バイオインフォマティクス実践ガイド

付録K: 用語集

使い方

この付録は、本書を読み進める際に頻出する用語の最小定義をまとめたものです。 詳細な試験観点の語彙は付録G、データベースやツールの一覧は付録Hを参照してください。 似た用語は、用途、対象データ、責任境界が異なるため、本文では文脈とセットで確認してください。

データと成果物

  • read / リード: シーケンサーから得られる短いまたは長い配列断片。FASTQでは塩基配列と品質スコアを持つ。
  • contig / コンティグ: read を組み立てて得られる連続配列。未解決のギャップを含まない連続領域として扱う。
  • scaffold / スキャフォールド: contig の順序や向きを推定してつないだ構造。ギャップや不確実な距離を含む場合がある。
  • assembly / アセンブリ: ゲノムや転写産物などを組み立てた配列集合。accession、version、作成方法を合わせて記録する。
  • FASTQ: 塩基配列と品質スコアを持つリードデータ形式。
  • BAM / CRAM: BAM は SAM をバイナリ化したアライメント形式、CRAM は参照配列を使って圧縮効率を高める形式。ランダムアクセスには、フォーマット本体とは別に作成する .bai / .csi / .crai などの索引ファイルを併用する。CRAM は参照配列への依存が強いため、参照FASTAと checksum を記録する。
  • VCF: variant / 変異情報を表す標準形式。位置、参照塩基、代替塩基、genotype、注釈などを持つ。
  • 参照配列: アライメントや注釈の基準に使う配列。accession、version、build、checksum を必ず記録する。
  • アクセッション / プロジェクト ID: 公開データを一意に識別する ID。SRA ラン、NCBI Nucleotide、TCGA プロジェクトなどを指す。
  • checksum / チェックサム: ファイルや配列内容の同一性を確認するための値。取得時の manifest / provenance 記録とセットで使う。

配列・遺伝子・変異

  • variant / 変異: 参照配列や比較対象と異なる配列状態を指す広い語。研究・臨床・集団解析で意味が変わるため、対象、座標系、検出条件を明記する。
  • mutation / 変異: 文脈によっては新規に生じた変化や疾患関連の変化を指す。本文では原則として中立的な variant / 変異 を使い、病的意義は別途根拠を示す。
  • gene / 遺伝子: 機能産物や調節単位として定義されるゲノム領域。annotation release により範囲や ID が変わることがある。
  • transcript / 転写産物: 遺伝子から転写される RNA の単位。isoform と対応する場合があるが、DBや annotation 体系で扱いが異なる。
  • isoform / アイソフォーム: スプライシングや開始・終結位置の違いで生じる転写産物またはタンパク質のバリアント。
  • germline / 生殖細胞系列: 親から子へ受け継がれ得る系列の variant。疾患文脈、家系情報、同意、専門家レビューが重要になる。
  • somatic / 体細胞: 体細胞で後天的に生じる variant。がんゲノム解析では腫瘍・正常ペア、腫瘍含有率、検出限界を確認する。
  • pathogenic / 病的: 特定の分類体系と根拠に基づく評価語。分類体系、対象疾患、版、根拠コードなしに単独で使わない。
  • variant representation: variant を参照配列、座標、配列状態、正規化規則、機械可読IDとして表す層。pathogenicity / oncogenicity / actionability とは別に記録する。
  • GA4GH VRS: GA4GH Variation Representation Specification。variant representation を計算可能に表し、computed identifier や descriptive metadata を使ってDB横断の照合をしやすくする標準。
  • ClinVar classification: ClinVar における variant classification。germline、somatic clinical impact、somatic oncogenicity を分け、提出者、review status、対象疾患・腫瘍種、確認日とともに読む。

解析と機械学習

  • アライメント: read や配列を参照配列へ対応付ける処理。
  • アノテーション: variant、遺伝子、転写産物に機能情報や既知知見を付与すること。
  • 特徴量: 機械学習モデルへ入力する数値やカテゴリ変数。由来、前処理、リーク有無を記録する。
  • データリーク: 学習時に評価用情報や将来情報が混入し、性能を過大評価する状態。
  • AUROC: 2値分類モデルの識別性能を表す代表指標。class imbalance が強い場合は precision-recall も併せて確認する。
  • foundation model / 基盤モデル: 大規模データで事前学習され、下流タスクに転用されるモデル。利用条件、入力制約、評価対象外の用途を確認する。
  • variant effect prediction: variant が発現、スプライシング、タンパク質機能、病原性などへ与える影響を予測するタスク。研究上の優先順位づけであり、臨床分類とは区別する。
  • pLDDT / PAE: 予測構造の局所信頼度と相対配置の不確実性を読むための指標。高い値や低い誤差でも、結合、機能、臨床的有用性を単独では保証しない。
  • binding affinity / 結合親和性: 分子間結合の強さを表す量。予測値は実測値の代替ではなく、実験条件、単位、教師データ、適用範囲を確認する。
  • training data overlap: 評価データや対象サンプルが事前学習・fine-tuning・参照DBに含まれている状態。重なりを見落とすと性能を過大評価する。
  • model card / dataset card: モデルやデータセットの用途、制限、評価、ライセンス、既知の偏りを説明する記録。

質量分析オミクス

  • vendor raw / open format: vendor rawは装置固有の取得データ、open formatはtool間交換・再利用向けの標準形式。変換後もrawを保持し、converter、vendor reader、filter、変換前後のchecksumを記録する。
  • DDA / DIA: DDAは条件を満たすprecursorを逐次選択し、DIAは定義したm/z window内のionをまとめてfragment化する取得方式。探索DB / library、window、cycle、prediction、FDRの条件を方式とセットで記録する。
  • PSM (peptide-spectrum match): 取得したspectrumと候補peptideの対応。PSMのscoreやFDRは、peptide、protein、PTM siteのconfidenceを自動的には保証しない。
  • level別FDR: PSM、peptide、protein等の集約levelごとに定義するfalse discovery rate。母集団、decoy、competition、threshold、集約規則を併記する。
  • protein inference / shared peptide: peptideから由来proteinまたはprotein groupを推論する処理。複数proteinに対応するshared peptideを、根拠なしに一意なproteinへ割り当てない。
  • PTM localization confidence: phosphorylation等の修飾がどの残基に存在するかの確からしさ。peptide配列の同定confidenceと分けて記録する。
  • metabolite feature: m/z、retention time、polarity、intensity等で定義した観測信号。1 featureを1 metaboliteまたはconfirmed compoundと同一視しない。
  • adduct / isotope group: ion化付加体や同位体由来の複数featureを同一compound候補として関係付けた集合。grouping ruleと未解決候補を残す。
  • blank / pooled QC / internal standard: blankはbackgroundやcarry-over、pooled QCは測定安定性・drift、internal standardは定義した工程の変動を確認する試料・基準。biological replicateの代替ではない。
  • identification confidence: spectrum / featureをpeptide、protein、compound等へ対応付ける確からしさ。使用したDB / library、release、score、decoy、authentic standard、retention time / index、MS/MS等の根拠をlevel別に示す。

参照ゲノムと集団差

  • reference genome / 参照ゲノム: 解析座標や annotation の基準になる配列集合。GRCh38、T2T-CHM13、pangenome は互換性や用途が異なる。
  • pangenome / パンゲノム: 複数個体や集団の多様性を表現する参照体系。reference bias の低減に有用だが、ツール、評価、座標変換、DB連携の前提を確認する。
  • reference bias / 参照バイアス: 参照配列に近い配列が有利に扱われ、他の集団や構造多様性を見落とす可能性がある偏り。
  • population structure / 集団構造: 集団間の祖先背景やサンプリング差に由来する構造。GWASやPRSでは交絡や一般化可能性に影響する。

システムと運用

  • schema / スキーマ: データの構造定義。テーブル、列、関係、制約を含む。
  • provenance / 来歴: どの入力、取得元、ツール版、パラメータ、実行者から結果が作られたかを示す情報。
  • manifest / マニフェスト: 取得ファイル、URL、file size、checksum、取得日、利用条件を一覧化した記録。
  • 監査ログ: 誰がいつ何を実行・変更したかを追跡する記録。秘密情報を保存せず、検証に必要なメタデータを残す。
  • reproducibility / 再現性: 同じ入力・条件・版で同じ結果を再取得できる性質。結論の妥当性や臨床有用性とは別に確認する。
  • 責任境界: 自動化できる処理、専門家レビューへ渡す判断、法務・倫理・臨床運用で扱う判断を分ける線引き。

プライバシー・法務・倫理

  • anonymization / 匿名化: 個人を識別できないように加工する考え方。再識別リスクをゼロと断定せず、データ種別と攻撃モデルを確認する。
  • pseudonymization / 仮名化: 直接識別子を置き換え、対応表などを分離管理する処理。再結合可能性が残るため、アクセス制御や監査が必要になる。
  • consent / 同意: データ利用目的、共有範囲、二次利用、撤回などに関する合意。研究・臨床・商用利用で必要な確認が異なる。
  • data access committee / DAC: 制限公開データなどへのアクセス申請を審査する組織または仕組み。

臨床連携で頻出する語

  • clinical validation / 臨床的妥当性確認: 検査やモデルが臨床上の状態・転帰・判断対象とどの程度関連するかを確認すること。
  • analytical validation / 分析的妥当性確認: 検査・解析手順が対象 variant や値を正確・再現可能に測定できるかを確認すること。
  • clinical utility / 臨床的有用性: その検査や情報が実際の医療上の意思決定や転帰改善に役立つかという観点。
  • TMB (Tumor Mutational Burden): 一定領域あたりの体細胞変異数。分母、panel、閾値、適応、検査法をセットで確認する。
  • MSI / microsatellite instability: microsatellite の反復長変化。検査法や判定基準に依存し、単独で治療判断を確定しない。
  • HRD / homologous recombination deficiency: 相同組換え修復の欠損を示す概念。BRCA 変異や genomic instability score など、測定法と適応条件を確認する。
  • 病的変異候補: 疾患との関連が強く疑われる variant。証拠水準、分類体系、専門家レビューを別途確認する必要がある。
  • retrospective review: 既存データを後ろ向きに見直す研究用途の検討。診療判断と同義ではない。
  • clinical report / 臨床報告書: 臨床運用の承認済み手順、検査妥当性、専門家レビュー、監査証跡に基づく文書。本書の概念例が生成するサマリとは区別する。
  • FHIR Genomics: HL7 FHIR の Genomics Reporting Implementation Guide。genomic report を Observation / DiagnosticReport などの構造化データとして交換しやすくする標準であり、解析 workflow や承認手順そのものではない。
  • CPIC: Clinical Pharmacogenetics Implementation Consortium。入手済みの薬理ゲノミクス検査結果を薬物療法の確認事項へ接続するガイドラインを提供するが、検査実施の要否や最終処方判断を単独で決めるものではない。
  • Beacon: GA4GH Beacon / Beacon v2。dataset、cohort、variant、phenotype などを発見する federated discovery API であり、データ取得許可や二次利用許可を意味しない。
  • controlled-access data / 制限公開データ: 利用目的、利用者、所属、承認期間、セキュリティレベル、再配布禁止などの条件付きで使うデータ。未承認の公開 LLM、外部 SaaS、個人端末へ投入しない。

関連資料

← 付録J へ 付録L へ →