JP2006053669A - 遺伝子データ処理装置及び方法、遺伝子データ処理プログラム並びにそれを格納したコンピュータにより読み取り可能な記録媒体 - Google Patents

Abstract

【課題】遺伝子データベースのデータから、所望の発現パターンに合致する遺伝子タグを容易に検索する。
【解決手段】遺伝子データ処理装置は、遺伝子データベースの遺伝子データに基づいて、ライブラリを階層的に分類してなる複数のライブラリグループを用いて、当該ライブラリグループ毎の遺伝子データの頻度を計数し、計数されたライブラリグループ毎の頻度に基づいて、各ライブラリグループでの頻度合計値が同一となるようにライブラリグループ毎の平均化された頻度を計算して出力する。ここで、上記ライブラリグループは、発生段階別分類、細胞別分類、組織別分類、臓器別分類、腫瘍別分類及び実験条件別分類のうちの少なくとも１つの分類法を用いて階層的に分類されている。
【選択図】図４

Description

本発明は、遺伝子データベースのデータから所望の遺伝子タグを抽出するための遺伝子データ処理装置及び方法、遺伝子データ処理プログラム並びにそれを格納したコンピュータ読み取り可能な記録媒体に関する。

従来、遺伝子データベースから所望の遺伝子データを取得するために、例えば特許文献１及び非特許文献１に開示された、ディジタル・ディファレンシャル・ディスプレイ法（以下、ＤＤＤ法という。）が広く使用されている。

特許文献１においては、蓄積された塩基配列と短鎖ＤＮＡの相補的結合部位を計算して割り出し、前記相補的結合部位を分子量毎の分離データで表示し、比較出力することを特徴とする遺伝子発現探索方法が開示されている。具体的には、ＤＤＤ法で生成産物をより多く効率的に比較し、新規遺伝子取得の確率を高めるために、既知遺伝子のすべてについてのＤＤＤ法での泳動パターンを予測しておき、特定の遺伝子のディファレンシャル・ディスプレイパターンを予想する。そして、例えば、発現遺伝子が記録された塩基配列データベースより、３’−末端１０００塩基の配列をすべて取得する。その配列と、選択されたプライマー塩基配列がどこで相補的結合するのかを計算し、実際のゲル電気泳動映像に近い状態で表示する。

また、特許文献２においては、遺伝子発現パターンの大量のセットを解析するために、特定の条件下で類似遺伝子発現パターンを呈する遺伝子のグループを同定する技術を提供している。具体的には、「データポイントの遺伝子発現値を受け取り、自己組織化写像を用いて、類似パターンを示すデータポイントが共に各クラスタにクラスタ化されるように、データポイントをクラスタ化し、データポイントのクラスタを示す出力を提供するステップを含む、コンピュータシステムにおいて、各データポイントが一連の遺伝子発現値である複数のデータポイントをクラスタ化する方法」が特許文献２において開示されている。

さらに、特許文献３においては、遺伝子発現データベースのための照会システムを効率的かつ容易に使用し、このようなシステムを使用することによって、その発現が特定の組織タイプに相関する遺伝子又は発現配列タグを容易に同定し得るためのコンピュータシステムのための方法を提供している。具体的には、コンピュータシステムにおいて、発現レベル情報を蓄積するデータベースを操作する方法であって、複数の組織タイプのそれぞれにおいて測定されるような、複数の遺伝子又は発現配列タグ（以下、ＥＳＴという。）のそれぞれについての発現レベルを含むデータベースを提供し、該データベースに対するユーザ照会を受納し、該複数の遺伝子又はＥＳＴの所望のものを同定し、該ユーザ照会は、該所望の遺伝子の発現レベル特性を特定し、該発現レベル特性を、該データベースに蓄積された該発現レベルに対して比較し、該所望の遺伝子又はＥＳＴを同定する方法」が特許文献２において開示されている。

特開２０００−２８５１２０号公報。 特開２０００−３４２２９９号公報。 特開２００１−５１１５４６号公報。 Daniel Scheurle et al., "Cancer Gene Discovery Using Digital Differential Display", Advance in Brief, Cancer Research, No. 60, pp.4037-4043, April 1, 2000. VE Velculescu et al., "Serial Analysis of Gene Expression", Science, Vol.270, No. 5235, pp.368-371, October 1995. National Center for Biotechnology Information (NCBI), "The NCBI Handbook", http://www.ncbi.nlm.nih.gov/books/bv.fcgi?call=bv.View..ShowTOC&rid=handbook.TOC&depth=2/, accessed on April 20, 2004. National Center for Biotechnology Information (NCBI), "Fisher Exact Test", http://www.ncbi.nlm.gov/UniGene/fisher.shtml, accessed on April 20, 2004. 萩谷昌巳ほか編，"ＤＮＡコンピュータ"，培風館，ｐｐ．９６−９８，２００１年１２月２６日発行。

従来、本発明者らは、上述のＤＤＤ法を用いて、胚性幹細胞（以下、ＥＳ細胞という。）の特異的遺伝子を取得してきていた。この方法で得られた遺伝子の特異性が実験的にも確認できたので、未受精卵や初期胚についても応用することを考えたが、実際には困難であった。その理由は以下の通りである。

ＤＤＤ法では、例えばＮＣＢＩ（National Center for Biotechnology Information）により提供される遺伝子データベースのライブラリを２群に分けてその間でｔ検定を行うため、ライブラリサイズの小さい未受精卵、初期胚では統計的有意に達しにくいことが考えられた。例えば、未受精卵とその他のすべての２群に分ければ、未受精卵のライブラリ単独ではライブラリサイズが小さすぎるし、未受精卵、初期胚のライブラリすべてと体細胞すべての２群に分ければ、前者のライブラリサイズは確保されるものの、未受精卵でのみ発現している場合、その遺伝子由来のＥＳＴ（Expressed Sequence Tag；ＥＳＴとは、機能がわかっていないが、構造が解明されている遺伝子の断片をデータベース化した発現シーケンスタグである。）は希釈されてしまい、統計的有意に達しない。また、他にも、ＤＤＤ法ではライブラリを２群に分けてしまうため、特定の発現パターンに合致するものという検索条件は設定することができないという問題点があった。

本発明の目的は以上の問題点を解決し、遺伝子データベースのデータから、所望の発現パターンに合致するＥＳＴなどの遺伝子データを容易に検索することができる遺伝子データ処理装置及び方法を提供することにある。

また、本発明の別の目的は、上記遺伝子データ処理装置及び方法を用いた遺伝子データ処理プログラム並びにそれを格納したコンピュータ読み取り可能な記録媒体を提供することにある。

第１の発明に係る遺伝子データ処理装置は、遺伝子データベースの遺伝子データに基づいて、ライブラリを階層的に分類してなる複数のライブラリグループを用いて、当該ライブラリグループ毎の遺伝子データの頻度を計数し、計数されたライブラリグループ毎の頻度に基づいて、各ライブラリグループでの頻度合計値が同一となるようにライブラリグループ毎の平均化された頻度を計算して出力する制御手段を備えたことを特徴とする。

上記遺伝子データ処理装置において、上記ライブラリグループは、発生段階別分類、細胞別分類、組織別分類、臓器別分類、腫瘍別分類及び実験条件別分類のうちの少なくとも１つの分類法を用いて階層的に分類されたことを特徴とする。

また、上記遺伝子データ処理装置において、上記複数のライブラリグループを、遺伝子データが報告されることを期待するクラスＹのライブラリグループと、遺伝子データが報告されてはいけないクラスＮのライブラリグループとをクラス分けするクラス分け情報を入力する第１の入力手段をさらに備え、
上記制御手段は、上記クラス分け情報に基づく所定の抽出条件を用いて、上記遺伝子データを抽出することを特徴とする。

ここで、上記遺伝子データ処理装置において、上記抽出条件は、遺伝子データ毎のクラスＹの頻度及びクラスＮの頻度に基づいて規定されたことを特徴とする。

さらに、上記遺伝子データ処理装置において、上記複数のライブラリグループを、遺伝子データが報告されることを期待するクラスＹのライブラリグループと、遺伝子データが報告されてはいけないクラスＮのライブラリグループとをクラス分けするクラス分け情報を入力する第１の入力手段をさらに備え、
上記制御手段は、１つの遺伝子データベースの遺伝子データと、その他の遺伝子データベースの遺伝子データとの間で、上記クラスＹに属する遺伝子データベースの遺伝子データと、上記クラスＮに属する遺伝子データベースの遺伝子データとについて、上記遺伝子データを抽出することを特徴とする。

またさらに、上記遺伝子データ処理装置において、上記制御手段は、上記遺伝子データベースの各遺伝子データのパターン同士の類似性を示す相関係数又は距離を計算し、所定の相関係数又は距離のしきい値以下の遺伝子データをクラス分類にまとめるように上記遺伝子データベースの遺伝子データを分類して抽出することを特徴とする。

また、上記遺伝子データ処理装置において、上記制御手段は、既知の遺伝子データのパターンと、上記遺伝子データベースの各遺伝子データのパターンとの間の類似性を示す相関係数又は距離を計算し、所定の相関係数又は距離のしきい値以下の遺伝子データを抽出して出力することを特徴とする。

さらに、上記遺伝子データ処理装置において、上記複数のライブラリグループのうち、遺伝子データを出力したい出力指定ライブラリグループを入力する第２の入力手段を備え、
上記制御手段は、上記入力された出力指定ライブラリグループに属するライブラリグループに関する遺伝子データを出力することを特徴とする。

またさらに、上記遺伝子データ処理装置において、上記複数のライブラリグループのうち、所定の目的の遺伝子データを取得するために１つ又はライブラリグループを指定する複数の条件からなる細分類条件を入力する第３の入力手段を備え、
上記制御手段は、上記入力された細分類条件に合致する遺伝子データを抽出して出力することを特徴とする。

第２の発明に係る遺伝子データ処理方法は、遺伝子データベースの遺伝子データに基づいて、ライブラリを階層的に分類してなる複数のライブラリグループを用いて、当該ライブラリグループ毎の遺伝子データの頻度を計数し、計数されたライブラリグループ毎の頻度に基づいて、各ライブラリグループでの頻度合計値が同一となるようにライブラリグループ毎の平均化された頻度を計算して出力する制御ステップを含むことを特徴とする。

上記遺伝子データ処理方法において、上記ライブラリグループは、発生段階別分類、細胞別分類、組織別分類、臓器別分類、腫瘍別分類及び実験条件別分類のうちの少なくとも１つの分類法を用いて階層的に分類されたことを特徴とする。

また、上記遺伝子データ処理方法において、上記複数のライブラリグループを、遺伝子データが報告されることを期待するクラスＹのライブラリグループと、遺伝子データが報告されてはいけないクラスＮのライブラリグループとをクラス分けするクラス分け情報を入力する第１の入力ステップをさらに含み、
上記制御ステップは、上記クラス分け情報に基づく所定の抽出条件を用いて、上記遺伝子データを抽出することを特徴とする。

ここで、上記抽出条件は、遺伝子データ毎のクラスＹの頻度及びクラスＮの頻度に基づいて規定されたことを特徴とする。

さらに、上記遺伝子データ処理方法において、上記複数のライブラリグループを、遺伝子データが報告されることを期待するクラスＹのライブラリグループと、遺伝子データが報告されてはいけないクラスＮのライブラリグループとをクラス分けするクラス分け情報を入力する第１の入力ステップをさらに含み、
上記制御ステップは、１つの遺伝子データベースの遺伝子データと、その他の遺伝子データベースの遺伝子データとの間で、上記クラスＹに属する遺伝子データベースの遺伝子データと、上記クラスＮに属する遺伝子データベースの遺伝子データとについて、上記遺伝子データを抽出することを特徴とする。

またさらに、上記遺伝子データ処理方法において、上記制御ステップは、上記遺伝子データベースの各遺伝子データのパターン同士の類似性を示す相関係数又は距離を計算し、所定の相関係数又は距離のしきい値以下の遺伝子データをクラス分類にまとめるように上記遺伝子データベースの遺伝子データを分類して抽出することを特徴とする。

また、上記遺伝子データ処理方法において、上記制御ステップは、既知の遺伝子データのパターンと、上記遺伝子データベースの各遺伝子データのパターンとの間の類似性を示す相関係数又は距離を計算し、所定の相関係数又は距離のしきい値以下の遺伝子データを抽出して出力することを特徴とする。

さらに、上記遺伝子データ処理方法において、上記複数のライブラリグループのうち、遺伝子データを出力したい出力指定ライブラリグループを入力する第２の入力ステップを含み、
上記制御ステップは、上記入力された出力指定ライブラリグループに属するライブラリグループに関する遺伝子データを出力することを特徴とする。

またさらに、上記遺伝子データ処理方法において、上記複数のライブラリグループのうち、所定の目的の遺伝子データを取得するために１つ又はライブラリグループを指定する複数の条件からなる細分類条件を入力する第３の入力ステップを含み、
上記制御ステップは、上記入力された細分類条件に合致する遺伝子データを抽出して出力することを特徴とする。

第３の発明に係る遺伝子データ処理プログラムは、上記遺伝子データ処理方法に記載の各ステップを含むことを特徴とする。

第４の発明に係るコンピュータにより読み取り可能な記録媒体は、上記遺伝子データ処理方法に記載の各ステップを含むプログラムを格納したことを特徴とするコンピュータにより読み取り可能な記録媒体。

従って、本発明によれば、遺伝子データベースにおける遺伝子データの頻度を各ライブラリグループ毎に平均化することにより、ＤＤＤ法で取りこぼしている統計的に有意に達しない遺伝子タグを取得することができる。また、出力指定やクラス指定を用いることにより、また、細分類条件テーブルの細分類条件を用いることにより、所望の発現パターンに合致した検索条件を柔軟に設定することができ、所望の発現遺伝子タグを取得することができる。さらに、既知の遺伝子の発現パターンと、遺伝子データベースの遺伝子パターンとの間の相関係数又はユークリッド距離を計算し、所定のしきい値以下の距離を有する遺伝子パターンを抽出することにより、例えば自分が研究したい所望の遺伝子に近い遺伝子パターンを抽出することができる。

以下、本発明に係る実施形態について図面を参照して説明する。なお、同様の構成要素については同一の符号を付している。

第１の実施形態．
図１は本発明の第１の実施形態に係る遺伝子データ処理システムの構成を示すブロック図であり、図２は図１のデータメモリ２３の内部構成を示すブロック図である。また、図３は図１の遺伝子データ処理装置１０によって実行される前置処理を示す機能ブロック図であり、図４は図１の遺伝子データ処理装置１０によって実行される、第１の実施形態に係る遺伝子データ処理を示す機能ブロック図である。この実施形態の遺伝子データ処理装置１０は、ライブラリの階層的分類定義データ７２とライブラリグループの出力指定テーブル７３とに基づいてライブラリの階層的分類テーブル７４を生成する図３の前置処理を実行した後、上記生成されたライブラリの階層的分類テーブル７４を用いて、遺伝子データベースのデータ７１から所望の発現パターンに一致する遺伝子タグを検索して出力する図４の遺伝子データ処理を実行することを特徴としている。

本実施形態の遺伝子データ処理システムは、大きく分けて、
（ａ）例えばＮＣＢＩにより提供されるＵｎｉＧｅｎｅデータ、又は非特許文献２で開示されたＳＡＧＥデータなどの遺伝子データベースのデータを格納した遺伝子データベースサーバ装置６０から、インターネットなどの通信回線を介して、遺伝子データベースのデータをダウンロードする通信端末装置４６と、
（ｂ）デジタル計算機で構成され、上記遺伝子データベースのデータに基づいて、ライブラリの階層的分類テーブル７４を用いて所望の発現パターンに一致する遺伝子タグを検索して出力する遺伝子データ処理装置１０とを備えて構成される。

ここで、通信端末装置４６と遺伝子データ処理装置１０内の通信インターフェース３６との間が通信ケーブル４７を介して接続される。これらの通信インターフェース４７は例えばＬＡＮ用の通信インターフェースである。そして、遺伝子データベースのデータは、遺伝子データベースサーバ装置６０からインターネット５０、通信端末装置４６、通信ケーブル４７及び通信インターフェース３６を介して、遺伝子データ処理装置１０内のデータメモリ２３に遺伝子データベースのデータ７１として格納され、当該格納された遺伝子データベースのデータ７１に対して詳細後述される図４の遺伝子データ処理が実行される。

なお、ＳＡＧＥデータを用いるときは、以下のように前置処理することが好ましい。ｍＲＮＡから逆転写されたそれぞれのｃＤＮＡのごく一部の遺伝子タグ（例えば、９ｂｐ）を切り取る。切り取った遺伝子タグの断片を連結してより長いＤＮＡを作成し、作成したＤＮＡの配列を決定する。当該遺伝子タグ例であっても、４^９＝２６２１４４通りの転写産物を区別できるので、遺伝子タグが何回出現したかを、ＤＮＡ配列決定で計数することにより、その遺伝子タグの発現レベルを推定できる。従って、ＳＡＧＥデータからの入力データは、遺伝子タグの配列、各臓器、発生段階、細胞などでの遺伝子タグの計数値、及び対応する遺伝子名称になる。

まず、図１を参照して、遺伝子データ処理装置１０の構成について説明する。遺伝子データ処理装置１０は、
（ａ）当該遺伝子データ処理装置１０の動作及び処理を演算及び制御するコンピュータのＣＰＵ（中央演算処理装置）２０と、
（ｂ）オペレーションプログラムなどの基本プログラム及びそれを実行するために必要なデータを格納するＲＯＭ（読み出し専用メモリ）２１と、
（ｃ）ＣＰＵ２０のワーキングメモリとして動作し、画像処理で必要なパラメータやデータを一時的に格納するＲＡＭ（ランダムアクセスメモリ）２２と、
（ｄ）例えばハードディスクメモリで構成され、図２に示すように各種のデータを格納するデータメモリ２３と、
（ｅ）例えばハードディスクメモリで構成され、ＣＤ−ＲＯＭドライブ装置４５を用いて読みこんだ図３及び図４の処理のプログラムを格納するプログラムメモリ２４と、
（ｆ）通信端末装置４６と接続され、インターネット５０を介して遺伝子データベースサーバ装置６０と、遺伝子データベースのデータを送受信する通信インターフェース３６と、
（ｇ）所定のデータや指示コマンドを入力するためのキーボード４１に接続され、キーボード４１から入力されたデータや指示コマンドを受信して所定の信号変換などのインターフェース処理を行ってＣＰＵ２０に伝送するキーボードインターフェース３１と、
（ｈ）ＣＲＴディスプレイ４３上で指示コマンドを入力するためのマウス４２に接続され、マウス４２から入力されたデータや指示コマンドを受信して所定の信号変換などのインターフェース処理を行ってＣＰＵ２０に伝送するマウスインターフェース３２と、
（ｉ）ＣＰＵ２０によって処理された出力データや設定指示画面などを表示するＣＲＴディスプレイ４３に接続され、表示すべき画像データをＣＲＴディスプレイ４３用の画像信号に変換してＣＲＴディスプレイ４３に出力して表示するディスプレイインターフェース３３と、
（ｊ）ＣＰＵ２０によって処理された出力データなどを印字するプリンタ４４に接続され、印字すべき印字データの所定の信号変換などを行ってプリンタ４４に出力して印字するプリンタインターフェース３４と、
（ｋ）上記処理のプログラムが記憶されたＣＤ−ＲＯＭ４５ａから当該プログラムのプログラムデータを読み出すＣＤ−ＲＯＭドライブ装置４５に接続され、読み出された画像処理プログラムのプログラムデータを所定の信号変換などを行ってプログラムメモリ２４に転送するドライブ装置インターフェース３５とを備え、
これらの回路２０−２４、３１−３６はバス３０を介して接続される。

図２は図１のデータメモリ２３の内部構成を示すブロック図である。図２に示すように、データメモリ２３は以下のデータやテーブルを格納する。
（１）遺伝子データベースのデータ７１。
（２）ライブラリの階層的分類定義データ７２。
（３）ライブラリグループ出力指定テーブル７３。
（４）ライブラリの階層的分類テーブル７４。
（５）ＥＳＴ報告数一覧テーブル７５。
（６）ライブラリグループ毎のＥＳＴ頻度テーブル７６。
（７）クラス分類補助テーブル７７。
（８）平均化ＥＳＴ頻度テーブル７８。
（９）抽出クラスタの一覧テーブル７９。
（１０）細分類条件テーブル８０。
（１１）データ処理後の出力データ８１。

データメモリ２３内の遺伝子データベースのデータは、例えばＮＣＢＩにより提供されるＵｎｉＧｅｎｅデータであり、各生物について、以下のようなファイルから構成される。
（１）Mm.info：統計。
（２）Mm.seq.all：既知の遺伝子又はＥＳＴ由来の転写産物配列を、推定遺伝子を含む遺伝子毎にクラスタに分類したもの。
（３）Mm.seq.uniq：各ＵｎｉＧｅｎｅデータのクラスタから１配列ずつ選んだもの。
（４）Mm.data：後述する形式からなるＵｎｉＧｅｎｅレコードの集合。
（５）Mm.lib.info：各ｃＤＮＡ／ＥＳＴｓライブラリの説明。
（６）Mm.retired.lst：現在と以前のバージョンの間で分類が変わったＥＳＴ、遺伝子の一覧表。

ここで、上記ファイルの初めの２文字、あるいは３文字は生物種を表す。例えば、ヒトはＨｓであり、マウスはＭｍであり、ラットはＲｎである。本実施形態においては、マウスの例を示すが、ＵｎｉＧｅｎｅデータ及び本実施形態で取り扱う遺伝子データベースのデータはデータの構成及び動作は生物種に依存しない。

また、ＵｎｉＧｅｎｅデータ内のＵｎｉＧｅｎｅレコードは、以下のデータを含む。
（１）ＩＤ：ＵｎｉＧｅｎｅデータのクラスタＩＤ。クラスタＩＤは、ＥＳＴをクラスタリングした（区分した）識別子である。
（２）ＴＩＴＬＥ：このクラスタのタイトル。
（３）ＧＥＮＥ：Ｇｅｎｅシンボル。
（４）ＳＣＯＵＮＴ：このクラスタ中の配列数。
（５）ＳＥＱＵＥＮＣＥ：以下のシーケンスのデータを含む。
（５−１）ＡＣＣ＝ＧｅｎＢａｎｋ／ＥＭＢＬ／ＤＤＢＪにおけるシーケンスの受け入れ番号。
（５−２）ＮＩＤ＝ユニークなヌクレオチドのシーケンス識別子（ｇｉ）。
（５−３）ＰＩＤ＝ユニークなタンパク質のシーケンスの識別子（ＥＳＴではないものに対して用いる。
（５−４）ＣＬＯＮＥ＝クローンの識別子（ＥＳＴのみに対して用いる）。
（５−５）ＬＩＤ＝ｃＤＮＡ／ＥＳＴｓのライブラリの識別番号。各ｃＤＮＡ／ＥＳＴｓのライブラリの説明は上述のファイル「Mm.lib.info」にある。このライブラリの具体例は、図５及び図６を参照して詳細後述する。

データメモリ２３内のライブラリの階層的分類定義データ７２は、その一例を図５及び図６に示すように、（Ａ）発生段階別分類、（Ｂ）細胞別分類、（Ｃ）組織別分類、（Ｄ）臓器別分類、（Ｅ）腫瘍別分類、及び（Ｆ）実験条件別分類などの分類法により、遺伝子に係る細胞、組織、臓器、腫瘍、実験条件などの「遺伝子分類識別子」を用いて、一連の実験や検討に由来する遺伝子発現が推定可能な遺伝子データセット又は遺伝子データ群（ここで、遺伝子は、推定遺伝子、転写産物、遺伝子の断片やそのセットなどを含む）であるライブラリを階層的に分類して定義したものである。ここで、各ライブラリの名称の括弧内の番号は、ライブラリの識別番号ＬＩＤ（以下、ライブラリＩＤ（ＬＩＤ）という。）である。図５及び図６において、各ライブラリは複数分木形状で階層的に記載されており、各木のルートのライブラリを１次ライブラリグループといい、そのルートのライブラリの子ノードのライブラリを２次ライブラリグループという。さらに、同様に順次３次ないし複数次のライブラリグループを定義している。これら１次ないし複数次のライブラリグループを総称して「ライブラリグループ」という。

また、ライブラリグループ出力指定テーブル７３は、その一例を図７に示すように、ライブラリグループ毎に、所望の遺伝子タグを出力したいライブラリグループであるか否かをＹ（ＹＥＳ）又はＮ（ＮＯ）で指定したものであり、ユーザが予めキーボード４１を用いて入力したデータである。

さらに、ライブラリの階層的分類テーブル７４は、その一例を図８に示すように、ライブラリグループ毎に付与されるライブラリグループＩＤ毎に、ライブラリグループ名称、ライブラリＩＤ（ＬＩＤ）と、出力指定及びクラスのデータを格納する。ここで、出力指定は、上述のように、所望の遺伝子タグを出力したいライブラリグループであるか否か示すものであり、Ｙ（ＹＥＳ）又はＮ（ＮＯ）、もしくはＮＵＬＬ（不定）で記述される。また、クラスは、ユーザがキーボード４１を用いて入力されるデータであって、ＥＳＴが報告されることを期待するライブラリグループをＹ（ＹＥＳ）（以下、クラスＹという。）とし、ＥＳＴが報告されてはいけないライブラリグループをＮ（ＮＯ）（以下、クラスＮという。）とし、その他当該ファイルで記載なしを示す不定（ＮＵＬＬ）で記述される。当該ライブラリの階層的分類テーブル７４は、図４を参照して詳細後述するように、ライブラリの階層的分類定義データ７２と、ライブラリグループの出力指定テーブル７３とに基づいて、前置処理部１０１による前置処理により、ライブラリの階層的分類テーブル７４が生成される。

ＥＳＴ報告数一覧テーブル７５は、その一例を図９に示すように、遺伝子データベースのデータ７１に基づいて図４のＥＳＴ報告数計数処理部１０２により計数された結果データであり、クラスタＩＤ毎に、各ライブラリＩＤ（ＬＩＤ）に含まれるＥＳＴの報告数の計数結果を含むとともに、それらの各ライブラリＩＤ（ＬＩＤ）毎のＥＳＴ報告数の合計値も含む。すなわち、本実施形態においては、まず、例えば上述の遺伝子データベースのデータＭｍ．ｄａｔａを利用し、各クラスタについて、シーケンス行を読み込む度に、ライブラリＩＤ（ＬＩＤ）で識別されるｃＤＮＡ／ＥＳＴｓのライブラリ毎にＥＳＴ報告数を１ずつ加算し、推定遺伝子を含む遺伝子の各クラスタＩＤ毎のｃＤＮＡ／ＥＳＴｓのライブラリ別のＥＳＴ報告数一覧テーブル７５を作成する。本実施形態では、ライブラリＩＤ（ＬＩＤ）の無いシーケンス行（例えば、その遺伝子だけをクローニングして、配列を決定した場合のシーケンス行）は読み飛ばし、また、各ライブラリ毎のＥＳＴ報告数の合計を最後の行に記載する（図９参照）。

また、ライブラリグループ毎のＥＳＴ頻度テーブル７６は、その一例を図１０に示すように、ＥＳＴ報告数一覧テーブル７５及びライブラリの階層的分類テーブル７４に基づいて、図４のＥＳＴ頻度計数処理部１０３により、クラスタＩＤ毎に、ライブラリの階層的分類テーブル７４に記載されたライブラリグループ毎のＥＳＴ頻度を計数してなるテーブルであり、さらに、それらの各ライブラリグループ毎のＥＳＴ頻度の合計値も含む。

さらに、クラス分類補助テーブル７７は、その一例を図１１に示すように、ライブラリグループ毎のＥＳＴ頻度テーブル７６及びライブラリの階層的分類テーブル７４に基づいて、図４のクラスタリング分類補助テーブル生成処理部１０５により、クラスタＩＤ毎に、クラスＹとクラスＮの頻度を計数してなるテーブルであり、さらに、それらのクラスＹ及びクラスＮに対する合計値も含む。

またさらに、平均化ＥＳＴ頻度テーブル７８は、その一例を図１２に示すように、ライブラリの階層的分類テーブル７６に基づいて、図４のＥＳＴ頻度平均化処理部１０４により、各ライブラリグループ毎の合計頻度が同一値（例えば、１００００など）になるように、ライブラリの階層的分類テーブル７６のＥＳＴ頻度を各ライブラリグループ毎に平均化してなるテーブルであり、さらに、各クラスタＩＤ毎のＥＳＴ頻度の合計値も含む。

また、抽出クラスタの一覧テーブル７９は、その一例を図１３に示すように、平均化ＥＳＴ頻度テーブル７８及びクラス分類補助テーブル７７に基づいて、図４のクラスタ抽出処理部１０６により、クラス分類補助テーブル７７におけるクラスＹが１以上であって（発現を期待する遺伝子のクラスタＩＤである）、クラスＮが０である（発現が見られてはならない遺伝子のクラスタＩＤである）というクラスタ抽出条件で、平均化ＥＳＴ頻度テーブル７８からクラスタＩＤの平均化ＥＳＴ頻度を抽出してなるテーブルである。

さらに、細分類条件テーブル８０は、上記得られた抽出クラスタの一覧テーブル７９からさらなる細分類条件を適用するためのテーブルであって、予めユーザによりキーボード４１を用いて入力される。細分類条件テーブル８０は、例えば、所定の目的の遺伝子データを取得するために１つ又はライブラリグループを指定する複数の条件を、各条件において、かつ（ＡＮＤ）及び／又は（ＯＲ）を用いて記述する。以下に細分類条件の例を示す。なお、各細分類条件に合致するようなＥＳＴの報告が見られる遺伝子データ（推定遺伝子データを含む。）を条件別に抽出する。ここで、各条件はＮｏ．１から昇順で順次適応していき、前回の条件に合致した遺伝子は次の検索からは除外する。

［表１］
細分類条件例１（栄養外胚葉系特異的発現遺伝子の取得のため）
――――――――――――――――――――――――――――――――――
Ｎｏ．１：栄養外胚葉系かつ胚性幹細胞
Ｎｏ．２：栄養外胚葉系かつ卵巣
Ｎｏ．３：栄養外胚葉系かつ精巣
Ｎｏ．４：栄養外胚葉系かつ間葉系幹細胞
Ｎｏ．５：栄養外胚葉系かつ造血幹細胞
Ｎｏ．６：栄養外胚葉系のみ
――――――――――――――――――――――――――――――――――

［表２］
細分類条件例２（造血幹細胞機能関連遺伝子の取得のため）
――――――――――――――――――――――――――――――――――
Ｎｏ．１：造血幹細胞かつ胚性幹細胞
Ｎｏ．２：造血幹細胞かつ（精巣又は卵巣又は未受精卵又は受精卵）
Ｎｏ．３：造血幹細胞かつ（生殖腺又は泌尿生殖堤）
Ｎｏ．４：造血幹細胞のみ
――――――――――――――――――――――――――――――――――

［表３］
細分類条件例３（未分化性関連遺伝子の取得のため）
――――――――――――――――――――――――――――――――――
Ｎｏ．１：胚性幹細胞かつ精巣かつ卵巣
Ｎｏ．２：胚性幹細胞かつ（生殖腺又は泌尿生殖堤）
Ｎｏ．３：胚性幹細胞かつ精巣
Ｎｏ．４：胚性幹細胞かつ卵巣
Ｎｏ．５：未受精卵かつ精巣
Ｎｏ．６：精巣かつ（生殖腺又は泌尿生殖堤）
Ｎｏ．７：間葉系幹細胞又は造血幹細胞
Ｎｏ．８：卵巣かつ未受精卵かつ受精卵
Ｎｏ．９：胚性幹細胞
Ｎｏ．１０：栄養外胚葉系
Ｎｏ．１１：精巣のみ
――――――――――――――――――――――――――――――――――

［表４］
細分類条件例４（膵臓特異的発現遺伝子の取得のため）
――――――――――――――――――――――――――――――――――
Ｎｏ．１：膵臓のみ
Ｎｏ．２：肝臓のみ
Ｎｏ．３：胆嚢のみ
Ｎｏ．４：膵臓かつ胆嚢
Ｎｏ．５：膵臓かつ肝臓
――――――――――――――――――――――――――――――――――

さらに、データ処理後の出力データ８１の一例を以下に示す。当該出力データ８１では、既知の未分化細胞特異的遺伝子のほとんどが含まれる。

［表５］
データ処理後の出力データ８１の一例
――――――――――――――――――――――――――――――――――
クラスタＩＤ Ｘ３ Ｘ９ Ｘ２０ … 合計
――――――――――――――――――――――――――――――――――
Mm.17616 0.00 4.46 0.88 … 24.170
Mm.169673 0.00 0.00 0.88 … 22.830
Mm.272981 4.20 17.84 0.88 … 43.320
Mm.345070 0.00 0.00 0.88 … 19.710
Mm.34674 0.00 0.00 0.88 … 22.830
Mm.28858 0.00 0.00 1.77 … 59.050
Mm.307315 0.00 0.00 2.65 … 33.120
――――――――――――――――――――――――――――――――――

次いで、本実施形態に係る遺伝子データ処理装置１０によって実行される遺伝子でー他処理の概要について以下に説明する。ＥＳＴ報告計数処理部１０２では、まず、ｃＤＮＡライブラリの由来の再確認が必要であり、ＮＣＢＩのｃＤＮＡライブラリの注釈にはかなりの誤りが含まれているうえ、未分類のものも数多くある。現在でも初期胚〜ＥＳ細胞に関しては未分類が多い。従って、好ましくは、由来を確認したうえで、臓器、組織、細胞別に発生段階も考慮して分類を行う。
（１）入手した遺伝子データベースのデータに基づいて、ライブラリ分類に従って、臓器、組織、細胞、発生段階別にＥＳＴ報告数を集計する。
（２）クラスＹ及びクラスＮを用いて、発現が見られてはならない臓器（例：体細胞）からＥＳＴが報告されている遺伝子を除く。
（３）クラス分類補助テーブル７７を用いて、上記残ったもののうち、発現を期待する臓器、発生段階（例えば、初期胚、ＥＳ細胞、生殖細胞）についてはいずれかのライブラリから少なくとも１つはＥＳＴの報告がある遺伝子タグを選択する。
（４）ＥＳＴ報告数から、臓器、組織、細胞、発生段階別の発現パターンを推定した一覧表を作製し、上記（３）の遺伝子について一覧表から推定発現パターンを抽出する。
（５）その結果を予め設定した細分類条件テーブル８０の発現パターンで細分類する。

本実施形態では、上記（２）及び（３）のステップについて、将来の機能拡張を考え、臓器、組織、細胞、発生段階をいつくか一まとめにしたもの（クラス）について各々ＥＳＴ報告数を別に集計し直し、これらについて、あるカットオフ値以上、又は以下の遺伝子を選別できるように構成している。本実施形態では、クラスＹ（発現を期待する臓器、発生段階）、クラスＮ（発現が見られてはならない臓器）の２つのクラスのみでそれぞれ、クラスＹがカットオフ値１以上であり、かつクラスＮはカットオフ値０であることを条件として抽出している。より具体的な手順は以下の通りである。

（１）例えばＵｎｉＧｅｎｅの遺伝子データベースのデータファイル（Ｍｍ．ｄａｔａ）を読み込んで、ＥＳＴ報告数一覧表テーブル７５を作成して記憶する。
（２）ライブラリの階層的分類定義テーブル７４は、各ライブラリの由来をマニュアルで調べ直して、臓器、組織、細胞及び発生段階、また、ライブラリを構築したライブラリグループを考慮して、分類する。
（３）ライブラリグループ出力指定テーブル７３では、解析対象のライブラリグループをＹとし、解析対象ではにライブラリグループにＮを付する。
（４）ライブラリの階層的分類定義データ７２とライブラリグループ出力指定テーブル７３に基づいて、ライブラリグループ毎に、ライブラリＩＤ（ＬＩＤ）、出力指定及びクラス分類を指定する。ここで、発現が見られることを期待するライブラリグループはクラスＹとされ、発現がみられてはいけないライブラリグループにはクラスＮと付与する。これにより、ライブラリの階層的分類テーブル７４を作成する。
（５）ライブラリの階層的分類テーブル７４の階層的分類に従って、ライブラリグループ毎のＥＳＴ頻度テーブル７６を作成する。
（６）このＥＳＴ頻度テーブル７６の各欄を合計行のライブラリグループ毎のＥＳＴ数の総数で割って、平均化された相対値を算出することにより、平均化ＥＳＴ頻度テーブル７８を作成する。
（７）ライブラリグループ毎のＥＳＴ頻度テーブル７６及びライブラリの階層的分類テーブル７４に基づいて、各クラスタＩＤ毎に、クラスＹ及びクラスＮに属するライブラリグループでのＥＳＴ報告数を計数して、クラス分類補助テーブル７７を作成する。
（８）クラスＹのライブラリグループでのＥＳＴ報告数が１以上でかつクラスＮのライブラリグループでのＥＳＴ報告数が０のクラスタをクラス分類補助テーブル７７から検索し、該当するクラスタＩＤを抽出クラスタの一覧テーブル７９から抽出する。
（９）抽出クラスタの一覧テーブル７９において、細分類条件テーブル８０に規定する細分類条件を適用して、発現する可能が高い所望の遺伝子タグのＥＳＴ報告数のデータを得る。

図３は図１の遺伝子データ処理装置１０のＣＰＵ２０によって実行される前置処理を示す機能ブロック図であり、図３を参照して、前置処理について以下詳細説明する。なお、図３の前置処理部１０１は、ＣＰＵ２０がプログラムメモリ２４に格納された前置処理のプログラムを実行するときの処理機能部である。図３において、前置処理部１０１は、ライブラリの階層的分類定義データ７２と、ライブラリグループの出力指定テーブル７３とに基づいて、ライブラリグループＩＤ毎に、ライブラリ名称と、ライブラリＩＤを検索し、ライブラリグループの出力指定テーブル７３での出力指定データを転記し、かつユーザによりキーボード４１を用いて入力されるクラス分類を格納することにより、ライブラリの階層的分類テーブル７４を生成してデータメモリ２３に格納する。

図４は図１の遺伝子データ処理装置１０によって実行される、第１の実施形態に係る遺伝子データ処理を示す機能ブロック図であり、図４を参照して、遺伝子データ処理について以下詳細説明する。なお、図４の各処理部１０２乃至１０７は、ＣＰＵ２０がプログラムメモリ２４に格納された遺伝子データ処理のプログラムを実行するときの処理機能部である。

図４において、まず、ＥＳＴ報告数計数処理部１０２は、遺伝子データベースのデータ７１内のＥＳＴ報告数を、クラスタＩＤ毎に、ライブラリＩＤ（ＬＩＤ）で区分しながら計数することにより、ＥＳＴ報告数一覧テーブル７５を得る。次いで、ＥＳＴ頻度計数処理部１０３は、ＥＳＴ報告数一覧テーブル７５及びライブラリの階層的分類テーブル７４に基づいて、クラスタＩＤ毎に、ライブラリの階層的分類テーブル７４に記載されたライブラリグループ毎のＥＳＴ頻度を計数して、ライブラリグループ毎のＥＳＴ頻度テーブル７６を作成してデータメモリ２３に格納する。一方、クラス分類補助テーブル生成処理部１０５は、ライブラリグループ毎のＥＳＴ頻度テーブル及びライブラリの階層的分類テーブル７４に基づいて、クラスタＩＤ毎に、クラスＹとクラスＮの頻度を計数して、クラス分類補助テーブル７７を作成してデータメモリ２３に格納する。

次いで、ＥＳＴ頻度平均化処理部１０４は、ライブラリグループ毎のＥＳＴ頻度テーブル７６に基づいて、各ライブラリグループ毎の合計頻度が同一値（例えば、１００００など）になるように、ライブラリの階層的分類テーブル７６のＥＳＴ頻度を各ライブラリグループ毎に平均化してその平均値を計算して、平均化ＥＳＴ頻度テーブル７８を作成してデータメモリ２３に格納する。そして、クラスタ抽出処理部１０６は、クラス分類補助テーブル７７を用いるクラス分類法を用いたクラスタ抽出処理を実行し、具体的には、平均化ＥＳＴ頻度テーブル７８及びクラス分類補助テーブル７７に基づいて、クラス分類補助テーブル７７におけるクラスＹが１以上であって（発現を期待する遺伝子のクラスタＩＤである）、クラスＮが０である（発現が見られてはならない遺伝子のクラスタＩＤである）というクラスタ抽出条件で、平均化ＥＳＴ頻度テーブル７８からクラスタＩＤの平均化ＥＳＴ頻度を抽出して、抽出クラスタの一覧テーブル７９を作成してデータメモリ２３に格納する。さらに、細分類条件適用処理部１０７は、抽出クラスタの一覧テーブル７９及び細分類条件テーブル８０に基づいて、抽出クラスタの一覧テーブル７９において、細分類条件テーブル８０に記載された各細分類条件を順次適用してゆき、前回の条件に合致した遺伝子（推定遺伝子を含む。）は次の検索からは除外するように検索し、検索結果のデータを、データ処理後の出力データ８１としてデータメモリ２３に格納する。

以上説明したように、本実施形態によれば、ＥＳＴ頻度平均化処理部１０３によりＥＳＴ頻度を各ライブラリグループ毎に平均化することにより、ＤＤＤ法で取りこぼしている統計的に有意に達しない遺伝子タグを取得することができる（すなわち、取りこぼしを少なくすることができる）。また、出力指定やクラス指定を用いることにより、また、細分類条件テーブル８０を用いることにより、所望の発現パターンに合致した検索条件を柔軟に設定することができ、所望の発現遺伝子タグを取得することができる。さらに、ライブラリグループの階層的な分類により、簡便に賢明な所望のクラス分類が可能になる。

第１の実施形態の第１の変形例．
図１４は、第１の実施形態の第１の変形例に係る遺伝子データ処理を示す機能ブロック図である。第１の実施形態の第１の変形例に係る遺伝子データ処理は、図４の第１の実施形態に係る遺伝子データ処理に比較して、クラスタ抽出処理部１０６に代えて、クラスタ抽出処理での条件を変更したクラスタ抽出処理部１０６Ａを備えたことを特徴としている。クラスタ抽出処理部１０６Ａでは、具体的には、例えば、クラスＹでのＥＳＴ報告数が４以上であって、クラスＮでのＥＳＴ報告数が２以下であるようにカットオフ値を変更して、クラスタ抽出処理を行う。これにより、遺伝子データベースのデータにおける重複データなどのノイズデータを除去することができるという特有の効果を有している。特に、第１の実施形態では、クラス分類補助テーブル７７におけるクラスＹが１以上であって、クラスＮが０であるというクラスタ抽出条件を用いて平均化ＥＳＴ頻度を抽出している場合は、統計的な有意差を持って抽出することが困難であるが、当該第１の変形例及びその他の実施形態などにおいては、統計的な有意差を持って抽出することができる。

第１の実施形態の第２の変形例．
図１５は、第１の実施形態の第２の変形例に係る遺伝子データ処理を示す機能ブロック図である。第１の実施形態の第２の変形例に係る遺伝子データ処理は、図４の第１の実施形態に係る遺伝子データ処理に比較して、以下の点が異なる。
（１）クラス分類補助テーブル生成処理部１０５及びクラス分類補助テーブル７７を設けない。
（２）クラスタ抽出処理部１０６に代えて、クラスタ抽出処理部１０６Ｂを設け、クラスタ抽出処理部１０６Ｂは、クラス分類補助テーブル７７なしでクラス分類を行うことを特徴としている。

なお、第１の実施形態の第２の変形例では、クラス分類補助テーブル７７なしでクラス分類を行うので、ライブラリの階層的分類テーブル７４を変更するたびに、ライブラリグループ毎のＥＳＴ頻度テーブル７６を再作成する必要がある。

第１の実施形態の第３の変形例．
図１６は、第１の実施形態の第３の変形例に係る遺伝子データ処理を示す機能ブロック図である。第１の実施形態の第３の変形例に係る遺伝子データ処理は、図４の第１の実施形態に係る遺伝子データ処理に比較して、クラスタ抽出処理部１０６に代えて、直接確率計算法を用いてクラスタ抽出処理を実行するクラスタ抽出処理部１０６Ｃを備えたことを特徴としている。

クラスタ抽出処理部１０６Ｃでは、具体的には、「クラスＹでのＥＳＴ報告数が０を超えかつクラスＮでのＥＳＴ報告数が０であるという抽出条件を適用することに代えて、例えば、非特許文献４において開示された「フィッシャーの直接確率法」を用いて所望の遺伝子タグを抽出し、抽出されたクラスタのデータを抽出クラスタの一覧テーブル７９としてデータメモリ２３に格納する。ここで、「フィッシャーの直接確率法」は２×２クロス表の検定のための有意確率を直接求める方法であって、ｔ検定やカイ２乗検定などとは異なり，特定の統計量の分布を考えなくてよいという利点を有している。「フィッシャーの直接確率法」においては、一般的には、全標本数をＮとし、変数ＡのカテゴリＡ１，Ａ２の度数をそれぞれｎ１，ｎ２とする。また、同様に、変数ＢのカテゴリＢ１，Ｂ２の度数をｍ１，ｍ２とする。ここで、偶然に４つのセルの度数がａ，ｂ，ｃ，ｄとなる確率、及びそれ以上に特定方向に偏った状態の確率を求める方法である。

ＤＤＤ法における「フィッシャーの直接確率法」では、以下の２×２クロス表について考える。図２０（ａ）は、遺伝子データベースのデータＭｍ．ｄａｔａに対するフィッシャーの直接確率法の適用例を示す図であり、図２０（ｂ）は当該適用例の実施例を示す。なお、図２０において遺伝子は推定遺伝子を含む。図２０（ａ）において、プールサイズ（Ｎ，Ｍ）と、遺伝子データのＥＳＴ報告数の計数値（ｃ，Ｃ）が与えられたとき、図２０（ａ）のテーブルでの確率ｐは次式で計算される。

［数１］
ｐ＝［Ｎ！Ｍ！ｃ！Ｃ！］／［（Ｎ＋Ｍ）！ａ！ｂ！Ａ！Ｂ！］

ここで、０！は１に設定される。２つのプールにおいて等しく表された遺伝子データの０仮説は、確率ｐは次式が成立するとき棄却される。

［数２］
ｐ≦０．０５／Ｇ

ここで、０．０５は統計的な確からしさのレベルを表し、Ｇはボンフェローニ（Bonferroni）の不等式に基づく補正係数であり、可能なテストの全体数に対応する。ＤＤＤ法を用いた場合においては、補正係数Ｇは次式で表される。

［数３］
Ｇ＝（遺伝子データのクラスタ数）×（プール数）×（プール数−１）／２

また、図２０（ｂ）の実施例において、遺伝子データベースのデータ（クラスタＩＤがＭｍ．６０４７）に対する計算例が示されている。

第２の実施形態．
図１７は本発明の第２の実施形態に係る遺伝子データ処理を示す機能ブロック図である。第２の実施形態に係る遺伝子データ処理は、図４の第１の実施形態に係る遺伝子データ処理に比較して、以下の点が異なる。
（１）クラス分類補助テーブル生成処理部１０５及びクラス分類補助テーブル７７を設けない。
（２）クラスタ抽出処理部１０６に代えて、クラスタ抽出処理部１０６Ｄを設け、クラスタ抽出処理部１０６Ｄは、階層化クラスタリング法を用いてクラス分類してクラスタを抽出することを特徴としている。

クラスタ抽出処理部１０６Ｄは、各遺伝子（推定遺伝子を含む。）のＥＳＴパターン同士の相互の類似性又はユークリッド距離を、ピアソン（Pearson）の相関係数又はスペアマン（Spearman）の順位相関係数などを用いて数値化し、距離の近い発現パターンのよく似た遺伝子同士（すなわち、距離が所定のしきい値以下である遺伝子同士）を１つのクラスタにまとめる階層化クラスタリング法を用いて、発現の類似性を分類することを特徴としている。

例えば、あるクラスタＩＤである遺伝子Ａのパターン（平均化ＥＳＴ頻度テーブルの各値）を［ａ_１，ａ_２，ａ_３，…］とし、別のクラスタＩＤである遺伝子Ｂのパターン（平均化ＥＳＴ頻度テーブルの各値）を［ｂ_１，ｂ_２，ｂ_３，…］としたとき、遺伝子Ａ，Ｂの発現パターン間のユークリッド距離Ｄｉｓは次式で表される。

以上の実施形態においては、２点間の最短距離を表すユークリッド距離を用いているが、本発明はこれに限らず、以下の種々の公知の距離を用いてもよい。
（１）２点間の座標の差の絶対値の総和として定義される市街距離。
（２）ユークリッド距離と、市街距離とを、平方根内の２乗を一般化された整数ｐ乗にして一般化してなるミンコフスキー距離。
（３）ユークリッド距離を拡張して、分散共分散行列の推定値Ｓを用いて定義されるマハラノビス距離。
（４）２つのベクトルｘとｙ（上記の例では、２つのパターン要素を有するベクトル）間でその差の絶対値の総和であるマンハッタン距離。

第３の実施形態．
図１８は、本発明の第３の実施形態に係る遺伝子データ処理を示す機能ブロック図である。第３の実施形態に係る遺伝子データ処理は、図１７の第２の実施形態に係る遺伝子データ処理に比較して、細分類条件適用処理部１０７を設けないことを特徴としている。すなわち、第３の実施形態では、細分類条件テーブル８０を用いた細分類条件適用処理を実行せずに、階層化クラスタリング法によるクラスタ抽出処理部１０６Ｄによるクラスタ抽出処理のみを実行する。従って、第３の実施形態に係るクラスタ抽出処理部１０６Ｄは、クラスタ抽出処理された平均化ＥＳＴ頻度テーブルのデータを、データ処理後の出力データとしてデータメモリ２３に格納する。以上の処理により、第２の実施形態に比較して、遺伝子データ処理を簡単化できる。

第４の実施形態．
図１９は、本発明の第４の実施形態に係る遺伝子データ処理を示す機能ブロック図である。第４の実施形態に係る遺伝子データ処理は、図１８の第３の実施形態に係る遺伝子データ処理に比較して、階層化クラスタリング法を用いたクラスタ抽出処理部１０６Ｄに代えて、相関係数を用いた抽出法によるクラスタ抽出処理部１０６Ｅを設けたことを特徴としている。すなわち、第４の実施形態では、クラスタ抽出処理部１０６Ｅは、発現していることが既知の遺伝子の発現パターン（平均化ＥＳＴ頻度テーブルの各値）と、平均化ＥＳＴ頻度テーブル７８内の遺伝子パターン（平均化ＥＳＴ頻度テーブルの各値）との間の相関係数又はユークリッド距離を計算し、所定のしきい値以下の距離を有する遺伝子パターンを抽出して、データ処理後の出力データとしてデータメモリ２３に格納する。以上の処理により、例えば自分が研究したい所望の遺伝子に近い遺伝子パターンを抽出することができる。

実施形態の効果．
以上説明したように、本実施形態によれば、ＥＳＴ頻度平均化処理部１０３によりＥＳＴ頻度を各ライブラリグループ毎に平均化することにより、ＤＤＤ法で取りこぼしている統計的に有意に達しない遺伝子タグを取得することができる。また、出力指定やクラス指定を用いることにより、また、細分類条件テーブル８０を用いることにより、所望の発現パターンに合致した検索条件を柔軟に設定することができ、所望の発現遺伝子タグを取得することができる。さらに、既知の遺伝子の発現パターン（平均化ＥＳＴ頻度テーブルの各値）と、平均化ＥＳＴ頻度テーブル７８内の遺伝子パターン（平均化ＥＳＴ頻度テーブルの各値）との間の相関係数又はユークリッド距離を計算し、所定のしきい値以下の距離を有する遺伝子パターンを抽出することにより、例えば自分が研究したい所望の遺伝子に近い遺伝子パターンを抽出することができる。

変形例．
以上の実施形態においては、ＥＳＴ報告数について処理しているが、本発明はこれに限らず、種々の遺伝子データの報告数を処理してもよい。

図５及び図６のライブラリの階層的分類定義データ７２において、ライブラリグループは、発生段階別分類、細胞別分類、組織別分類、臓器別分類、腫瘍別分類及び実験条件別分類などの分類法で分類されているが、本発明はこれに限らず、これらの少なくとも１つの分類法を用いて階層的に分類してもよい。

本実施形態においては、図３の前置処理及び図４、図１４乃至図１９の遺伝子データ処理のプログラムデータをＣＤ−ＲＯＭ４５ａに格納して実行するときにプログラムメモリ２４にロードして実行しているが、本発明はこれに限らず、ＣＤ−Ｒ、ＣＤ−ＲＷ、ＤＶＤ、ＭＯなどの光ディスク又は光磁気ディスクの記録媒体、もしくは、フロッピー（登録商標）ディスクなどの磁気ディスクの記録媒体など種々の記録媒体に格納してもよい。これらの記録媒体は，コンピュータで読み取り可能な記録媒体である。また、上記遺伝子データ処理のプログラムデータを予めプログラムメモリ２４に格納して当該遺伝子データ処理を実行してもよい。

本実施形態に係る遺伝子データ処理装置１０では、ｍＲＮＡの発現量を対象にしているが、タンパクチップなどが実用化されたときのタンパクレベルでの発現パターン解析に、本実施形態に係る遺伝子データ処理方法を用いることができる。この発現パターン解析（例えば、非特許文献５参照。）は、転写産物分子は与えられたときに発現されている遺伝子の種類をその量のプロファイルを決定する遺伝子の発現プロファイルを解析する方法であり、以下に、各遺伝子をもともとの遺伝子配列とは異なったＤＮＡ配列に符号化する方法について説明する。

まず、ＤＮＡ計算による生体分子情報解析の原理について説明する。ＤＮＡコンピュータのＣＰＵは一連のＤＮＡ分子反応で構築されている。ＣＰＵが同じ反応条件の下で正確かつ効率よく命令を実行するためには、命令の引数であるデータが正規直交化した塩基配列のビット列であるＤＮＡ符号で表現されていることが必要である。従って、ＤＮＡ／ＲＮＡ分子の情報をＤＮＡコンピュータで解析する場合、入力データであるそれらの情報をＤＮＡコンピュータの内部コードであるＤＮＡ符号に変換することを最初に行う必要がある。これはちょうど、ＣＰＵが論理回路で構築されている電子コンピュータの内部では、データが２進符号で表現されているため、入力装置から入力されたデータは内部コードである２進符号に変換されてから計算処理にかけられることに対応する。ＤＮＡ符号に変換された入力データは、ＤＮＡコンピュータのＣＰＵがサポートする一連の命令で処理されたのち、ＤＮＡ符号で表現されたＤＮＡ分子として出力される。そのＤＮＡ分子のＤＮＡ符号をデコードすると計算処理の結果が得られる。ＤＮＡ符号をデコードして表示する方法には、ｇｒａｄｕａｔｅｄ ＰＣＲやＤＮＡシーケンシングがある。しかしながら、最も効率的な方法は、ＤＮＡ符号のビットを構成する正規直交化配列の相補配列鎖を集積したＤＮＡチップを用いる方法である。同じＤＮＡ符号の体系を使用する限り、チップ上に集積されたＤＮＡプローブは変わらない。従って、このチップはユニバーサルＤＮＡチップといえる。

次いで、遺伝子の発現プロファイル解析について説明する。遺伝子の機能を解明するための重要な解析のひとつとして、転写産物分子が与えられたときに発現されている遺伝子の種類とその量のプロファイルを決定する遺伝子の発現プロファイル解析がある。前述した原理に基づいて、ＤＮＡ計算により遺伝子の発現プロファイル解析を行うためのプログラムが例えばｄｎａ−ｇｅｐである。転写産物であるｍＲＮＡ分子から逆転写酵素で調製した一本鎖のｃＤＮＡを入力データとしてプログラムｄｎａ−ｇｅｐを実行すると、図２１に示す一連のＤＮＡ分子反応操作が行われる。出力されたＤＮＡ分子のＤＮＡ符号をユニバーサルＤＮＡチップでデコードして表示すると、遺伝子の発現プロファイルが得られる。ＤＮＡ符号の１ビットを２５塩基としたとき、３００近くの正規直交化配列が得られているので、２桁のＤＮＡ符号を用いると、プログラムｄｎａ−ｇｅｐにより２万を超える遺伝子の発現プロファイルを同時に解析することが可能である。

さらに、上記の発現プロファイル解析を用いて、各遺伝子をもともとの遺伝子配列とは異なったＤＮＡ配列に符号化する具体的な方法について図２１を参照して説明する。まず、ｍＲＮＡを逆転写して、ｃＤＮＡを得る。次いで、図２１（ａ）に示すように、各遺伝子ｉに相補的なビオチン標識ａ_ｉとＲｉｄｓ_ｉをｃＤＮＡ上で結合させる。次いで、図２１（ｂ）に示すように、結合が起こったものをビオチンと結合する磁性ビーズで集める。ここで、結合はその遺伝子のｃＤＮＡ量に比例して起こる。また、各細胞、臓器、組織で１つのチューブを用いる。そして、図２１（ｃ）に示すように、ＳＤ配列やＥＤ配列に結合するプライマ（primer）を用いて、ＰＣＲ（Polymerase Chain Reaction）法でＳＤ配列−ＥＤ配列の間を増幅する。さらに、図２１（ｄ）に示すように、各細胞・臓器・組織毎に別の蛍光標識でラベルをつけたプライマ（Ｄ２）と、各遺伝子毎に別の配列が対応づけられた配列Ｄ１の相補鎖

を増幅産物上で結合させる。これにより、各遺伝子に固有の配列をもつ蛍光標識付加配列Ｄ１がその遺伝子の発現量に比例して産生され、ＤＮＡチップで発現量を検出する。

以上説明したように、本発明によれば、ＥＳＴ頻度を各ライブラリグループ毎に平均化することにより、ＤＤＤ法で取りこぼしている統計的に有意に達しない遺伝子タグを取得することができる。また、出力指定やクラス指定を用いることにより、また、細分類条件テーブルの細分類条件を用いることにより、所望の発現パターンに合致した検索条件を柔軟に設定することができ、所望の発現遺伝子タグを取得することができる。さらに、既知の遺伝子の発現パターン（平均化ＥＳＴ頻度テーブルの各値）と、平均化ＥＳＴ頻度テーブル７８内の遺伝子パターン（平均化ＥＳＴ頻度テーブルの各値）との間の相関係数又はユークリッド距離を計算し、所定のしきい値以下の距離を有する遺伝子パターンを抽出することにより、例えば自分が研究したい所望の遺伝子に近い遺伝子パターンを抽出することができる。

本発明の一実施形態に係る遺伝子データ処理システムの構成を示すブロック図である。 図１のデータメモリ２３の内部構成を示すブロック図である。 図１の遺伝子データ処理装置１０によって実行される前置処理を示す機能ブロック図である。 図１の遺伝子データ処理装置１０によって実行される、第１の実施形態に係る遺伝子データ処理を示す機能ブロック図である。 図２のライブラリの階層的分類定義データ７２の一例の第１の部分を示す図である。 図２のライブラリの階層的分類定義データ７２の一例の第２の部分を示す図である。 図２のライブラリグループ出力指定テーブル７３の一例を示す図である。 図２のライブラリの階層的分類テーブル７４の一例を示す図である。 図２のＥＳＴ報告数一覧テーブル７５の一例を示す図である。 図２のライブラリグループ毎のＥＳＴ頻度テーブルの一例を示す図である。 図２のクラス分類補助テーブル７７の一例を示す図である。 図２の平均化ＥＳＴ頻度テーブル７８の一例を示す図である。 図２の抽出クラスタの一覧テーブル７９の一例を示す図である。 第１の実施形態の第１の変形例に係る遺伝子データ処理を示す機能ブロック図である。 第１の実施形態の第２の変形例に係る遺伝子データ処理を示す機能ブロック図である。 第１の実施形態の第３の変形例に係る遺伝子データ処理を示す機能ブロック図である。 本発明の第２の実施形態に係る遺伝子データ処理を示す機能ブロック図である。 本発明の第３の実施形態に係る遺伝子データ処理を示す機能ブロック図である。 本発明の第４の実施形態に係る遺伝子データ処理を示す機能ブロック図である。 （ａ）は本発明の第１の実施形態の第３の変形例に係る遺伝子データ処理における、遺伝子データベースのデータＭｍ．ｄａｔａに対するフィッシャーの直接確率法の適用例を示す図であり、（ｂ）は当該適用例の実施例である。 本発明の変形例において用いるＤＮＡ計算プログラムで実行されるＤＮＡ分子反応操作のプロセスを示す図である。

符号の説明

１０…遺伝子データ処理装置、
２０…ＣＰＵ、
２１…ＲＯＭ、
２２…ＲＡＭ、
２３…データメモリ、
２４…プログラムメモリ、
３０…バス、
３１…キーボードインターフェース、
３２…マウスインターフェース、
３３…ディスプレイインターフェース、
３４…プリンタインターフェース、
３５…ドライブ装置インターフェース、
３６…通信インターフェース、
４１…キーボード、
４２…マウス、
４３…ＣＲＴディスプレイ、
４４…プリンタ、
４５…ＣＤ−ＲＯＭドライブ装置、
４５ａ…ＣＤ−ＲＯＭ、
４６…通信端末装置、
５０…インターネット、
６０…遺伝子データベースサーバ装置、
７１…遺伝子データベースのデータ、
７２…ライブラリの階層的分類定義データ
７３…ライブラリグループ出力指定テーブル、
７４…ライブラリの階層的分類テーブル、
７５…ＥＳＴ報告数一覧テーブル、
７６…ライブラリグループ毎のＥＳＴ頻度テーブル、
７７…クラス分類補助テーブル、
７８…平均化ＥＳＴ頻度テーブル、
７９…抽出クラスタの一覧テーブル、
８０…細分類条件テーブル、
８１…データ処理後の出力データ、
１０１…前置処理部、
１０２…ＥＳＴ報告数計数処理部、
１０３…ＥＳＴ頻度計数処理部、
１０４…ＥＳＴ頻度平均化処理部、
１０５…クラス分類補助テーブル生成処理部、
１０６，１０６Ａ，１０６Ｂ，１０６Ｃ，１０６Ｄ，１０６Ｅ…クラスタ抽出処理部、
１０７…細分類条件適用処理部。

Claims (20)

1. 遺伝子データベースの遺伝子データに基づいて、ライブラリを階層的に分類してなる複数のライブラリグループを用いて、当該ライブラリグループ毎の遺伝子データの頻度を計数し、計数されたライブラリグループ毎の頻度に基づいて、各ライブラリグループでの頻度合計値が同一となるようにライブラリグループ毎の平均化された頻度を計算して出力する制御手段を備えたことを特徴とする遺伝子データ処理装置。
2. 上記ライブラリグループは、発生段階別分類、細胞別分類、組織別分類、臓器別分類、腫瘍別分類及び実験条件別分類のうちの少なくとも１つの分類法を用いて階層的に分類されたことを特徴とする請求項１記載の遺伝子データ処理装置。
3. 上記複数のライブラリグループを、遺伝子データが報告されることを期待するクラスＹのライブラリグループと、遺伝子データが報告されてはいけないクラスＮのライブラリグループとをクラス分けするクラス分け情報を入力する第１の入力手段をさらに備え、
   上記制御手段は、上記クラス分け情報に基づく所定の抽出条件を用いて、上記遺伝子データを抽出することを特徴とする請求項１又は２記載の遺伝子データ処理装置。
4. 上記抽出条件は、遺伝子データ毎のクラスＹの頻度及びクラスＮの頻度に基づいて規定されたことを特徴とする請求項３記載の遺伝子データ処理装置。
5. 上記複数のライブラリグループを、遺伝子データが報告されることを期待するクラスＹのライブラリグループと、遺伝子データが報告されてはいけないクラスＮのライブラリグループとをクラス分けするクラス分け情報を入力する第１の入力手段をさらに備え、
   上記制御手段は、１つの遺伝子データベースの遺伝子データと、その他の遺伝子データベースの遺伝子データとの間で、上記クラスＹに属する遺伝子データベースの遺伝子データと、上記クラスＮに属する遺伝子データベースの遺伝子データとについて、上記遺伝子データを抽出することを特徴とする請求項１又は２記載の遺伝子データ処理装置。
6. 上記制御手段は、上記遺伝子データベースの各遺伝子データのパターン同士の類似性を示す相関係数又は距離を計算し、所定の相関係数又は距離のしきい値以下の遺伝子データをクラス分類にまとめるように上記遺伝子データベースの遺伝子データを分類して抽出することを特徴とする請求項１又は２記載の遺伝子データ処理装置。
7. 上記制御手段は、既知の遺伝子データのパターンと、上記遺伝子データベースの各遺伝子データのパターンとの間の類似性を示す相関係数又は距離を計算し、所定の相関係数又は距離のしきい値以下の遺伝子データを抽出して出力することを特徴とする請求項１又は２記載の遺伝子データ処理装置。
8. 上記複数のライブラリグループのうち、遺伝子データを出力したい出力指定ライブラリグループを入力する第２の入力手段を備え、
   上記制御手段は、上記入力された出力指定ライブラリグループに属するライブラリグループに関する遺伝子データを出力することを特徴とする請求項１乃至７のうちのいずれか１つに記載の遺伝子データ処理装置。
9. 上記複数のライブラリグループのうち、所定の目的の遺伝子データを取得するために１つ又はライブラリグループを指定する複数の条件からなる細分類条件を入力する第３の入力手段を備え、
   上記制御手段は、上記入力された細分類条件に合致する遺伝子データを抽出して出力することを特徴とする請求項１乃至８のうちのいずれか１つに記載の遺伝子データ処理装置。
10. 遺伝子データベースの遺伝子データに基づいて、ライブラリを階層的に分類してなる複数のライブラリグループを用いて、当該ライブラリグループ毎の遺伝子データの頻度を計数し、計数されたライブラリグループ毎の頻度に基づいて、各ライブラリグループでの頻度合計値が同一となるようにライブラリグループ毎の平均化された頻度を計算して出力する制御ステップを含むことを特徴とする遺伝子データ処理方法。
11. 上記ライブラリグループは、発生段階別分類、細胞別分類、組織別分類、臓器別分類、腫瘍別分類及び実験条件別分類のうちの少なくとも１つの分類法を用いて階層的に分類されたことを特徴とする請求項１０記載の遺伝子データ処理方法。
12. 上記複数のライブラリグループを、遺伝子データが報告されることを期待するクラスＹのライブラリグループと、遺伝子データが報告されてはいけないクラスＮのライブラリグループとをクラス分けするクラス分け情報を入力する第１の入力ステップをさらに含み、
    上記制御ステップは、上記クラス分け情報に基づく所定の抽出条件を用いて、上記遺伝子データを抽出することを特徴とする請求項１０又は１１記載の遺伝子データ処理方法。
13. 上記抽出条件は、遺伝子データ毎のクラスＹの頻度及びクラスＮの頻度に基づいて規定されたことを特徴とする請求項１２記載の遺伝子データ処理方法。
14. 上記複数のライブラリグループを、遺伝子データが報告されることを期待するクラスＹのライブラリグループと、遺伝子データが報告されてはいけないクラスＮのライブラリグループとをクラス分けするクラス分け情報を入力する第１の入力ステップをさらに含み、
    上記制御ステップは、１つの遺伝子データベースの遺伝子データと、その他の遺伝子データベースの遺伝子データとの間で、上記クラスＹに属する遺伝子データベースの遺伝子データと、上記クラスＮに属する遺伝子データベースの遺伝子データとについて、上記遺伝子データを抽出することを特徴とする請求項１０又は１１記載の遺伝子データ処理方法。
15. 上記制御ステップは、上記遺伝子データベースの各遺伝子データのパターン同士の類似性を示す相関係数又は距離を計算し、所定の相関係数又は距離のしきい値以下の遺伝子データをクラス分類にまとめるように上記遺伝子データベースの遺伝子データを分類して抽出することを特徴とする請求項１０又は１１記載の遺伝子データ処理方法。
16. 上記制御ステップは、既知の遺伝子データのパターンと、上記遺伝子データベースの各遺伝子データのパターンとの間の類似性を示す相関係数又は距離を計算し、所定の相関係数又は距離のしきい値以下の遺伝子データを抽出して出力することを特徴とする請求項１０又は１１記載の遺伝子データ処理方法。
17. 上記複数のライブラリグループのうち、遺伝子データを出力したい出力指定ライブラリグループを入力する第２の入力ステップを含み、
    上記制御ステップは、上記入力された出力指定ライブラリグループに属するライブラリグループに関する遺伝子データを出力することを特徴とする請求項１０乃至１６のうちのいずれか１つに記載の遺伝子データ処理方法。
18. 上記複数のライブラリグループのうち、所定の目的の遺伝子データを取得するために１つ又はライブラリグループを指定する複数の条件からなる細分類条件を入力する第３の入力ステップを含み、
    上記制御ステップは、上記入力された細分類条件に合致する遺伝子データを抽出して出力することを特徴とする請求項１０乃至１７のうちのいずれか１つに記載の遺伝子データ処理方法。
19. 請求項１０乃至１８のうちのいずれか１つに記載の遺伝子データ処理方法に記載の各ステップを含むことを特徴とする遺伝子処理プログラム。
20. 請求項１０乃至１８のうちのいずれか１つに記載の遺伝子データ処理方法に記載の各ステップを含むプログラムを格納したことを特徴とするコンピュータにより読み取り可能な記録媒体。
    

Images