第6章: エピゲノム・マルチオミクス解析

6. エピゲノム・マルチオミクス解析

学習目標

• エピゲノム・マルチオミクス解析の入力、出力、QC、統合手順を説明できる
• 質量分析 proteomics / metabolomics について、vendor raw から標準形式、同定・定量、公開 repository までの data contract を設計できる
• PSM / peptide / protein と metabolite feature / compound annotation の confidence を区別し、FDR、missingness、batch、library version を記録できる
• omics layer 間の ID 対応、batch、欠測、正規化、来歴管理の確認点を挙げられる
• 統合解析結果を研究上の仮説生成として読み、臨床判断へ直結させない理由を説明できる

なぜ IT 技術者に必要か

エピゲノム・マルチオミクス解析では、FASTQ、peak、methylation table、mass spectrum、feature table、quantitative matrix、clinical metadata など、粒度と前処理条件が異なるデータを結合します。質量分析では、同じ vendor raw からでも centroiding、検索DB、spectral library、FDR、feature grouping の条件によって結果が変わります。IT 技術者がこの章の前提を理解していると、サンプル ID の対応、データ利用条件、QC、バッチ補正、ファイル形式、解析ログ、成果物の再現性を設計段階で整理できます。

この章では、個々の解析手法を網羅することよりも、入力と出力の対応、統合前の正規化、来歴管理、研究・臨床解釈の限界を説明できることを重視します。

前提知識

• FASTQ、BAM/CRAM、BED、bigWig、methylation table、count matrix、sample metadata の役割を区別できること。
• 質量分析の詳細な装置原理は前提としないが、spectrum の m/z、intensity、retention time と、raw data / identification / quantification が別の成果物であること。
• 第2章の実行環境、ストレージ I/O、ログ記録、workflow manager、container の基本。
• 第4章の reference genome、coordinate system、annotation version、checksum の考え方。
• 第5章の RNA-seq count / TPM / DE 解析と、第13章の study design、batch、FDR、交絡の基本。

基本概念

• omics layer: ATAC-seq / ChIP-seq / methylation / RNA-seq / proteomics / metabolomics は、測定対象、単位、ノイズ、欠測、前処理が異なる。
• 質量分析の成果物階層: vendor raw、open spectrum、PSMまたはfeature、annotation、quantitative matrixは相互に代替できない。変換・filtering前後を別成果物として追跡する。
• 統合前の対応付け: sample ID、replicate、batch、reference build、annotation version、coordinate、feature ID を統合前に固定し、変換条件を記録する。
• 統合結果の読み方: PCA / UMAP / clustering / network / factor analysis は仮説生成の補助であり、因果関係や臨床判断には独立検証と専門家レビューが必要である。

入力データと出力データ

標準的なワークフロー

1. 研究目的、比較条件、検体対応表、除外基準、データ利用条件を metadata として固定する。
2. FASTQ、vendor raw、参照ゲノム、annotation、protein / spectral / compound database、converter、解析ツールの version と parameter を記録する。
3. 各 omics layer ごとに QC を行い、mapping rate、duplicate rate、peak数、coverage、mass error、retention time、blank、pooled QC、同定数、欠測率などから該当する指標を確認する。
4. layer 内の正規化と batch 補正を行い、統合前に feature ID、coordinate、単位、スケールを揃える。
5. 統合解析では PCA / UMAP / clustering / network / factor analysis などの結果を、入力条件と可視化設定付きで保存する。
6. 解析結果は仮説生成として扱い、臨床判断や因果関係の主張には独立検証と専門家レビューを必要とする。

実務上の落とし穴

• omics layer 間で sample ID、replicate、batch、取得時点がずれている状態で統合しない。
• reference genome や annotation version、coordinate system の違いを無視して peak と gene を結び付けない。
• 欠測補完、正規化、次元削減の設定を記録せずに、クラスタや因子を生物学的結論として読まない。
• vendor rawを変換後に破棄しない。converter build、vendor reader、centroiding/filter、input/output checksumを残さずにmzMLだけを正本としない。
• PSM level FDRを、そのままpeptide、protein、PTM siteのconfidenceとして流用しない。metabolite featureを、library hitだけでconfirmed compoundと呼ばない。
• blank subtraction、drift correction、normalization、imputationを上書き処理にせず、対象、順序、除外理由、補正前後matrixを残す。
• 小規模データや試験問題形式の例を、臨床実装に必要な検証済み workflow とみなさない。
• ChIP-seq / ATAC-seq / methylation / RNA-seq の結果を統合しても、因果関係が自動的に証明されるわけではない。

小さな実例と結果の読み方

章内のメチル化率計算、MOFA 風の統合、時系列モデル化のコード断片は、入力と処理責務を説明するための概念例です。結果を読むときは、各 layer の QC summary、ID対応表、正規化方法、batch補正、feature filtering、可視化設定を分けて確認します。質量分析では、公開 accession から raw、metadata、検索・annotation条件、定量matrixまで逆向きにたどれるかを確認します。小さな公開データでは、統合結果そのものよりも、どの前処理条件を固定し、どこを質量分析担当者・研究者・統計担当者へ確認するかを明確にします。

限界と注意点

本章のコード断片と試験問題形式の例は、エピゲノム・マルチオミクス解析の概念を説明するための簡略例です。十分な反復数、統一された metadata、同一検体対応、batch設計、検証 cohort、データ利用条件、統計モデルの妥当性を省略した状態では、研究結論や臨床判断に使えません。

6.1 エピゲノム解析技術

DNAメチル化解析: 以下はメチル化率計算の責務を示す説明用断片で、CpGサイト取得、BAM処理、ゼロ割回避、QC、来歴（provenance）記録を省略しているため、そのまま実行しない。 🧪 概念例（実行不可: 説明用Python断片）

class MethylationAnalyzer:
    """バイサルファイトシークエンシング解析"""
    
    def __init__(self, reference_genome):
        self.reference = reference_genome
        
    def call_methylation(self, bam_file):
        """
        CpGサイトのメチル化率計算
        """
        methylation_levels = {}
        
        for cpg_site in self.get_cpg_sites():
            # メチル化/非メチル化リード数をカウント
            meth_count, unmeth_count = self.count_reads(
                bam_file, cpg_site
            )
            
            # ベータ値の計算
            beta = meth_count / (meth_count + unmeth_count)
            methylation_levels[cpg_site] = beta
            
        return methylation_levels

ChIP-seq解析:

• ヒストン修飾・転写因子結合部位の同定
• ピーク検出アルゴリズム（MACS2）
• 差次的結合解析

ATAC-seq/クロマチンアクセシビリティ:

• オープンクロマチン領域の同定
• ヌクレオソーム位置の推定
• 転写因子フットプリント解析

6.2 共通データフローと data contract

質量分析を含む omics では、単一の「解析済みファイル」ではなく、変換と判断の段階ごとに成果物を分けます。

🧪 概念例（実行不可: data flowの説明例）

vendor raw / instrument-native data
  -> open spectrum format / sample metadata
  -> feature or identification table
  -> QC / normalization / batch handling
  -> annotated quantitative matrix
  -> cross-omics mapping table
  -> integration and interpretation

vendor raw と open format は用途が異なります。open format はtool間交換と長期再利用に有用ですが、vendor readerや変換設定に依存します。rawを保持した上で、変換前後のchecksumとscan summaryを別に記録します。標準のversion、controlled vocabulary、software buildも解析manifestに含め、最新版という語だけで置き換えません。

6.3 Proteomics の実務導線

DDA / DIA と探索方式を分ける

DDA / DIAは優劣ではなく、研究目的、装置、sample complexity、定量設計、再解析要件で選びます。「library-free」は参照情報が不要という意味ではありません。FASTA、model、decoy、retention-time / fragment prediction、software buildを記録します。

標準形式の責務を混同しない

SDRF-Proteomicsはsample-to-file metadataを担い、FDR thresholdや比較contrastなどのdownstream解析条件を代替しません。標準形式を出力できても、そのfileがvalidation済みであることや、元tool固有の全情報を保持していることは別に確認します。

同定・定量の confidence boundary

1. spectrum と候補peptideの対応を PSM としてscoreする。
2. PSMをpeptide / peptidoformへ集約する。修飾位置の不確実性は、配列同定のscoreと分ける。
3. peptideをprotein / protein groupへ推論する。複数proteinへ対応するshared peptideを、根拠なしに1 proteinへ確定しない。
4. PSM、peptide、protein、PTM siteの各levelで、母集団、threshold、FDRまたはfalse localization rateを記録する。
5. target-decoyは広く使われるFDR推定法ですが、decoy生成、competition、sample sizeなどの仮定を確認し、1% FDRという数値だけを別workflowへ移植しない。

label-free intensity、SILAC、TMT / iTRAQなどのisobaric labelingは、観測単位とnormalizationが異なります。reporter channel、reference channel、lot、isotope correction、ratio compressionの確認点を解析設計に含めます。missing valueは、低強度、sampling、feature matching、filter、真の非存在など複数要因で生じるため、0への置換や一律imputationを既定にしません。

QCでは、mass accuracy、retention time、chromatographic peak、identification rate、contaminant、carry-over、batch、replicate CVを目的に応じて選びます。除外前後の数、理由、対象levelを残し、PTMではlocalization confidenceをPSM confidenceと別列で保持します。

公開と再利用

PRIDEはProteomeXchangeのpartner repositoryとしてMS-based proteomics dataを受け入れます。再利用時はPXD accessionだけでなく、raw、open format、result、SDRF / sample metadata、processing protocol、file checksumの対応をmanifest化します。完全submissionとpartial submissionでは再解析可能性が異なるため、file categoryと公開状態を確認します。reviewer access、embargo、dataset license / data use、関連publicationも別項目として記録します。

6.4 Metabolomics の実務導線

測定目的とplatformを先に固定する

LC-MS、GC-MS、NMRは相補的で、同じ「metabolite matrix」でもcoverage、単位、confidenceが同じではありません。targeted / untargetedとplatformをmetadataの別列にし、混在したmatrixを無条件に連結しません。

feature matrixを作るまで

1. vendor rawとsample metadataを受領し、profile / centroid、polarity、acquisition order、batch、sample / blank / pooled QC / standardを固定する。
2. open formatへ変換し、peak detection、deconvolution、alignment、feature groupingを実施する。各stepのm/z、retention time、minimum intensity、gap-filling parameterを記録する。
3. isotope、adduct、in-source fragment、同一compound候補をgroup化する。1 feature = 1 metaboliteとは仮定しない。
4. blankとcarry-overを評価し、pooled QCでsignal stabilityとdriftを確認する。internal standardは抽出・ionization・測定変動のどこを補正するかを定義する。
5. 補正前matrix、除外表、補正関数、補正後matrixを分け、sample / featureごとの変更を追跡可能にする。

featureとconfirmed metaboliteを分ける

metabolite featureは少なくともfeature ID、m/z、retention time、polarity、adduct候補、isotope group、sample intensityを持たせます。annotationでは、library名・release、spectrum accession、precursor / fragment tolerance、score、matched peaks、decoyまたはconfidence methodを記録します。

Metabolomics Standards Initiativeのreporting level等を用いる場合も、採用したschemeと判定根拠を明記します。authentic standardを同一条件で測定していないlibrary matchを、confirmed metaboliteと表現しません。isomer / stereoisomerは同じexact massや類似MS/MSを持ち得るため、解像できない場合はcompound class、候補集合、unknown featureとして保持します。mzTab-M 2.0はsmall-molecule result交換のfinal specificationであり、draft 2.1と混同しません。

公開と再利用

MetaboLightsはMSとNMRを含むmetabolomics studyをISA-Tab metadataとともに扱い、MTBLS accessionを付与します。GNPSはMS/MSの解析・spectral libraryと、MassIVE datasetの共有を接続します。GNPS task URL、library spectrum、MassIVE accessionは同じ識別子ではありません。再利用時はraw / peak list / metadata / supplementary resultのfile category、公開状態、library version、license / data useを確認し、accessionと取得日をmanifestへ記録します。

6.5 Cross-omics mapping と統合解釈

mapping tableを独立成果物にする

表示名やgene symbolだけでjoinせず、stable ID、version、organism、sequenceまたはchemical structure、mapping service、取得日を残します。Ensemblではgene / transcript / proteinのversion更新条件が異なり、UniProtでは1 geneに複数entry / isoformが対応し得ます。compound nameはsynonym、salt、stereochemistryにより衝突するため、可能ならInChIKey等のstructure keyとcurated IDを併記します。

one-to-manyを解決する規則は解析前に決めます。例として、複数transcriptをgeneへ集約する方法、shared peptideをprotein groupとして残すか、複数compound候補をunknownのまま保持するかを記録します。対応しなかった行を捨てず、unmapped / ambiguous tableとして件数と理由を出力します。

layer内処理と統合を分ける

• raw count、log intensity、ratio、absolute concentrationを同一scaleとして連結しない。normalization、transformation、feature filteringはlayer内で評価する。
• missingnessはRNA count、DDA peptide、DIA precursor、metabolite featureで機構が異なる。欠測補完法を全layerへ一括適用しない。
• sample、subject、time point、replicateの対応表を固定し、同一個体でないdataをpaired designとして扱わない。
• early integration、factor model、network / pathway、late integrationのどれを使うかを、目的とvalidation単位に合わせる。
• supervised modelではsplit後にpreprocessing / feature selectionをfitし、test cohortやbatch情報のdata leakageを避ける。

MOFA+のようなfactor modelは複数view / groupとmissing valueを扱えますが、missingness mechanismやbad mappingを自動的に正当化しません。factor loading、correlation、network edgeは関連と仮説を示すもので、介入、時間順序、交絡統制、独立検証なしに生物学的因果や臨床有用性を示しません。

以下は統合処理の責務を示す説明用断片で、入力正規化、欠測機構、batch補正、model selection、validationを省略しているため、そのまま実行しません。

🧪 概念例（実行不可: 説明用Python断片）

class MultiOmicsIntegrator:
    """マルチオミクスデータ統合"""

    def __init__(self):
        self.omics_layers = {}
        self.mapping_tables = {}

    def add_layer(self, name, matrix, mapping_table):
        """正規化済みmatrixとversion付きmappingを登録する。"""
        self.omics_layers[name] = matrix
        self.mapping_tables[name] = mapping_table

    def integrate_by_factor_model(self):
        """事前検証済み入力から潜在因子と寄与度を返す責務を示す。"""
        factors = self.extract_factors()
        contributions = self.evaluate_contributions()
        return factors, contributions

6.6 時系列オミクス解析

時間軸や空間座標を持つdataでは、sample間の独立性を仮定した統合だけでは不十分です。MEFISTOのようなmodelは既知の時間・空間依存をfactor modelへ組み込めますが、sampling interval、subject、batch、missing time pointを正しく与える必要があります。時間順序があるだけで因果関係が確定するわけではありません。

以下は時系列モデル化の考え方を示す SciPy 依存の説明用断片で、入力形状確認、欠測処理、パラメータ選択、過学習確認を省略しているため、そのまま実行しません。

🧪 概念例（実行不可: SciPy依存の説明用Python断片）

class TimeSeriesOmics:
    """時系列オミクスデータ解析"""

    def fit_temporal_model(self, expression_matrix, time_points):
        """スプライン回帰による時間変化モデリング"""
        from scipy.interpolate import UnivariateSpline

        temporal_profiles = {}
        for feature_id, values in expression_matrix.items():
            spline = UnivariateSpline(time_points, values, s=0.5)
            temporal_profiles[feature_id] = spline
        return temporal_profiles

🎯 認定試験ポイント

重要概念チェックリスト

エピゲノム基礎 ⭐⭐⭐

• DNAメチル化・ヒストン修飾・クロマチン構造の関係を理解している
• CpGアイランド・ショア・シェルフの定義と機能を説明できる
• エピジェネティックな遺伝・可逆性の概念を把握している
• 発生・分化におけるエピゲノム変化の役割を理解している

エピゲノム解析技術 ⭐⭐

• ChIP-seq・ATAC-seq・WGBS・RRBS等の技術原理を比較できる
• ピークコーリング・差次的結合解析の統計的手法を理解している
• エンハンサー・プロモーター・インスレーター領域の同定法
• 3Dクロマチン構造解析（Hi-C・4C-seq）の原理

質量分析オミクス ⭐⭐⭐

• vendor raw、open spectrum、sample metadata、同定・定量結果を別成果物として追跡できる
• DDA / DIA、targeted / untargeted、LC-MS / GC-MS / NMR の目的と出力を比較できる
• PSM、peptide、protein / protein group、PTM site の confidence と FDR の level を区別できる
• metabolite feature と confirmed compound を区別し、blank、pooled QC、internal standard、library version を記録できる
• PXD、MTBLS、MSV、GNPS task / library の識別子と file manifest の役割を説明できる

マルチオミクス統合 ⭐⭐⭐

• gene、transcript、protein、peptide、compound の one-to-many 対応を mapping table に残せる
• omics layer ごとに正規化、batch、missingness、scale が異なる理由を説明できる
• 次元削減、factor、network、pathway の結果を関連・仮説として解釈できる
• 統合結果を因果と誤読せず、独立検証に必要な条件を説明できる

臨床応用 ⭐⭐

• エピゲノムバイオマーカーの発見手法
• 薬物応答性とエピゲノム変化の関連
• がん・神経疾患でのエピゲノム異常
• エピゲノム編集技術の原理と応用

典型的な出題パターン

【技術原理】 🧪 概念例（実行不可: 試験問題形式の説明例）

問題例: ChIP-seqとATAC-seqの技術的違いと、
得られる情報の違いを説明せよ。

解答: 
ChIP-seq: 特定タンパク質（転写因子・ヒストン修飾）の結合部位
ATAC-seq: クロマチンアクセシビリティ（オープンクロマチン領域）
→ ChIP-seqは特異的、ATAC-seqは包括的なクロマチン状態情報

【データ統合】 🧪 概念例（実行不可: 試験問題形式の説明例）

問題例: RNA-seqとChIP-seqデータを統合して
遺伝子発現制御を解析する際の手順を述べよ。

解答: 
1) ChIP-seqピークと遺伝子プロモーター/エンハンサーの関連付け
2) 発現変動遺伝子とエピゲノム変化の相関解析
3) 転写因子結合モチーフ解析
4) 制御ネットワークの構築と可視化

【統計・品質管理】 🧪 概念例（実行不可: 試験問題形式の説明例）

問題例: DNAメチル化解析においてWGBSとRRBSの
使い分け基準を3つの観点から説明せよ。

解答: 
1) カバレッジ: WGBS（全ゲノム網羅）vs RRBS（CpG密集領域）
2) コスト: WGBS（高コスト）vs RRBS（低コスト）
3) 解像度: WGBS（1塩基）vs RRBS（制限酵素サイト依存）

【質量分析 data contract】 🧪 概念例（実行不可: 試験問題形式の説明例）

問題例: untargeted LC-MS metabolomicsの公開データを再解析する。
再現性と同定confidenceを監査するための成果物を説明せよ。

解答:
1) vendor raw、変換後mzML、変換log、各fileのchecksumを対応付ける
2) sample / blank / pooled QC / standard、batch、injection orderをsample sheetで固定する
3) peak detection、alignment、blank filter、drift correctionのparameterと補正前後matrixを残す
4) feature ID、m/z、retention time、adduct/isotope、library release、scoreを記録する
5) authentic standard未確認の候補をconfirmed metaboliteとせず、accessionと取得日をmanifestへ残す

関連する付録・章

• 付録G: JSBi認定試験の理解補助
• 付録H: プログラム・ツール・データベース一覧（H.12 質量分析標準・ツール・repository）
• 付録K: 用語集（質量分析オミクスの最小用語）
• 第5章: トランスクリプトーム解析（発現との統合）
• 第7章: 機械学習・AI応用（統合解析手法）
• 第12章: 臨床応用システム（研究・臨床実装の責任境界）

Source notes / 次の一歩

• 公式仕様（確認日: 2026-07-17 JST）: HUPO-PSI mzML、mzIdentML、mzTab / mzTab-M、mzQC、ProForma、SDRF-Proteomics
• 公開repository（確認日: 2026-07-17 JST）: ProteomeXchange、PRIDE、MetaboLights、GNPS
• QC / confidenceの一次根拠（確認日: 2026-07-17 JST）: target-decoy / FDR quality、protein inference、metabolite identification confidence
• 統合の一次根拠（確認日: 2026-07-17 JST）: MOFA+、MEFISTO
• 付録H: プログラム・ツール・データベース一覧（ATAC-seq / ChIP-seq / methylation / mass spectrometry / multi-omics の確認先）
• 付録K: 用語集（PSM、FDR level、protein inference、feature、blank / QC）
• 付録F: 参考資料（2026年版で本文へ反映した主要トピックの索引）
• 第5章: トランスクリプトーム解析（RNA-seq との統合）
• 第13章: 研究手法（study design、batch、FDR、再現性）
• 2026年版出典監査メモ（標準、repository、利用条件、統合手法の確認日付き根拠）

2026年時点の更新メモ

2026-07-17 JST に、PSI の mzML 1.1、mzIdentML 1.3、mzTab 1.0、mzTab-M 2.0、mzQC 1.0、ProForma 2.1 と SDRF-Proteomics、主要repositoryと解析ツールの公式情報を再確認しました。mzTab-M 2.1 は draft であり、2.0 final と混同しません。toolや標準の更新を「最新版」とだけ書かず、確認日、release、利用条件、OS / container、input / output、workflow、parameter、checksumを解析manifestへ固定します。

マルチオミクス統合では、reference / annotation release、sample metadata、omics layer 間の ID 対応表、QC summary、normalization / batch correction、missingness、model、利用条件を合わせて記録します。factor、correlation、network、pathwayの結果は関連・仮説であり、介入、時間順序、交絡統制、独立cohort等の追加根拠なしに因果関係を示しません。

最小入出力（期待成果物/期待ログ）

• 入力: ATAC-seq / ChIP-seq等のFASTQまたはメチル化データ、質量分析vendor raw / open format、参照・検索DB / library、version付きsample metadata
• 出力（期待成果物）: peak / methylation table、PSM・peptide・protein group、metabolite feature / annotation、補正前後matrix、ID mapping、QC summary、公開accession
• 期待ログ: input / output checksum、converter / tool / DB / library release、parameter、FDR / confidence、blank / QC / batch / exclusion、one-to-many / unmapped件数

演習

1. PRIDEまたはMetaboLightsの公開accessionを1件選び、metadataだけを用いてもよいので、raw / open format / result / sample metadata、checksum、version、除外条件を対応付けるmanifestを作成せよ。
2. 同じomics layerの2 toolを、入力、出力、license / 利用条件、OS / container、主な用途、再現性記録の観点で比較せよ。
3. transcript、protein / peptide、metabolite featureを結ぶmapping tableを設計し、one-to-many、unmapped、ambiguous、annotation releaseの扱いを説明せよ。

具体課題例

• PXDまたはMTBLS accessionのlanding pageとfile listを調べ、どのfileがraw、変換済み、同定・定量、metadata、補助結果かを分類する。大容量fileのdownloadは必須としない。
• ProteoWizard / OpenMS / FragPipe / DIA-NN / MaxQuant、またはMZmine / XCMS / MS-DIAL / OpenMSから2つを選び、比較日時と公式URL付きの選定表を作る。
• gene symbolだけでjoinせず、Ensembl / UniProt / ChEBI等のIDとreleaseを持つmapping例を作り、保持した曖昧性と捨てた情報を記録する。
• 成果物一式として、manifest、比較表またはmapping table、判断記録、利用した公式出典と確認日を提出する。実データを実行した場合だけcommand、parameter、tool / DB version、log、QC reportを追加する。