ウェルグリーン・アイ株式会社

• トランスクリプトーム解析は、研究対象の形質（環境応答や時系列実験を含む）に関連する候補遺伝子を探索するための主要なアプローチです。
• トランスクリプトーム解析により、ゲノムワイドな遺伝子の発現量（トランスクリプトーム情報）が得られます。
• 複数の異なる実験条件（対照実験など）からで得られた発現量をまとめて、遺伝子発現行列が得られます（下表参照）。

• 遺伝子発現行列の各行（行ベクトル）は、それぞれの遺伝子の全列（全Run: 実験条件）に渡る発現量の変動を表しており、 遺伝子発現プロファイルとして可視化できます（下図参照）。

• RNA-seqの実験条件の項目は、材料（系統・品種）、生育ステージ、部位、時刻、生育環境など多岐にわたります。
• データベースから取得したRNA-seqデータの実験条件をすべて把握することは時間的・労力的に困難です。

• RNA-seqの実験条件の項目は、材料（系統・品種）、生育ステージ、部位、時刻、生育環境など多岐にわたります。
• WGIでは、植物種の実験データでは、Plant Ontology (PO：植物の部位を表す）とPlant Experimental Conditions Ontology（PECO：実験処理を表す）を併用することで、 各RNA-Seqデータの詳細な分類・検索・抽出を可能としています（下表参照）。
• 動物・微生物種についても、植物種と同様に、オントロジー（使用する用語の統一化）によるメタデータを作成することで、メタデータから目的とする実験条件のRNA-seq実験データの網羅的検索を可能とします。
• 大規模RNA-Seqデータのメタデータ利用により、どの遺伝子がどの時空間・環境条件で高発現しているかなどを正確かつ迅速に把握できます。

• WGIの受託サービスでは、解析対象の生物種のメタデータや実験条件ごとの登録Run数表を作成・提供します。
• これらのメタデータを用い、解析対象とするRNA-seq実験データを選抜いただけることから、遺伝子探索など高効率・高精度な解析が可能となります。
• 解析対象種の興味対象の部位や処理を事前にお伝えいただけることにより、一般には膨大となるメタデータ情報量をスリム化できるため、選抜作業が容易となります。
• WGIでは、決定された実験データ群を用いて遺伝子発現行列を作出し、納品いたします。
• もちろん、遺伝子発現行列を用いた各種解析、たとえば、DEG群の選抜、発現プロファイルの類似性・相反性解析、候補遺伝子の機能情報の付与、異種との種間ホモログ（遺伝子ファミリー）などの情報解析も承ります。

• ユーザー独自のRNA-seqデータからの高品質な遺伝子発現行列の作出・納品をいたします。
• 独自データに加えて、オンラインのRNA-seqデータを統合した遺伝子発現行列の作出も可能です（Task Dとの統合解析）。
• もちろん、遺伝子発現行列を用いた各種解析、たとえば、DEG群の選抜、発現プロファイルの類似性・相反性解析、候補遺伝子の機能情報の付与、異種との種間ホモログ（遺伝子ファミリー）などの情報解析も承ります。

時空間特異的な発現遺伝子群は重要な機能を担うマスター遺伝子などの候補となります

• 遺伝子発現表列から、たとえば、1つ以上のRNA抽出条件（部位、生育環境条件など）のみで発現する、または、高発現する 時空間特異的な発現遺伝子群を遺伝子発現行列から統計的・高精度に抽出できます。
• たとえば、下図は、花で特異的に高発現している遺伝子を示します。
• WGIでは、RNA-seq実験データのメタデータを作成・活用するため、同一条件の実験データを最大数取得し、反復実験として扱うことができます。
• そのため、1つの対照実験データからのみ目的遺伝子を探索する場合と比較して、高い再現性・精度で目的遺伝子群を抽出できます。
• また、従来のDEG探索法では、候補遺伝子群を十分に絞り込むことができません。
• そのため、WGIでは、DEG遺伝子群の高精度抽出のための独自のAI解析基盤を活用し、特異的な発現プロファイルを示す遺伝子を探索可能としています。

• 遺伝子発現プロファイルが類似する遺伝子群（下図）は、発現量が上昇・下降する時空間や環境条件が同一であることから、 生物学的に意味のある遺伝子群と考えられます。
• たとえば、関与する生物学的プロセスが同じ（例：配偶子形成、同じ代謝プロセス）、 または、発現を制御する転写因子とシス因子が同じ・類似することが示唆されます
• また、ある既知の遺伝子と共働する遺伝子を探索する場合、既知遺伝子と発現プロファイルが類似する遺伝子群が候補遺伝子群となります。
• 高発現する実験条件群から、遺伝子が発現・機能する時空間・処理条件を推察できます。

• 発現プロファイルが相反する遺伝子群（下図）は、 負のフィードバックの関係にある遺伝子群などと推察されます。
• たとえば、同一の代謝前駆体を基質とする異なる酵素をコードする遺伝子群が存在する場合、 酵素活性（遺伝子発現量）の高い酵素ほど前駆体化合物を優先的に消費するため、前駆体の利用においてトレードオフ（相反関係）が生じる可能性があります。
• このような遺伝子群では、発現プロファイルに相反関係が生じる可能性があります。
• 発現プロファイルの相反性に関する情報は、負のフィードバック機構の解明や、同一の前駆体に作用する酵素遺伝子群の同定などに有効です。
• 高発現・低発現する実験条件群から、負のフィードバックやトレードオフの制御条件を推察できます。

• 発現プロファイルは類似性・相反性を示す遺伝子群の探索には、従来、主に、相関解析（相関係数）が用いられています。
• 相関解析を主たる解析アプローチとすることは偽陽性などのリスクから推奨されませんが、参考情報として活用できます。
• 相関係数以外に、ユークリッド距離などを用いることも可能ですが、大規模な計算コスト（時間やメモリー）が必要となります。

• 広く用いられているDNA/アミノ酸配列の類似性解析による機能予測結果は、 推定された機能に生物学的根拠がないため、遺伝子探索において積極的に活用できません。
• 広く用いられてい候補遺伝子群機能アノテーションに対するエンリッチメント解析は、統計処理上の問題点があります。
• 従来のDNA/アミノ酸配列の類似性解析やエンリッチメント解析は参考情報としては活用できますが、機能推定の根拠がないため、遺伝子探索の効率を低下させる要因となっています。
• WGIでは、参考情報としての機能予測結果（配列類似性解析、エンリッチメント解析）に加えて、より信頼度の高い遺伝子機能の知見（知識情報）をWGI独自のAIテキストマイニング（A2K/LA2K）技術により付与できます。
• A2K/LA2K解析に利用可能な査読付き論文のAbstractビッグデータやテキストから、遺伝子の機能、代謝、発現制御、環境応答などの知識情報を得ることができます。

• 従来のDNA/アミノ酸配列の類似性解析による機能予測には偽陽性が多く含まれるため、 従来法に加えて、より信頼度の高い機能ドメインレベルでの機能情報を付与できます（Task G）。
• WGIでは、機能ドメインや配列パターンの類似性に基づく遺伝子ファミリー分類を行っており、ファミリー情報により生物学的機能や発現制御機構の類似性が示唆されます（Task H）。

• WGIでは、独自のAIテキストマイニング手法（Task B, C）、および、 AI駆動型の配列解析技術（Task I）により、遺伝子の発現制御因子の情報を集積しています。

• 遺伝子や化合物（代謝産物など）の関係性をネットワークにより視覚化します。
• フリーのネットワーク描画・閲覧・編集ソフトにより、提供されるネットワーク情報から遺伝子や化合物の関係性を迅速・容易に把握でき、機能が未知である遺伝子の機能推定などを加速化できます。
• 関係性としては、DNA/アミノ酸配列の類似性、発現プロファイルの類似性・相反性、高発現する時空間、関与する形質・代謝経路、転写因子、種内・種間ホモログなどがあります。
• 種内・種間ホモログについても上記の情報を付与できることから、関連づけられた遺伝子の情報を種横断的に活用でき、遺伝子探索のために活用できる情報量を最大化できます。