眼科画像を使った遺伝的関連研究の新しい方法

科学者たちは、私たちの遺伝子が健康にどんな影響を与えるのかを理解しようとしています。そのための方法の一つが、全ゲノム関連解析（GWAS）です。この研究は、多くの人の遺伝子を調べて、特定の遺伝子マーカーと特性（体の仕組みや病気のかかり方など）との関連を探ります。ただ、これらの研究の大半は、専門家があらかじめ選んだ特性に焦点を当てているため、知識の隙間ができる可能性があります。選ばれた特性が人間の健康の複雑さをすべて捉えているわけではないからです。

医療画像、特に目のスキャンは、研究者が新たな特性を見つけるために役立つ情報をたくさん持っています。技術の進歩により、現代の画像技術は私たちの体の詳細な画像を見せてくれます。一部の研究では、画像を使って遺伝的な関連性を探っていますが、多くは専門家が定義した特性に依存しています。最近では、特に深層学習を用いた人工知能（AI）が、画像から自動的に新しい特性を生成するために使われています。ただ、これらのAI技術も依然として専門家が定めた特性に依存しているため、新しい情報を引き出す能力が制限されています。

人間の専門家が画像の重要な詳細を見落とすこともあります。たとえば、Googleが作成した深層学習モデルは、人間の審査者が簡単には見えない目の画像から年齢や喫煙習慣などの特徴を見つけ出すことができました。これは、画像データにまだ掘り起こされていない貴重な情報が隠れているかもしれないことを示しています。

#新しいアプローチ：教師なし画像ベースのGWAS

この問題に取り組むために、教師なし画像ベースの全ゲノム関連解析（iGWAS）という新しい方法が開発されました。この方法は、専門家が定義した特性に依存するのではなく、深層学習モデルを使って画像を調べ、その重要な特徴を自動的に捉えます。これらの特徴はエンドフェノタイプとして知られ、遺伝的な関連を見つけるために使用されます。

この研究では、研究者たちは人の目から得た網膜の画像に注目しました。彼らは生のカラー画像と血管を示す画像を使って、網膜の特徴を捉えたエンドフェノタイプを作成しました。血管は特に役立つのですが、健康な人におけるその構造はあまり変わらないため、遺伝的な関連の研究に適しています。これらの血管に問題があると、糖尿病網膜症などの病気につながります。

研究者たちは、これらの画像を取り込んで128のエンドフェノタイプを生成する専門的な深層学習モデルを作りました。このモデルは、高品質な眼の画像の大規模データセットでトレーニングされました。モデルを構築した後、彼らは英国の参加者からの130,000以上の画像からエンドフェノタイプを生成し、これらの新しいエンドフェノタイプに関連する遺伝子マーカーを特定するGWASを実施しました。

#画像処理とモデル開発

iGWASの方法は主に二つのステップから成り立っています。最初に、研究者は一連の画像を使ってモデルをトレーニングし、それらの画像の固有の特徴を特定するニューラルネットワークを作ります。第二のステップでは、このトレーニングされたモデルを使って、遺伝子データを持つ別の画像セットのエンドフェノタイプを生成します。

この研究では、研究者たちはUKバイオバンクから眼の画像と遺伝子データの大規模なデータセットを集めました。彼らはまず、画像を処理して品質を確保しました。それから、これらの画像をモデルに通してエンドフェノタイプを生成し、遺伝情報との関連を分析しました。

#結果と発見

この研究では、眼の画像から得られた新しいエンドフェノタイプに関連する遺伝的要因に関する興味深い発見がいくつか明らかになりました。たとえば、彼らは生の画像と血管セグメント化された画像の両方から得られたエンドフェノタイプに関連する数千の遺伝子マーカーを特定しました。関連信号は複数の独立した遺伝的座位にグループ化されており、網膜の健康に重要な可能性があるゲノムの領域を示しています。

研究者たちは、遺伝子が影響を与える網膜の色が全体的な健康とどのように関連するかにも注目しました。網膜の色を分析した結果、皮膚や髪の色との既知の関連と重なる追加の遺伝的リンクを見つけました。これは、色素沈着に影響を与える遺伝子が網膜の色にも影響を与える可能性があることを示唆しています。

#遺伝的相関分析

エンドフェノタイプについてさらに深く理解するために、研究者たちはそれらを眼の健康に関連する他の既知の特性と相関させました。多くのエンドフェノタイプが皮膚の色素沈着や他の眼の状態と関連していることがわかりました。この相関は、さまざまな特性がどのように相互に関連しているかを理解するための文脈を提供します。

#候補遺伝子の検証

研究者たちは、彼らの分析で特定された特定の遺伝子WNT7Bにも注目し、この遺伝子が血管の発生に関連していることが示されています。彼らはマウスでこの遺伝子をノックダウンした場合、網膜の血管形成にどのように影響するかを検証しました。その結果、WNT7Bが眼の正常な血管発生に重要な役割を果たしていることが示されました。

#結論

この研究は、教師なし学習方法を利用して新しい特性を発見し、健康に対する遺伝的影響を理解するための新しいアプローチを提示しています。このフレームワークにより、研究者はあらかじめ定義された専門的な特性の制限なしに画像から意味のある特性を抽出できます。これにより、さまざまな健康状態の理解が深まり、ターゲットを絞った治療法の開発が進む可能性があります。

この研究の影響は眼の健康を超え、開発された方法は、画像が重要な役割を果たす他の医療分野にも適用できるでしょう。ビッグデータと高度なAI技術の力で、画像を通じて新しい健康関連の洞察を発見する未来は有望です。