第1章: 基礎概念

1. 基礎概念

1.0 この章の役割

第0章では、本書の対象読者、できること / できないこと、責任境界を確認しました。第1章ではそれを前提に、IT 技術者が以降の解析章を読むために必要な生命科学・実験・データ形式の最小知識へ集中します。

この章で学ぶこと

• DNA / RNA / タンパク質、遺伝子、転写産物、variant / 変異、発現、表現型の関係
• WGS / WES / targeted panel、RNA-seq、single-cell、spatial omics などの実験が、どのような入力データと成果物につながるか
• 実験由来のバイアス、サンプル品質、アノテーションの版が、IT 側のデータ品質・再現性・来歴管理へ影響する理由
• ヒト参照ゲノムを GRCh38、T2T-CHM13、pangenome / パンゲノムの3層で捉える考え方

この章で扱わないこと

• ウェット実験手順の実施方法
• 個別患者の診断・治療・投薬判断
• 法規制、倫理審査、同意取得、商用利用可否の個別判断

臨床ゲノム、個人情報、AIモデルの利用条件は後続章で扱います。この章では、解析対象が何を測定したデータなのか、どの参照・注釈・前処理に依存するのかを説明できる状態を目標にします。

1.0.1 生命科学の基礎知識

プログラミング経験はあるが生物学の背景が不足している読者のために、バイオインフォマティクスの理解に必要な生命科学の基礎概念を解説します。

細胞の構造と機能

真核細胞と原核細胞

• 真核細胞: 核膜に囲まれた細胞核を持つ（動物、植物、菌類）
• 原核細胞: 核膜を持たない（細菌、古細菌）

細胞の主要構成要素:

• 細胞核: 遺伝情報（DNA）を格納
• リボソーム: タンパク質合成の場
• ミトコンドリア: エネルギー産生（ATP合成）
• 小胞体: タンパク質の輸送・修飾

DNA・RNA・タンパク質の基本構造

DNA（デオキシリボ核酸） 🧪 概念例（実行不可: DNA構造と役割の要点整理）

構造: 二重らせん構造
塩基: A（アデニン）、T（チミン）、G（グアニン）、C（シトシン）
塩基対: A-T、G-C（水素結合）
機能: 遺伝情報の保存・伝達

RNA（リボ核酸） 🧪 概念例（実行不可: RNA構造と種類の要点整理）

構造: 通常一本鎖
塩基: A、U（ウラシル）、G、C
種類:
- mRNA（伝令RNA）: 遺伝情報をリボソームに伝達
- tRNA（転移RNA）: アミノ酸をリボソームに運搬
- rRNA（リボソームRNA）: リボソームの構成成分

タンパク質 🧪 概念例（実行不可: タンパク質構造階層の要点整理）

構成: 20種類のアミノ酸が結合
構造階層:
- 一次構造: アミノ酸配列
- 二次構造: αヘリックス、βシート
- 三次構造: 立体的な折りたたみ
- 四次構造: 複数のポリペプチド鎖の組み合わせ

遺伝子発現の仕組み（セントラルドグマ）

遺伝暗号（コドン表）

• 開始コドン: AUG（メチオニン）
• 終止コドン: UAA、UAG、UGA
• 遺伝暗号の特徴: 3つ組、退化性（同義コドン）、普遍性

1.0.2 ヒト参照ゲノムを3層で理解する

ヒトゲノム解析では、「参照ゲノム」は単一の固定ファイル名ではなく、解析目的、データ種類、互換性、アノテーション、集団多様性の扱いを決める基盤です。2026年版の本書では、以降の章で出てくる参照選択を次の3層で整理します。

GRCh38 は既存の座標・注釈資産と互換性が高い一方で、単一線形参照であるため、個人や集団の多様性をすべて表せるわけではありません。T2T-CHM13 は反復配列やギャップ領域の理解に有用ですが、既存の GRCh38 ベースのDBや臨床注釈とそのまま同一座標で接続できるとは限りません。pangenome / パンゲノムは reference bias の低減や構造多様性の表現に有望ですが、ツール、データ形式、評価方法、利用条件はまだ発展中です。

本書の実行例では、互換性と再現性を優先して GRCh38 または題材ごとの指定参照を使う場合があります。ただし、これは「ヒト参照ゲノム = GRCh38のみ」という意味ではありません。第3章ではグラフやインデックス、第4章では variant calling と参照選択、第9章では ancestry や population structure、第14章ではケーススタディとして再度扱います。

参考資料（確認日: 2026-04-28）

• Genome Reference Consortium: Human Genome Overview
• Genome Reference Consortium: Frequently Asked Questions
• NCBI Insights: Gapless Telomere to Telomere human genome (T2T-CHM13) now available
• NCBI Datasets: T2T-CHM13v2.0
• Human Pangenome Reference Consortium
• HPRC Data Release 2
• HPRC Data Use: Best Practices

1.0.3 実験とデータ形式を対応づける

IT 技術者が最初に確認すべきことは、「どの実験から、どの形式のデータが生成され、どの解析単位へ変換されるか」です。次の表は代表例であり、実際の形式、メタデータ、品質指標は測定プラットフォーム、研究計画、施設の標準手順によって変わります。

この対応を押さえると、後続章で扱う workflow / ワークフローを「コマンド列」ではなく、入力、参照、注釈、品質管理、出力、来歴の連鎖として理解できます。実験由来のバイアスは、ファイル形式を変換しても消えません。したがって、解析ログと同じ粒度でサンプル属性、実験条件、参照データ、注釈バージョンを記録することが、再現性と解釈可能性の前提になります。

基本的な実験手法

PCR（ポリメラーゼ連鎖反応） 🧪 概念例（実行不可: PCRの原理・用途の要点整理）

目的: 特定のDNA配列を増幅
原理:
1. 変性（94℃）: DNA二重鎖を一本鎖に分離
2. アニーリング（50-60℃）: プライマーが結合
3. 伸長（72℃）: DNAポリメラーゼが伸長

応用: 遺伝子クローニング、SNP検出、定量PCR

電気泳動 🧪 概念例（実行不可: 電気泳動の原理・用途の要点整理）

目的: DNA/RNA/タンパク質の分離・精製
原理: 電場中での荷電分子の移動
- アガロースゲル: DNA/RNAの分離
- ポリアクリルアミドゲル: 高解像度分離
- SDS-PAGE: タンパク質の分離

クローニング 🧪 概念例（実行不可: クローニング手順の概念整理）

目的: 特定のDNA配列を大量に複製
手順:
1. 目的遺伝子の単離
2. ベクター（プラスミド）への挿入
3. 宿主細胞（大腸菌等）への導入
4. 形質転換体の選択・培養

DNA配列決定法 🧪 概念例（実行不可: DNA配列決定法の比較整理）

Sanger法（第1世代）:
- ddNTP（ジデオキシヌクレオチド）を使用
- 連鎖停止法による配列読み取り
- 高精度だが低スループット

次世代シークエンサー（NGS）:
- 大量並列処理による高スループット
- Illumina、PacBio、Oxford Nanopore等
- コスト低下により、個人ゲノム解析が可能に

遺伝子組換え技術 🧪 概念例（実行不可: 遺伝子組換え要素の概念整理）

制限酵素: 特定配列でDNAを切断
リガーゼ: DNA断片を結合
形質転換: 外来DNAを細胞に導入

応用:
- 組換えタンパク質の生産
- 遺伝子治療
- 遺伝子改変生物（GMO）

バイオインフォマティクスとの関連

これらの生物学的基礎知識は、以下のような形でバイオインフォマティクス解析に直結します。

配列解析

• DNA/RNA配列の類似性検索（BLAST）
• コドン使用頻度解析
• オープンリーディングフレーム（ORF）の予測

構造解析

• タンパク質の二次・三次構造予測
• ドメイン・モチーフの同定
• 機能部位の予測

発現解析

• RNA-seqによる遺伝子発現量測定
• 差次的発現遺伝子の検出
• パスウェイ解析

進化・系統解析

• 分子進化速度の推定
• 系統樹の構築
• 正の選択・負の選択の検出

1.1 歴史的背景と発展経緯

IT 技術者が第1章で押さえるべき歴史は、年表の暗記ではなく、データ生成量、標準化、共有、計算資源の要求がどのように増えたかです。詳細な科学史は本書の主目的ではないため、以降の章を読むための転換点に絞ります。

この流れから分かるように、バイオインフォマティクスの実務課題は「計算を速くする」だけではありません。入力データの由来、参照・注釈の版、処理履歴、利用条件、結果の解釈範囲を管理することが、IT 側の主要な責務になります。

1.2 ヒトゲノムプロジェクトの背景

ゲノムは、生物が持つDNA配列の総体です。ヒトのハプロイドゲノム長は約30億塩基（nucleotides。一般に「約30億塩基対」と表現）です（最終確認日: 2026-02-18）。¹

IT 技術者にとって重要なのは、ヒトゲノムプロジェクトそのものの年表ではなく、次の実務上の前提です。

• 参照配列は解析の座標系であり、参照FASTA、GTF/GFF、VCF、BAM/CRAM、DB注釈の版をそろえる必要がある。
• 公開DBや accession は再現性の入口であり、取得日、version、checksum、利用条件を記録する必要がある。
• WGS / WES / targeted panel などの測定方法により、観測できる領域、バイアス、ファイルサイズ、計算資源が変わる。
• 研究用途の解析結果を、診断・治療・投薬判断へそのまま転用してはいけない。臨床利用には施設の品質管理、規制、専門家レビューが必要である。

基本データ特性

• データタイプ: A, T, G, C の4文字アルファベット配列
• データサイズ: テキスト換算では約3GBが目安。ただし FASTQ、BAM/CRAM、VCF、注釈ファイル、インデックス、ログを含めると解析単位の保存量は大きくなる。
• 個体差: 個体間差は全ゲノムに対して相対的には小さいが、variant / 変異、構造多様性、注釈の違いは解析結果に大きく影響し得る。

1.3 計算生物学とバイオインフォマティクスの関係

計算生物学は、生物学的な問いを数理モデル、統計、シミュレーション、アルゴリズムで扱う分野です。バイオインフォマティクスは、配列、発現、構造、表現型、DBなどの生命科学データを取得・整理・解析・共有する実務も含みます。両者は重なりますが、本書では IT 技術者が実務で確認すべき次の観点を重視します。

この節では用語とデータの見取り図に留め、アルゴリズムの詳細は第3章、AI・統計の注意点は第7章と第13章で扱います。

1.4 バイオインフォマティクスの技術領域

バイオインフォマティクスの技術領域は、解析手法の名前よりも、入力、処理、出力、確認事項で整理すると実務に接続しやすくなります。

以降の章では、各領域を単独のコマンド列ではなく、入力データの由来、処理履歴、出力の限界、専門家へ渡す説明資料まで含めて扱います。

1.5 オミクス階層と統合解析の考え方

オミクス解析では、同じ個体・組織・細胞を複数の測定層から見ることがあります。IT 技術者にとって重要なのは、各層の名称を覚えることよりも、何を測ったデータか、単位は何か、どのバイアスを持つか、どの章で詳しく扱うかを対応づけることです。

🧪 概念例（実行不可: オミクス階層の概念図）

DNA → RNA → タンパク質 → 代謝物 → 表現型
 |      |        |          |        |
ゲノム トランスク プロテ    メタボ   フェノ
       リプトーム オーム    ローム   ーム

複数の層を組み合わせる統合解析は、仮説生成、候補遺伝子や経路の優先順位づけ、データ間の整合性確認に役立ちます。一方で、統合しただけで因果関係、バイオマーカーの妥当性、臨床的有用性が確立するわけではありません。研究・教育用途の解析結果を医療判断へ接続するには、別途、実験的検証、統計的検証、専門家レビュー、施設の品質管理、規制対応が必要です。

第1章ではここまでを概念整理に留めます。実際のデータ形式、workflow / ワークフロー、QC、統計、AI、臨床・倫理上の注意点は、各参照章で扱います。

最小入出力（期待成果物/期待ログ）

• 入力: 本章の用語と表（セントラルドグマ、オミクス階層、測定対象とデータ形式）
• 出力（期待成果物）: 用語の要点メモ（例: 遺伝子/転写/翻訳/変異）と、オミクス別の確認事項表（測定対象・データ形式・バイアス・参照章）
• 期待ログ（例）: なし（概念整理が中心）