイプ 210 SSCP 214 SSP 216 STR 208 T TACT 236 TCF7L2 185 TDT 7, 78, 106 TGFBR2 147 TLR7 195 TNFSF13 199 U UCSCゲノムブラウザ 229 UniGene 226 V VKORC1 150 VNTR 208 W Wahlundの原理 56 whole genome amplification

218 Wright-Fisherモデル 61 Y yaa 195

＊

λ λs 127 和文 あアディポネクチン 183 アミリン 181 アルツハイマー病 126 アレイCGH 165 アンギオテンシノーゲン 138 アンギオテンシン変換酵素 138 移植片対宿主病 210 Ⅰ型インターフェロン 196 位置的アプローチ 74, 199 一卵性双生児 31 一酸化窒素合成酵素 141 一致率 5 遺伝カウンセリング 162 遺伝確率 5 遺伝座 50 遺伝子改変マウス 195 遺伝子間交互作用 200 遺伝子系図 66 遺伝子診断 162 遺伝子増幅 153 遺伝子多型 169 遺伝性高血圧 148 遺伝的異質性 41 遺伝的相対危険 28 遺伝様式 5, 36 遺伝率 5, 29 遺伝力 29 易罹患性診断法 187 イリノテカン 172 インスリン抵抗性 176 インスリン分泌不全 181 エピスタシス 50 エピスタシス分散 29 炎症 144 オーダーメイド医療 126 か科学技術振興機構 226 拡散方程式 62 確認 5, 37 家系研究 18 家族（家系）集積性 2, 18, 193 家族性高脂血症 148 家族性腫瘍 161 家族性相対危険 27 家族歴 19 合体 66 カルパイン10 182 ガレクチン 144 がん遺伝子 153 がん遺伝子中毒説 167 環境因子 188 患者対照関連解析 187 がんの易罹患性 169 がん抑制遺伝子 153 関連解析 2, 133, 210 キアズマ 43 機会的遺伝的浮動 60 喫煙 170 機能性RNA 222 級内相関係数 27 狭心症 136 共変量 8 ■ 索引 欧文 A ABCA1遺伝子 141 APOE 127 APRIL 199 Armitageの傾向検定 78 ASP 216 AT1受容体 139 AT2受容体 139 B BioMart 229 Bonferroniの補正 105 BXSB 195 B細胞 199 C C4A 196 CD-CV仮説 134 CD72 200 cDNAマイクロアレイ 163 CGH法 165 cM 6 CNV 198, 209 comorbidity 33 CR2 196 CSX/Nkx2.5遺伝子 146 CYP2A6 170 D

Database of Genomic Variants

233 dbSNP 231 DDBJ 224 DeCODE社 129 DNA 42 DNA修復酵素遺伝子 153 DNAチップ 134, 163, 213 DNAメチル化 166 D’ 93 E EMBL 224 EMアルゴリズム 98 eNOS 141 EnsEMBL 226 EVOLA 234 F Fas（TNFRSF6，CD95） 195 FCGR2A 197 FCGR2B 199 FCGR3A 197 FCGR3B 197 Fcγ受容体 196, 197 FRET 213 G G-integra 234 GenBank 224 GVHD 210 H H-ANGEL 234 H-DBAS 234 H-GOLD 233 H-InvDB 233 H-Invitational Database 233 HapMapプロジェクト 134, 231 Hardy-Weinbergの法則 54 Hardy-Weinberg平衡検定 55 heteroduplex 216 HLA 133 HLA 196 HNF4-α 184 Hoppeの壺モデル 69 Hybridization 213 I IBD 20, 73 Ifi202 196 interferon 201 IRF5 196, 201 L LDM 6 LDマッピング 2, 90 LDマッピングの原理 101 Ly108 196 lymphotoxin α 144 M MALDI-TOF/MS法 216 Marfan症候群 147 Mb 6 MBL 197 McNemar検定統計量 79 MRL/lpr 195 MTHFR 143 N NCBI 226 NCBIミニコース日本語版 226 O OMIM 226 P PAR 186 PCR 212 pooled DNA法 134 PPARγ 176 PubMed 226

Index

(9)

頻度スペクトラム 65 フィブリリン（FBN1） 147 プール試料 213, 216 物理地図 44 分子標的治療 167 分離サイト数 69 分離比解析 2, 36 平均淘汰値 59 平衡頻度 59 ヘテロ接合性消失 160 ヘテロ接合度 210 ベルヌーイ過程 70 変異 208 片頭痛 126 ポジショナルクローニング法 158 補体 196 発端者 5, 37, 72 発端者一致率 32 ホモシステイン 143 ポリジーン 36 まマイクロアレイ 218 マイクロサテライト 5 マイクロサテライト多型 208, 210, 212 マウスモデル 194 マッチング 8 マトリクスメタロプロテアーゼ 142 ミニサテライト 208 ミレニアムプロジェクト 186 無限対立遺伝子モデル 65 メタアナリシス 178 メルカプトプリン（MP） 170 メンデル遺伝性疾患 126 メンデル形式 6 や薬剤応答性遺伝子 213 優性淘汰モデル 58 優性分散 29 尤度比 6 有病割合 9 葉酸 144 4配偶子ルール 96 ら罹患同胞対法 6, 104, 183 リコールバイアス 8 量的遺伝学 28 レジスチン 180 劣性淘汰モデル 58 レニン・アンギオテンシン系 138 連鎖解析 2, 159, 210 連鎖不平衡 6, 90 連鎖不平衡係数D 92 連鎖平衡 90 ロッドスコア 6, 129 わワーファリン 150 割合の差の検定 76 数字 5-フルオロウラシル（5FU） 171 ■ 索引筋萎縮性側索硬化症 126 近縁係数 20 近交係数 20 近親度 21 組一致率 32 組み換え 6 組み換え率 6, 43 ケース・コントロール関連解析 75 ケース・コントロール研究 5 血縁者相対リスク 72 ゲノム 2 ゲノムワイド関連解析法 218 ゲフィチニブ 168 原因遺伝子 126 検出力 6, 83 倹約遺伝子 176 膠原病 192 候補遺伝子アプローチ 74, 194 交絡 8 国際塩基配列データベース 224 個人化医療 210, 213 個別化医療 126 コホート研究 19, 79 さ最尤推定 6 最尤法 10 閾形質理論 30 自己免疫疾患 192 疾患感受性遺伝子 2, 126, 210, 213 疾病オッズ比 80 自動シークエンサー 213, 216 脂肪細胞 176 集団層化 5 集団ベース症例対照家系研究 22 常染色体優性 36 小児喘息 210 情報バイアス 8 症例対照研究 19 心筋梗塞 136 心筋症 145 浸透率 5, 23, 41, 72 生活習慣 187 生活習慣病 136, 176 線形モデル 5 全ゲノム解析 182 全ゲノム増幅 218 染色体転座 155 全身性エリテマトーデス 192 先天性心疾患 146 相加的遺伝分散 29 双生児研究 5, 18, 193 相対適応度 58 層別解析 8 測定バイアス 8 た大血管疾患 147 体細胞性変異 153 対立遺伝子（アレル） 155 対立遺伝子オッズ比 82 対立遺伝子頻度 3 多因子疾患 18 多因子神経疾患 126 タグSNP 103 多型 3, 208 多系統萎縮症 126 多型マーカー 6 多重遺伝子ファミリー 202 多段階発がん 153 多発性硬化症 126 多変量遺伝解析 34 単一塩基多型 208 地図距離 43 チトクロームP450 149 ツインレジストリー（双生児登録） 19 ディプロタイプ 97 転写因子 176 点突然変異 153 同祖遺伝子 6 同胞 37 動脈硬化 136 特発性心室細動 145 トランスクリプトーム 233 なナルコレプシー 218 二項抽出 60 二重へテロ接合体 100 日本DNAデータバンク 224 二卵性双生児 31 任意交配 54 乗り換え 43 乗り換え干渉 44 はパーキンソン病 126 胚細胞性変異 161 曝露 19 パス解析 5 ハプロタイプ 7, 90 ハプロタイプ解析 127 ハプロタイプブロック 96 反復配列 208 ビタミンK酸化還元酵素複合体1 150 必須乗り換え 44 ヒトゲノム 222 肥満 176 Index