ヒトのゲノム配列と転写産物のデータが蓄積されてきた現在、ヒトのDNA配列を通して生物学的現象や機能を解析する能力は飛躍的に高まった。転写産物をゲノムにマップした後、どのような配列が何の生物学的機能を制御しているかを解明するということは、重要かつチャレンジングな問題である。本論文の主目的は、生物学的機能を持つDNA配列の特徴を見出すことである。もう一つの目的は、DNA配列を主としてみたときに、生物学的特徴を計算機科学的方法でどの程度説明できるのかを調べることである。この目的を達成するために本論文では、ヒトゲノム配列中で既知の機能領域(タンパク質コード領域、スプライス部位およびプロモーター領域)を用いて、機能と配列の関係を網羅的に解析した。

本論文の構成は大きく2つに分けられる。前半では、ゲノム配列からの遺伝子構造予測について述べている。ここでは、「複数プログラムの統合による遺伝子予測」と、「スプライス部位のクラスタリング」を行った。後半では、ヒト遺伝子のプロモーターの構造解析について述べている。ここでは、「(予測された)転写因子結合部位(モチーフ)のクラスターの存在とプロモーターの相関解析」と、「モチーフペアと転写開始点(TSS)の位置関係の解析」を行った。

初めに申請者は複数の遺伝子予測プログラムの予測結果を統合することにより予測精度を向上させるということを提案した。転写産物データが大量に蓄積された現代でも、遺伝子の発現頻度が低い、または稀な組織でしか発現しない、などの理由によって、実験で同定が困難な、未知のタンパク質コード遺伝子が、まだ存在すると思われ、それらを効率的に見出すために予測精度を上げることは重要である。申請者は幾つかの統合方法を評価した上で、異なるプログラムの結果を比較可能にする改良スコアを計算し、これが高い予測候補を選別する方法が約5%の精度向上をもたらすことを示した。

次に、遺伝子予測精度向上の要となる、5'スプライス部位をゲノム配列から識別する際の精度向上を目的に、スプライス部位内の位置塩基依存性を考慮した新規クラスタリング方法および識別方法を提案した。この方法によって、スプライス部位は5つのクラスのいずれかに属するとして認識されるが、特定のクラスに分類された場合には、それまでの方法に比べて、擬陽性を減らして認識できることを示した。この結果を上手く統合すれば、遺伝子構造全体の識別精度向上が期待できる。向上したクラスのうち、あるクラスの配列は、5'スプライス部位に作用するU1snRNPの配列に近いものになっていたが、このことから、本結果の妥当性と、各クラスで異なる認識メカニズムの存在が示唆される。

後半では、ヒト遺伝子のプロモーターの構造解析について記述している。プロモーター領域は、遺伝子転写開始点付近の領域およびその上流領域であり、そこに基本転写因子や様々な調節因子といった転写因子が結合部位(モチーフ配列)に結合して転写開始複合体を形成し、遺伝子の転写を行う。従って、プロモーター領域のモチーフ配列が、転写制御を解明する鍵である。どのようなプロモーター領域であれば、どのような転写制御を受けるのかという問題は重要であるが、現在では個別に実験で解析した事実を積み上げている段階で、まだ統一的な理解や記述ができているとはいえない。現在、脊椎動物一般のプロモーター領域では、複数のモチーフ配列が集まってモジュールを構成しているという仮説が有力視されている。さらに、その中には同一のモチーフが多いケースが散見される。転写を促進させるためには、必要な転写因子がプロモーター領域に集まらなければならない。もしプロモーター領域に同一モチーフのクラスターが存在すると、転写因子がその領域に滞留する可能性や、転写促進効果のより高い近傍のモチーフと相互作用をする可能性が高くなり、転写の活性化に役立つと思われる。この仮説を元にプロモーター領域予測をするツールも開発されていた。そこで申請者は、プロモーター領域には同一モチーフクラスターが存在するという仮説が、モチーフによらず一般的に成り立つかどうかを調べるため、同一モチーフのクラスターとプロモーター領域との相関をモチーフ毎に調べた。その結果、約47%がモチーフクラスターとプロモーターに相関があり、仮説が一般には成り立たずモチーフに依存して成り立つことを明らかにした。このモチーフクラスターとプロモーターの相関には、CpGアイランドとの関連が考えられる。そこで、CpGアイランドと関連して相関があるのか、あるいは独立に相関があるのかを検討した。3者関係から2者間のみの相関を取り出すために偏相関係数を用いた。その結果、CpGアイランドと関連して相関があるモチーフ群(13%)と、CpGアイランドと独立に相関があるモチーフ群(23%個)を同定した。この2つのモチーフ郡を用いて、遺伝子の組織特異性の予測指標を提案した。結果として単純には予測は困難であるが、有意に差の出る結果を得た。

次に、プロモーターの更に複雑な構造を解明するため、モチーフがペアで同じプロモーター領域に(重ならない位置関係で)共起する場合に、転写開始点(TSS)からの相対位置にバイアスが有意に存在するかどうかを調べた。ここでは異なるモチーフの共起も、同じモチーフの共起も対象としている。これまでに、モチーフ単独でもTSSからの位置特異的に頻出する(頻度分布でピークが見られる)ものが知られていた(TATA-box, SP1モチーフ等)。申請者は、モチーフペアが共起する位置のバイアスを計算する指標を設け、χ二乗検定および補足的な統計検定によって有意となるペアを検出した。その結果8,928個(34%)のペアがFDR<1%の基準で有意に検出された。位置のバイアスをヒートマップにより可視化すると様々なパターンが見られたが、ここでは、TSS付近でペアのピークがあるもの(クラス1:250ペア)と、ペア間距離が200bp以下で且つTSSからの距離に関係ない位置でピークがあるもの(クラス2:4,199ペア)およびその他(クラス3:4,479ペア)に分類した。クラス1に頻度の高いモチーフは、モチーフ単独でもピークを持つモチーフであったが、一方、クラス2のそれは、単独ではピークがもともと見られないモチーフであって、2クラスの主たる構成メンバーは有意に異なっていた。各クラスを上流に持つ遺伝子について、その発現の組織特異性をESTのユニークライブラリ数で調べると、クラス1ではより広い組織に発現が見られた。次に、ペアの中で頻度の高いモチーフに結合する転写因子のタンパク質ドメインを全クラスで調べたところ、特定のアミノ酸がリッチなドメインが多く、そのアミノ酸群はタンパク質間相互作用で重要なディスオーダー領域の特徴と重なった。これはモチーフペアに結合する転写因子が相互作用をする際に、ディスオーダー領域が関係するような特定の相互作用をしている可能性を示唆するものである。このドメインの偏りをクラス毎に見た場合、クラス1よりクラス2で非常に多かった。これらから申請者は、polII系で転写される全ヒト遺伝子のプロモーター構造の特徴として、共起する位置に有意なバイアスがあるようなモチーフペアが数多く存在していることを示し、それらのペアには特徴の異なる2つのクラスが存在するという見方を提案した。

以上のように、申請者はゲノム配列とそこに内在する生物学的機能を関連づける一連の手法を提案し、種々の知見を得た。これらはヒトゲノム配列をより深く理解する上で有用なものである。

ヒトゲノム計画によるヒトゲノム塩基配列の決定や、その前後から盛んに研究されている網羅的なヒト遺伝子の特徴付け研究(オーミクス研究)の進展を契機として、さまざまな角度からヒトゲノムにコードされた遺伝情報の理解への努力が試みられている。本論文もその一環として、論文提出者がこれまで約10年にわたり行ってきた研究の集大成として位置づけられる。

本論文の構成は大きく2部に分けられる。前半では、ゲノム配列からの遺伝子構造予測について述べられている。具体的には二つの内容、複数プログラムの統合による遺伝子予測(第2章)と、スプライス部位のクラスタリング(第3章)が扱われている。バイオインフォマティクスの分野では、与えられたDNA塩基配列中に存在するタンパク質コード領域をイントロン・エキソン構造まで含めて予測するという、遺伝子発見問題として知られる有名な問題がある。論文提出者はこの問題に対する一つの先駆け的なアプローチとして、複数の既存の予測プログラムを組み合わせて使用することで、全体の予測性能を5%程度向上させることに成功した(第2章)。一方、スプライス部位のクラスタリング研究では、遺伝子予測において5'スプライス部位をゲノム配列から識別するステップがその精度向上の要であるという認識のもとに、スプライス部位内の塩基の位置依存性を考慮した新規クラスタリング方法および識別方法を提案した。この方法によって、スプライス部位は5つのクラスのいずれかに属するとして認識されるが、特定のクラスに分類された場合には、それまでの方法に比べて、擬陽性を減らして認識できることを示した(第3章)。

本論文の後半では、ヒト遺伝子のプロモーターの構造解析について述べられている。こちらも二つの内容にわかれ、予測された転写因子結合部位(モチーフ)のクラスターの存在とプロモーターの相関解析(第4章)、並びにモチーフペアと転写開始点(TSS)の位置関係の解析(第5章)について論じている。遺伝子の転写制御情報を含むと思われるプロモーター領域がどのような原理で構成されているのかを理解することは、バイオインフォマティクスにおける最重要の課題の一つと言えるが、今のところその実態はほとんどわかっていないと言っても過言ではない。一つの有力な仮説として、脊椎動物一般のプロモーター領域では、複数のモチーフ配列(転写因子結合部位)、特に同一のモチーフ配列が複数集まってモジュールを構成していると言われている。そこで、論文提出者らは、プロモーター領域には同一モチーフクラスターが存在するという仮説が、モチーフによらず一般的に成り立つかどうかを調べるため、同一モチーフのクラスターとプロモーター領域との相関をモチーフ毎に調べた。その結果、約47%についてはモチーフクラスターとプロモーターに相関があり、仮説の正当性はモチーフに依存することを明らかにした(第4章)。さらに、論文提出者らは、プロモーター構造を特徴づけるために、転写因子結合部位(モチーフ)と転写開始点(TSS)との相対距離に着目した。従来、単独のモチーフで、TSSからの位置特異的に頻出するものが知られていたので、モチーフのペアが同じプロモーター領域に重ならない位置関係で一緒に出現する場合に、TSSからの相対位置に有意に偏りが存在するかどうかを調べた。位置のバイアスをヒートマップにより可視化すると様々なパターンが見られたが、大きくTSS付近でペアのピークがあるもの(クラス1:250ペア)と、ペア間距離が200bp以下で、かつTSSからの距離に関係ない位置でピークがあるもの(クラス2:4,119ペア)およびその他(クラス3:4,479ペア)に分類した。クラス1のペアはクラス2のペアと比べて、それぞれの成分であるモチーフやそこに結合する転写因子ファミリー、そのペアをもつ遺伝子の発現の組織特異性などなど、いろいろな面でその性質が異なっていることがわかり、ヒト遺伝子のプロモーター構造の特徴として、共起する位置に有意なバイアスをもつモチーフペアが数多く存在しているという現象を示し、それらのペアには特徴の異なるクラスが少なくとも二つ存在するという見方を提案した(第5章)。

なお、本論文第2章および第3章は高木利久との共同研究、第4章は小島俊男、榊佳之との共同研究、第5章は今西規、五條堀孝、中井謙太との共同研究であるが、論文提出者が主体となって分析及び検証を行ったもので、論文提出者の寄与が十分であると判断する。

したがって、博士(生命科学)の学位を授与できると認める。