JP2007193708A - ゲノム解析プログラム、該プログラムを記録した記録媒体、ゲノム解析装置およびゲノム解析方法 - Google Patents

Abstract

【課題】塩基配列同士の圧縮規則を比較し、コンピュータ資源の有効利用とともに塩基配列の全体解析の効率化を図ること。
【解決手段】入力部３０１は、比較対象配列の入力を受け付け、判断部３０２および圧縮部３０３は、入力された比較対象配列を、圧縮規則ＤＢ１２０に記憶された圧縮規則に基づいて、圧縮処理する。さらに、圧縮化情報ＤＢ３１０から、比較元配列の圧縮文字列を取得し、第１抽出部３０４および第２抽出部３０５は、比較対象配列の圧縮文字列と、比較元配列の圧縮文字列との中から、特定文字情報を抽出する。比較部３０６は、抽出された特定文字情報の比較処理をおこなう。また、判定部３０７は、相同性規則ＤＢ１３０に記憶された、塩基を示す文字情報の相同性に関する相同性規則を参照して相同性の有無を判定する。そして、出力部３０８は、比較された比較結果を出力する。
【選択図】図３

Description

この発明は、遺伝子領域予測やゲノム構造解析のための塩基配列の比較をおこなうゲノム解析プログラム、該プログラムを記録した記録媒体、ゲノム解析装置およびゲノム解析方法に関する。

生物の遺伝情報は、その生物の細胞中の染色体における塩基配列の並びによって符号化され格納されている。近年では、ゲノムプロジェクトの成果により、ヒトゲノムの約半分は、生体機能への影響がほとんど解明されていない繰り返し配列が占め、残りに様々な遺伝子が存在することがわかってきた。しかし、ヒトゲノムには、１万塩基単位以上の繰り返し配列および一部が変異しながら繰り返している配列などが潜んでおり、これら長大な配列についての研究は未だ進展していない。したがって、現在、長大な塩基配列の全体概要を確認する技術が必要となっている。

これまで、塩基配列の比較は、すべての塩基配列に対する一致判定や、相同性を用いた一致判定などをコンピュータ上でおこなっていた。また、遺伝子配列比較表示装置において、遺伝子配列を高速に比較するための高速化用のインデックス（部分配列群）を作成して、そのインデックス（部分配列群）を用いて遺伝子配列の比較をおこなう提案がされている（たとえば、下記特許文献１参照。）。

国際公開第０３／０９８４７１号パンフレット

しかしながら、上述した従来技術では、長大な塩基配列に関しては、メモリ使用量や計算時間などのコンピュータ資源に制限があるため、長大な塩基配列を複数に分割し、分割された単位で比較しなければならないため、塩基配列全体に対する解析は困難であるという問題があった。くわえて、インデックスなどを作成して、複数に分割する場合であっても、大量のメモリを使用するため、コンピュータ資源を有効に利用することができないという問題があった。

この発明は、上述した従来技術による問題点を解消するため、長大な塩基配列を比較する際、コンピュータ資源の有効利用とともに塩基配列の全体解析の効率化を図ることができるゲノム解析プログラム、該プログラムを記録した記録媒体、ゲノム解析装置およびゲノム解析方法を提供することを目的とする。

上述した課題を解決し、目的を達成するため、この発明にかかるゲノム解析プログラム、該プログラムを記録した記録媒体、ゲノム解析装置およびゲノム解析方法は、アデニン、チミン、グアニン、シトシンの４つの塩基を示す文字情報が配列された塩基配列の中から選ばれた特定塩基配列を、前記塩基を示す文字情報とは異なる特定文字情報に変換するという圧縮規則を用いて、ゲノム解析をコンピュータに実行させるゲノム解析プログラム、該プログラムを記録した記録媒体、ゲノム解析装置およびゲノム解析方法であって、前記塩基配列を有する任意のゲノム配列情報の入力を受け付けさせ、入力されたゲノム配列情報に、前記特定塩基配列が含まれているか否かを判断させ、判断された判断結果に基づいて、前記圧縮規則に従って前記ゲノム配列情報を圧縮させ、圧縮されたゲノム配列情報の中から、前記特定文字情報（以下「第１の特定文字情報」という）を抽出させ、前記塩基配列を有する既知のゲノム配列情報から前記圧縮規則に従って圧縮された既知の圧縮化ゲノム配列情報の中から、前記特定文字情報（以下、「第２の特定文字情報」という）を抽出させ、抽出された前記第１および第２の特定文字情報を比較させ、比較された比較結果を出力させることを特徴とする。

この発明によれば、塩基配列を分割することなく圧縮規則によって圧縮して比較できるため、塩基配列の全体を効率的に把握するとともに、取り扱うデータ量を削減して、コンピュータ資源の有効利用を図ることができる。

また、上記発明において、比較された結果、抽出された前記第１および第２の特定文字情報が一致しない場合、当該第１および第２の特定文字情報の圧縮元となる前記特定塩基配列同士が相同性を有するか否かを判定させ、さらに、判定された判定結果を出力させることとしてもよい。

この発明によれば、塩基配列の相同性に関する相同性規則を参照して、比較がおこなえるため、完全一致した塩基配列に加えて、同様の性質をもった塩基配列を抽出でき、適切な比較をおこなうことができる。

また、上記発明において、比較された結果、抽出された前記第１および第２の特定文字情報が一致した場合、当該第１および第２の特定文字情報と、当該第１および第２の特定文字情報の圧縮元となる前記特定塩基配列とのうち少なくともいずれか一方を出力させることとしてもよい。

この発明によれば、塩基配列のうち、一致する文字情報を簡易に抽出することができる。

また、この発明にかかるゲノム解析プログラム、該プログラムを記録した記録媒体、ゲノム解析装置およびゲノム解析方法は、アデニン、チミン、グアニン、シトシンの４つの塩基を示す文字情報が配列された塩基配列の中から選ばれた相同性のある複数の特定塩基配列を、前記塩基を示す文字情報とは異なる共通の特定文字情報に変換するという圧縮規則を用いて、ゲノム解析をコンピュータに実行させるゲノム解析プログラム、該プログラムを記録した記録媒体、ゲノム解析装置およびゲノム解析方法であって、前記塩基配列を有する任意のゲノム配列情報の入力を受け付けさせ、入力されたゲノム配列情報に、前記特定塩基配列が含まれているか否かを判断させ、前記判断工程によって判断された判断結果に基づいて、前記圧縮規則に従って前記ゲノム配列情報を圧縮させ、前記圧縮工程によって圧縮されたゲノム配列情報の中から、前記特定文字情報を抽出させ、前記塩基配列を有する既知のゲノム配列情報から前記圧縮規則に従って圧縮された既知の圧縮化ゲノム配列情報の中から、前記特定文字情報を抽出させ、抽出された特定文字情報を比較させ、比較された比較結果を出力させることを特徴とする。

この発明によれば、塩基配列を相同性規則を用いた圧縮規則によって圧縮して比較できるため、塩基配列の比較に際し、相同性規則を読み込むことなく、相同性を考慮した比較をおこなえるため、塩基配列の適切な比較を高速かつ簡易な処理によっておこなうことができる。

本発明にかかるゲノム解析プログラム、該プログラムを記録した記録媒体、ゲノム解析装置およびゲノム解析方法によれば、長大な塩基配列の比較であっても、コンピュータ資源を有効利用するとともに塩基配列における全体解析の効率化を図ることができるという効果を奏する。

以下に添付図面を参照して、この発明にかかるゲノム解析プログラム、該プログラムを記録した記録媒体、ゲノム解析装置およびゲノム解析方法の好適な実施の形態を詳細に説明する。

（実施の形態１）
（ゲノム解析装置の処理の概要）
まず、図１を用いて、この発明の実施の形態１にかかるゲノム解析装置の処理の概要について説明する。図１は、この発明の実施の形態１にかかるゲノム解析装置の処理の概要を示す説明図である。図１において、この発明の実施の形態１にかかるゲノム解析装置の処理は、圧縮処理１０１，１０２と、比較処理１０３と、からなる。

ゲノム解析装置では、比較対象となる未知の塩基配列である比較対象配列１１１と、比較元となる既知の塩基配列である比較元配列１１２との比較をおこなう構成である。比較対象配列１１１および比較元配列１１２は、より具体的には、アデニン（Ａ）、チミン（Ｔ）、グアニン（Ｇ）、シトシン（Ｃ）の４つの塩基を示す文字情報が配列された塩基配列である。

比較対象配列１１１と、比較元配列１１２との比較をおこなう場合、それぞれ圧縮処理１０１，１０２によって圧縮し、圧縮文字列１１３，１１４を生成する。圧縮処理１０１，１０２は、たとえば、圧縮規則ＤＢ（データベース）１２０に記憶された所定の圧縮規則に基づいておこなう。より具体的には、圧縮規則は、アデニン（Ａ）、チミン（Ｔ）、グアニン（Ｇ）、シトシン（Ｃ）の４つの塩基を示す文字情報が配列された塩基配列の中から選ばれた特定の特定塩基配列を、特定塩基配列とは異なる特定の特定文字情報に変換することであり、詳細は図４−１，図４−２に後述する。

なお、図１においては、図示しないが、既知の比較元配列１１２の圧縮文字列１１４は、あらかじめ圧縮処理１０２をおこなって、複数の圧縮文字列１１４を圧縮化情報ＤＢ（データベース）などの記録媒体によって記憶しておく構成としてもよい。

つづいて、比較処理１０３によって、圧縮処理１０１，１０２において圧縮された圧縮文字列１１３，１１４を比較する。比較処理１０３による比較は、圧縮文字列１１３，１１４における特定文字情報の比較で、たとえば、相同性規則ＤＢ１３０に記憶された、塩基を示す文字情報の相同性に関する相同性規則を参照しておこなってもよい。

より具体的には、特定文字情報の元となる特定塩基配列について、相同性を有するか否かを判断する構成であり、これにより、特定文字情報の一致にくわえて、相同性の比較がなされる。なお、相同性規則については、図５−１，図５−２に後述する。そして、比較処理１０３によって比較された比較結果１１５を得ることができる。

（ゲノム解析装置のハードウェア構成）
つぎに、図２を用いて、この発明の実施の形態１にかかるゲノム解析装置のハードウェア構成について説明する。図２は、この発明の実施の形態１にかかるゲノム解析装置のハードウェア構成を示すブロック図である。

図２において、ゲノム解析装置は、ＣＰＵ２０１と、ＲＯＭ２０２と、ＲＡＭ２０３と、ＨＤＤ（ハードディスクドライブ）２０４と、ＨＤ（ハードディスク）２０５と、ＦＤＤ（フレキシブルディスクドライブ）２０６と、着脱可能な記録媒体の一例としてのＦＤ（フレキシブルディスク）２０７と、ディスプレイ２０８と、通信Ｉ／Ｆ（インターフェース）２０９と、キーボード２１１と、マウス２１２と、スキャナ２１３と、プリンタ２１４と、を備えている。また、各構成部はバス２００によってそれぞれ接続されている。

ここで、ＣＰＵ２０１は、ゲノム解析装置の全体の制御を司る。ＲＯＭ２０２は、ブートプログラムなどのプログラムを記憶している。ＲＡＭ２０３は、ＣＰＵ２０１のワークエリアとして使用される。ＨＤＤ２０４は、ＣＰＵ２０１の制御にしたがってＨＤ２０５に対するデータのリード／ライトを制御する。ＨＤ２０５は、ＨＤＤ２０４の制御で書き込まれたデータを記憶する。

ＦＤＤ２０６は、ＣＰＵ２０１の制御にしたがってＦＤ２０７に対するデータのリード／ライトを制御する。ＦＤ２０７は、ＦＤＤ２０６の制御で書き込まれたデータを記憶したり、ＦＤ２０７に記憶されたデータをゲノム解析装置に読み取らせたりする。

また、着脱可能な記録媒体として、ＦＤ２０７のほか、ＣＤ−ＲＯＭ（ＣＤ−Ｒ、ＣＤ−ＲＷ）、ＭＯ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）、メモリカードなどであってもよい。ディスプレイ２０８は、カーソル、アイコンあるいはツールボックスをはじめ、文書、画像、機能情報などのデータを表示する。このディスプレイ２０８は、たとえば、ＣＲＴ、ＴＦＴ液晶ディスプレイ、プラズマディスプレイなどを採用することができる。

通信Ｉ／Ｆ２０９は、通信回線２１０を通じてインターネットなどのネットワーク２１５に接続され、このネットワーク２１５を介して他の装置に接続される。また、通信Ｉ／Ｆ２０９は、ネットワーク２１５と内部のインターフェースを司り、外部装置からのデータの入出力を制御する。通信Ｉ／Ｆ２０９には、たとえばモデムやＬＡＮアダプタなどを採用することができる。

キーボード２１１は、文字、数字、各種指示などの入力のためのキーを備え、押下されたキーに対応するデータを装置内部へ入力する。また、キーボード２１１としては、タッチパネル式の入力パッドやテンキーなどであってもよい。また、マウス２１２を操作することで、マウス２１２の本体下部の移動を検出するセンサによる出力および本体上部の各ボタンのＯＮ／ＯＦＦを随時装置内部へ入力して、カーソルの移動や範囲選択、あるいはウィンドウの移動やサイズの変更などをおこなってもよい。なお、ポインティングデバイスとして同様に機能を備えるものであれば、トラックボールやジョイスティックなどであってもよい。

スキャナ２１３は、書類などの画像情報を光学的に読み取り、装置内に画像データとして取り込む。さらにＯＣＲ（Ｏｐｔｉｃａｌ Ｃｈａｒａｃｔｅｒ Ｒｅａｄｅｒ）機能も備えており、ＯＣＲ機能によって、印刷されたゲノム配列情報を読み取ってデータ化することもできる。また、プリンタ２１４は、比較結果１１５などのデータを印刷する。プリンタ２１４は、たとえば、レーザプリンタ、インクジェットプリンタなどである。

（ゲノム解析装置の機能的構成）
つぎに、図３を用いて、この発明の実施の形態１にかかるゲノム解析装置の機能的構成について説明する。図３は、この発明の実施の形態１にかかるゲノム解析装置の機能的構成を示すブロック図である。図３において、ゲノム解析装置３００は、入力部３０１と、判断部３０２と、圧縮部３０３と、第１抽出部３０４と、第２抽出部３０５と、比較部３０６と、判定部３０７と、出力部３０８と、圧縮化情報ＤＢ３１０と、圧縮規則ＤＢ１２０と、相同性規則ＤＢ１３０と、から構成されている。

入力部３０１は、アデニン（Ａ）、チミン（Ｔ）、グアニン（Ｇ）、シトシン（Ｃ）の４つの塩基を示す文字情報が配列された塩基配列を有する任意のゲノム配列情報の入力を受け付ける。より具体的には、図１で前述した、比較対象となる未知の塩基配列である比較対象配列１１１の入力を受け付ける。

入力部３０１は、具体的には、たとえば、図２で示した通信Ｉ／Ｆ２０９がネットワーク２１５から比較対象配列１１１を受信することによって、その機能を実現する。また、比較対象配列１１１が記憶された着脱可能な記録媒体ＦＤ２０７およびＦＤＤ２０６によって、その機能を実現する。また、ＯＣＲ機能を備えたスキャナ２１３やキーボード２１１やマウス２１２によって、その機能を実現する構成としてもよい。

判断部３０２は、入力部３０１によって入力されたゲノム配列情報に特定塩基配列が含まれているか否かを判断する。より具体的には、入力部３０１によって入力された、アデニン（Ａ）、チミン（Ｔ）、グアニン（Ｇ）、シトシン（Ｃ）の４つの塩基を示す文字情報が配列された比較対象配列１１１の中に、図１で前述した圧縮規則ＤＢ（データベース）１２０に記憶された、特定塩基配列が配列されているか否かを判断する。

ここで、特定塩基配列は、アデニン（Ａ）、チミン（Ｔ）、グアニン（Ｇ）、シトシン（Ｃ）の４つの塩基を示す文字情報が配列された塩基配列の中から選ばれた文字情報である。より具体的には、ヒトゲノムなどの長大な塩基配列において、疾患が解明されている既知の配列や、未解明であっても頻繁に出現する出現率の高い配列や、出現の順序が並びの前である配列などである。また、Ｈｕｆｆｍａｎ圧縮やＬＺＷ（Ｌｅｍｐｅｌ Ｚｉｖ Ｗｅｌｃｈ）圧縮などを加味して、長大な塩基配列中の出現率を考慮するものであってもよい。

圧縮部３０３は、判断部３０２によって判断された判断結果に基づいて、圧縮規則ＤＢ１２０に記憶された圧縮規則に従って、ゲノム配列情報を圧縮する。より具体的には、判断部３０２によって、比較対象配列１１１に特定塩基配列が含まれていると判断された場合、特定塩基配列を、特定塩基配列とは異なる特定文字情報に変換し、圧縮文字列１１３とする構成で、詳細は図４−１，図４−２に後述する。

また、特定文字情報は、特定塩基配列における文字情報とは別の文字情報であり、たとえば、特定塩基配列よりもデータ量を削減するもので、特定文字情報を略字の文字列とするＩＤ（ＩＤｅｎｔｉｆｉｅｒ）の役割を有する。また、特定文字情報は、たとえば、データ量の削減という観点から、特定塩基配列の文字情報より短い文字情報であればよく、１文字程度であることが好ましい。

換言すれば、特定塩基配列に対応付けられた特定文字情報を用いた圧縮規則による圧縮は、比較対象配列１１１および比較元配列１１２において、全体のデータ量を圧縮するとともに、比較対象配列１１１および比較元配列１１２に含まれる特徴的な特定塩基配列を特定文字情報に変換する構成である。したがって、後述する特定文字情報抽出後の比較に関し、メモリ使用の最適化などコンピュータ資源を効率的に利用するとともに、特徴点の比較を容易にする構成としている。なお、特定塩基配列と特定文字情報を用いた圧縮の詳細については、図４−１，図４−２に後述する。

第１抽出部３０４は、圧縮部３０３によって圧縮されたゲノム配列情報の中から、特定文字情報を抽出する。より具体的には、圧縮部３０３によって圧縮された圧縮文字列１１３（圧縮前は、比較対象配列１１１）の中から、特定文字情報を抽出する。

第２抽出部３０５は、圧縮化情報ＤＢ３１０に記憶された、既知の圧縮化ゲノム配列情報の中から、特定文字情報を抽出する。より具体的には、圧縮規則ＤＢ１２０に記憶された圧縮規則に従って、図１で前述した既知のゲノム配列情報である比較元配列１１２を圧縮した圧縮文字列１１４の中から、特定文字情報を抽出する。

これら、第１抽出部３０４および第２抽出部３０５による特定文字情報の抽出は、未知の比較対象配列１１１および既知の比較元配列１１２の、それぞれにおける特定文字情報を抽出する構成である。したがって、それぞれの特定文字情報をキーとして、後述の比較部３０６による比較を容易にしている。換言すれば、特定文字情報以外の文字情報を比較することなく、解析対象である比較対象配列の特定文字情報以外の文字情報の解析をすることなく、効率的な解析がおこなえる。

なお、圧縮化情報ＤＢ３１０は、あらかじめ、塩基配列を有する既知のゲノム配列情報から、圧縮規則ＤＢ１２０に記憶された圧縮規則に従って圧縮された、既知の圧縮化ゲノム配列情報を記憶する。より具体的には、既知のゲノム配列情報である比較元配列１１２を圧縮した圧縮文字列１１４を記憶する構成であり、複数の圧縮文字列１１４を記憶していてもよい。

また、図３の説明においては、あらかじめ圧縮化情報ＤＢ３１０に記憶された、既知のゲノム配列情報である比較元配列１１２を圧縮した圧縮文字列１１４から特定文字情報を抽出する構成としているが、前述の入力部３０１と、判断部３０２と、圧縮部３０３と、圧縮規則ＤＢ１２０と、同様の構成を用いて、比較元配列１１２を圧縮し、特定文字情報を抽出する構成としてもよい。

比較部３０６は、第１抽出部３０４によって抽出された特定文字情報と、第２抽出部３０５によって抽出された特定文字情報とを比較する。より具体的には、図１で前述した圧縮文字列１１３と、圧縮文字列１１４とから抽出された特定文字情報同士を比較する。

判定部３０７は、比較部３０６によって比較された結果、第１抽出部３０４によって抽出された特定文字情報と、第２抽出部３０５によって抽出された特定文字情報とが一致しない場合、相同性規則ＤＢ１３０を参照して、特定文字情報同士が相同性を有するか否かを判定する。より具体的には、それぞれの特定文字情報における、圧縮元の特定塩基配列について、相同性規則を参照することで相同性の有無を判定する。

上述の特定文字情報同士の比較および判定によって、未知の比較対象配列１１１における特定塩基配列に対して、一致あるいは相同性を有する特定塩基配列を含み既知の比較元塩基配列１１２を比較できるため、未知の比較対象配列１１１の特徴点や疾患の有無や配列パターンの解析が容易におこなえる。

ここで、相同性規則ＤＢ１３０は、あらかじめ、塩基を示す文字情報の相同性に関する相同性規則が記憶されており、相同性規則については、図５−１，図５−２に後述する。そして、出力部３０８は、比較部３０６によって比較された比較結果や、判定部３０７によって判定された判定結果を出力する。出力部３０７の出力は、たとえば、比較部３０６によって比較された結果、抽出された特定文字情報同士が一致した場合、特定文字情報と、特定文字情報の圧縮元となる特定塩基配列のうち少なくともいずれか一方を出力する。

出力部３０８は、具体的には、たとえば、図２で示したディスプレイ２０８による表示出力や、プリンタ２１４による印刷出力によって、その機能を実現する。また、出力部３０８は、通信Ｉ／Ｆ２０９がネットワーク２１５を介して、外部装置へ出力することによって、その機能を実現することとしてもよい。

また、出力された出力結果によって、長大な塩基配列の全体を把握して解析するすることができ、さらには、従来技術によって分割されて比較された結果とともに利用することで、長大な塩基配列のゲノム構造解析に用いることができる。

なお、図３において上述した判断部３０２、圧縮部３０３、第１抽出部３０４、第２抽出部３０５、比較部３０６、判定部３０７は、具体的には、たとえば、図２で示したＲＯＭ２０２、ＲＡＭ２０３、ＨＤ２０５などの記録媒体に記憶されたプログラムを、ＣＰＵ２０１が実行することによって、また通信Ｉ／Ｆ２０９やキーボード２１１やマウス２１２によって、その機能を実現する。

圧縮規則ＤＢ１２０、相同性規則ＤＢ１３０、圧縮化情報ＤＢ３１０は、具体的には、たとえば、図２で示したＲＯＭ２０２、ＲＡＭ２０３、ＨＤ２０５およびＨＤＤ２０４、ＦＤ２０７およびＦＤＤ２０６によって、その機能を実現する。また、圧縮規則ＤＢ１２０、相同性規則ＤＢ１３０、圧縮化情報ＤＢ３１０は、入力部３０１と同様の構成によって、それぞれ圧縮規則、相同性規則、圧縮化ゲノム配列情報の入力を受け付けるようにしてもよい。

（ゲノム解析装置の処理の具体例）
つぎに、図４−１および図４−２を用いて、この発明の実施の形態１にかかるゲノム解析装置３００の処理の具体例について説明する。図４−１は、この発明の実施の形態１にかかるゲノム解析装置の処理の具体例を示す説明図である。図４−１において、ゲノム解析装置３００は、アデニン（Ａ）、チミン（Ｔ）、グアニン（Ｇ）、シトシン（Ｃ）の４つの塩基を示す文字情報が配列された塩基配列である、比較対象配列４０１と、比較元配列４０２との比較をおこなう。なお、図４−１においては、比較対象配列４０１と、比較元配列４０２は、入力部３０１によって入力される構成である。

圧縮規則ＤＢ１２０は、圧縮規則４０３が記憶されている。圧縮規則４０３は、たとえば、図３で前述の疾患が解明されている既知の配列や出現率の高い配列などを示す特定塩基配列を、特定塩基配列とは異なる特定文字情報に変換することで、図４−１では、比較対象配列４０１および比較元配列４０２に対し、略字の対象となる略字文字列である特定塩基配列と、特定塩基配列に対応するＩＤとしての特定文字情報が設定されている。より具体的には、圧縮規則４０３を参照することで、表中の特定塩基配列は、それぞれ「Ｘ」あるいは「Ｙ」に変換される。

比較対象配列４０１および比較元配列４０２は、図３で前述した判断部３０２および圧縮部３０３によって、圧縮規則ＤＢ１２０に記憶された圧縮規則４０３に従って圧縮される。より具体的には、比較対象配列４０１は、圧縮文字列４０４に変換され、比較元配列４０２は、圧縮文字列４０５に変換される

つづいて、図３で前述した第１抽出部３０４および第２抽出部３０５によって、圧縮文字列４０４と、圧縮文字列４０５における特定文字情報を抽出し、比較部３０６によって、抽出された特定文字情報に対応する特定塩基配列同士を比較する。そして、特定塩基配列の一致部分４０６を得ることができる。より具体的には、図４−１に示す特定塩基配列の一致部分４０６の下線部が一致する構成である。

そして、図３で前述した出力部３０８によって、特定塩基配列の一致部分４０６に基づいて、比較対象配列４０１と、比較元配列４０２との比較結果４０７を出力する。より具体的には、図４−１に示す比較結果４０７の下線部が、それぞれの一致部分である。なお、「−」（ハイフン）は、それぞれの桁を揃えるために挿入された符号で、塩基を示す文字情報は含まない。

つぎに、この発明の実施の形態１にかかるゲノム解析装置３００において、相同性規則ＤＢ１３０を用いて処理をおこなう例について説明する。図４−２は、この発明の実施の形態１にかかるゲノム解析装置における相同性規則ＤＢを用いた処理の具体例を示す説明図である。

図４−２において、ゲノム解析装置３００は、アデニン（Ａ）、チミン（Ｔ）、グアニン（Ｇ）、シトシン（Ｃ）の４つの塩基を示す文字情報が配列された塩基配列である、比較対象配列４１１と、比較元配列４１２との比較をおこなう。なお、図４−２においては、比較対象配列４１１と、比較元配列４１２は、入力部３０１によって入力される構成である。

圧縮規則ＤＢ１２０は、圧縮規則４１３が記憶されている。図４−２においては、圧縮規則４１３を参照することで、表中の特定塩基配列は、それぞれ「Ｘ」あるいは「Ｙ」に変換される。

比較対象配列４１１および比較元配列４１２は、図３で前述した判断部３０２および圧縮部３０３によって、圧縮規則ＤＢ１２０に記憶された圧縮規則４１３に従って圧縮される。より具体的には、比較対象配列４１１は、圧縮文字列４１４に変換され、比較元配列４１２は、圧縮文字列４１５に変換される。

つづいて、図３で前述した第１抽出部３０４および第２抽出部３０５によって、圧縮文字列４１４と、圧縮文字列４１５における特定文字情報を抽出する。そして、比較部３０６および判定部３０７によって、抽出された特定文字情報に対応する特定塩基配列同士を比較し、相同性を有しているか否かを判定して、特定塩基配列の相同部分４１６を得ることができる。より具体的には、図４−２に示す特定塩基配列の相同部分４１６の下線部が相同する構成である。なお、相同性規則ＤＢ１３０に記憶された相同性に関する情報については、図５−１および図５−２に後述する。

そして、図３で前述した出力部３０８によって、特定塩基配列の相同部分４１６に基づいて、比較対象配列４１１と、比較元配列４１２との比較結果４１７を出力する。より具体的には、図４−２に示す比較結果４１７の下線部が、それぞれの相同部分である。なお、「−」（ハイフン）は、それぞれの桁を揃えるために挿入された符号で、塩基を示す文字情報を含まない。なお、出力部３０８による出力の一例について、図６に後述する。

つぎに、図５−１および図５−２を用いて、この発明の実施の形態１にかかる相同性規則ＤＢ１３０に記憶された相同性規則について説明する。図５−１は、この発明の実施の形態１にかかる相同性規則ＤＢに記憶された、核酸における文字情報の一例を示す説明図である。また、図５−２は、この発明の実施の形態１にかかる核酸の相同性規則における相同性辞書を示す説明図である。

図５−１において、核酸の文字情報を示す核酸表５１０は、それぞれ核酸におけるシンボルをあらわす文字情報と、文字情報に対応付けられた意味と、その説明とから構成されている。より具体的には、シンボル「ａ」は、「ａ」を意味し、アデニン（Ａ）を示す。また、シンボル「ｍ」は、「ａ」または「ｃ」を意味し、アミノを示す。

それぞれの相同性に関しては、図５−２における相同性規則における相同性辞書５２０に基づいて設定できる。相同性辞書５２０は、縦および横に示された核酸の文字情報同士に関して、それぞれスコア値を有しており、たとえば、「Ｃ」に対するスコア値は、「Ａ」が−３、「Ｃ」が４となっている。この相同性辞書５２０を参照して、特定塩基配列について、全体のスコア値が所定のしきい値以上であれば、相同性を有するとする構成でもよい。

より具体的に、特定塩基配列「ＡＴＣＧ」および「ＡＴＧＧ」における全体のスコア値について説明する。相同性辞書５２０を参照して、各文字情報のスコア値は、「Ａ」と「Ａ」は４、「Ｔ」と「Ｔ」は４、「Ｃ」と「Ｇ」は−３、「Ｇ」と「Ｇ」は４であることから、全体のスコア値は９となる。このとき、所定のしきい値が５であるとする、特定塩基配列「ＡＴＣＧ」および「ＡＴＧＧ」は、相同性を有する構成である。

なお、図５−１および図５−２においては、核酸における相同性について説明したが、その他、アデニン（Ａ）、チミン（Ｔ）、グアニン（Ｇ）、シトシン（Ｃ）の４つの塩基を示す文字情報が配列について、同様の構成で相同性辞書を用意することとしてもよい。より具体的には、相同性規則ＤＢ１３０は、核酸から所定の規則によって変換できるアミノ酸について相同性辞書を記憶することとしてもよい。

つづいて、図６を用いて、この発明の実施の形態１にかかる出力部３０８による出力の一例について説明する。図６は、この発明の実施の形態１にかかる出力部による出力結果の一例を示す説明図である。なお、図６の出力結果は、図４−２で前述した、比較対象配列４１１と、比較元配列４１２との比較について説明する。

図６において、比較結果マトリックス６００は、比較対象配列６０１および比較元配列６０２の文字情報のそれぞれについて、一致あるいは相同性を有する部分である黒丸６１０と、不一致および相同性を有しない部分である白丸６２０と、から構成されている。

（ゲノム解析装置３００のゲノム解析処理手順）
つぎに、図７を用いて、この発明の実施の形態１にかかるゲノム解析装置３００のゲノム解析処理手順について説明する。図７は、この発明の実施の形態１にかかるゲノム解析装置のゲノム解析処理手順を示すフローチャートである。図７のフローチャートにおいて、まず、ゲノム解析装置３００は、入力部３０１により、比較対象配列の入力を受け付けたか否かを判断する（ステップＳ７０１）。比較対象配列は、たとえば、図１で前述した、比較対象となる未知の塩基配列である比較対象配列１１１などで、アデニン（Ａ）、チミン（Ｔ）、グアニン（Ｇ）、シトシン（Ｃ）の４つの塩基を示す文字情報が配列された塩基配列である。

ステップＳ７０１において、比較対象配列１１１の入力を受け付けるのを待って、受け付けた場合（ステップＳ７０１：Ｙｅｓ）は、つづいて、判断部３０２および圧縮部３０３により、比較対象配列１１１の圧縮処理をおこなう（ステップＳ７０２）。圧縮処理は、たとえば、圧縮規則ＤＢ１２０に記憶された所定の圧縮規則に基づいておこない、圧縮処理の詳細は図８に後述する。

つづいて、ゲノム解析装置３００は、圧縮化情報ＤＢ３１０から、比較元配列の圧縮文字列を取得する（ステップＳ７０３）。比較元配列は、たとえば、図１で前述した、比較元となる既知の塩基配列である比較元配列１１２などで、あらかじめ圧縮処理によって、圧縮文字列１１４に変換されて、圧縮化情報ＤＢ３１０に記憶されている。ここで、圧縮処理は、ステップＳ７０２における圧縮処理と同様にしておこなう構成でもよく、圧縮化情報ＤＢ３１０には、あらかじめ複数の圧縮文字列１１４が記憶されている構成でもよい。

なお、図７の説明では、比較元配列１１２の圧縮文字列１１４を、あらかじめ圧縮化情報ＤＢ３１０に記憶する構成としたが、ステップＳ７０１において、比較対象配列とともに入力を受け付けて、入力ごとにおこなわれる圧縮処理によって取得する構成としてもよい。

つぎに、第１抽出部３０４および第２抽出部３０５は、ステップＳ７０２において圧縮処理された比較対象配列１１１の圧縮文字列１１３と、ステップＳ７０３において取得された比較元配列１１２の圧縮文字列１１４の中から、特定文字情報を抽出する（ステップＳ７０４）。

そして、比較部３０６により、ステップＳ７０４において抽出された特定文字情報について、特定文字情報の比較処理をおこなう（ステップＳ７０５）。特定文字情報の比較処理は、たとえば、判定部３０７により、相同性規則ＤＢ１３０に記憶された、塩基を示す文字情報の相同性に関する相同性規則を参照して相同性の有無に関する判定をおこなってもよく、比較処理の詳細は図９に後述する。

そして、出力部３０８により、ステップＳ７０５において比較された比較結果を出力し（ステップＳ７０６）、一連の処理を終了する。比較結果は、たとえば、図６で前述したようにマトリックスにしてもよく、印刷出力や表示出力や外部装置へデータとして出力することとしてもよい。

つづいて、図８を用いて、この発明の実施の形態１にかかるゲノム解析装置３００における比較対象配列の圧縮処理（図７のステップＳ７０２）手順について説明する。図８は、この発明の実施の形態１にかかる比較対象配列の圧縮処理（図７のステップＳ７０２）手順を示すフローチャートである。

図８のフローチャートにおいて、まず、判断部３０２により、圧縮規則ＤＢ１２０から圧縮規則を読み込む（ステップＳ８０１）。圧縮規則ＤＢ１２０には、アデニン（Ａ）、チミン（Ｔ）、グアニン（Ｇ）、シトシン（Ｃ）の４つの塩基を示す文字情報が配列された塩基配列の中から選ばれた特定塩基配列を、特定塩基配列とは異なる特定文字情報に変換するという圧縮規則が記憶されている。より具体的には、図４−１および図４−２で前述した圧縮規則４０３や圧縮規則４１３などが記憶されている。

つづいて、ステップＳ８０１において読み込まれた圧縮規則を参照して、判断部３０２により、比較対象配列に特定塩基配列が含まれているか否かを判断する（ステップＳ８０２）。特定塩基配列は、たとえば、図４−１および図４−２で前述した特定文字情報と対応付けられている。

ステップＳ８０２において、比較対象配列に特定塩基配列が含まれている場合（ステップＳ８０２：Ｙｅｓ）は、つづいて、圧縮部３０３により、比較対象配列１１１は、圧縮規則に従って圧縮され（ステップＳ８０３）、圧縮文字列１１３となる。そして、図７におけるステップＳ７０２の比較対象配列の圧縮処理を終了して、ステップＳ７０３へ移行する。

また、ステップＳ８０２において、比較対象配列に特定塩基配列が含まれていない場合（ステップＳ８０２：Ｎｏ）は、出力部３０８により、比較不可情報を出力し（ステップＳ８０４）、図７に戻ってそのまま一連の処理を終了する。比較不可情報は、たとえば、圧縮規則に従った圧縮がおこなえずに、同様の圧縮規則によって圧縮された既知の比較元配列が存在しない旨を利用者に報知する。

さらに、図９を用いて、この発明の実施の形態１にかかるゲノム解析装置３００における特定文字情報の比較処理（図７のステップＳ７０５）手順ついて説明する。図９は、この発明の実施の形態１にかかる特定文字情報の比較処理（図７のステップＳ７０５）手順を示すフローチャートである。

図９のフローチャートにおいて、まず、比較部３０６により、特定文字情報が一致しているか否かを判断する（ステップＳ９０１）。特定文字情報の比較は、たとえば、図７のステップＳ７０４によって抽出された比較対象配列１１１の圧縮文字列１１３および比較元配列１１２の圧縮文字列１１４に含まれる特定文字情報同士が一致しているか比較する構成である。

ステップＳ９０１において、特定文字情報が一致している場合（ステップＳ９０１：Ｙｅｓ）は、そのまま図７におけるステップＳ７０５の特定文字情報の比較処理を終了し、ステップＳ７０６へ移行する。

ステップＳ９０１において、特定文字情報が一致しない場合（ステップＳ９０１：Ｎｏ）は、つぎに、判定部３０７により、特定文字情報を復元する（ステップＳ９０２）。特定文字情報の復元は、たとえば、特定文字情報を、特定文字情報に対応する特定塩基配列に変換することである。換言すれば、圧縮規則ＤＢ１２０を参照して、圧縮文字列１１３，１１４の圧縮元の特定塩基配列を取得することである。

そして、判定部３０７により相同性規則ＤＢから相同性規則を読み込む（ステップＳ９０３）とともに、図５−２で前述した相同性辞書に基づいて、ステップＳ９０２で復元した特定塩基配列のスコア値合計を算出する（ステップＳ９０４）。

そして、ステップＳ９０４において算出されたスコア値合計に基づいて、判定部３０７によりスコア値合計がしきい値以上となったか否かを判定する（ステップＳ９０５）。スコア値合計の判定は、換言すれば、特定文字情報同士が相同性を有しているか否かを判定することである。なお、しきい値の設定は、あらかじめ利用者などによって設定できる構成でもよく、その他の塩基配列に対応する変換式などを考慮してもよい。

また、図９の説明では、スコア値合計を算出して相同性の判断をおこなっているが、あらかじめ相同性を有する特定塩基配列をデータベース化しておくこととしてもよい。

ステップＳ９０５において、スコア値合計がしきい値以上である場合（ステップＳ９０５：Ｙｅｓ）は、相同性を有しているものとして、そのまま図７におけるステップＳ７０５の特定文字情報の比較処理を終了して、ステップＳ７０６へ移行する。

また、ステップＳ９０５において、スコア値合計がしきい値以上でない場合（ステップＳ９０５：Ｎｏ）は、相同性を有していないものとして、出力部３０８により、不一致情報を出力し（ステップＳ９０６）、図７に戻ってそのまま一連の処理を終了する。不一致情報は、たとえば、圧縮処理された比較対象配列１１１と比較元配列１１２の特定文字情報が一致しなかった旨を利用者に報知する。

このように、この発明の実施の形態１によれば、比較対象となる未知の塩基配列である比較対象配列と、比較元となる既知の塩基配列である比較元配列との比較をおこなう際、所定の圧縮規則に従って圧縮し、圧縮規則における特定文字情報の比較をおこなう。従って、塩基配列を分割することなく比較することができるため、塩基配列の全体を把握・解析することが可能となる。さらに、従来技術における分割化したゲノム解析と繋げることで、研究の視点を広げることができる。

また、圧縮した圧縮文字列を用いるため、取り扱うデータ量が削減でき、メモリなどのコンピュータ資源の有効利用を図ることができる。くわえて、比較するデータ量も削減できるため、塩基配列の比較の高速化を図ることができる。さらに、塩基配列の相同性に関する相同性規則を参照して、特定文字情報の比較がおこなえるため、完全一致のみならず、同様の性質をもった特定文字情報を抽出でき、塩基配列の適切な比較をおこなうことができる。

（実施の形態２）
（ゲノム解析装置の処理の概要）
つぎに、この発明の実施の形態２について説明する。前述の実施の形態１では、塩基を示す文字情報の相同性に関する相同性規則を記憶した相同性規則ＤＢ１３０を用いて、特定文字情報の相同性に関する判定をおこなう構成としたが、この発明の実施の形態２では、比較対象配列および比較元配列の圧縮に相同性規則ＤＢ１３０を用いる場合について説明する。この発明の実施の形態２では、圧縮に相同性規則ＤＢ１３０を用いることで、特定塩基配列が相同性を有していれば、特定文字情報が共通であるため、前述の実施の形態１における判定をおこなわなくても、適切な出力結果を得ることができる。

なお、この発明の実施の形態２にかかるゲノム解析装置のハードウェア構成については図２、相同性規則ＤＢ１３０に記憶された相同性規則については図５−１および図５−２、出力の一例については図６、とそれぞれほぼ同様であるため説明を省略する。

図１０を用いて、この発明の実施の形態２にかかるゲノム解析装置の処理の概要について説明する。図１０は、この発明の実施の形態２にかかるゲノム解析装置の処理の概要を示す説明図である。図１０において、この発明の実施の形態２にかかるゲノム解析装置の処理は、前述の実施の形態１における図１と同様の符号を使用して説明し、ほぼ同様である構成については説明を省略する。

図１０において、圧縮規則ＤＢ１２０に記憶された圧縮規則は、アデニン（Ａ）、チミン（Ｔ）、グアニン（Ｇ）、シトシン（Ｃ）の４つの塩基を示す文字情報が配列された塩基配列の中から選ばれた特定の特定塩基配列について、相同性規則ＤＢ１３０における相同性規則に基づいて、相同性のある特定塩基配列については共通の特定文字情報に変換することで、詳細は、図１２に後述する。

ここで、共通の特定文字情報は、相同性を有する特定塩基配列を同等の特定塩基配列とみなすために設定する文字情報である。相同性を有する特定塩基配列を共通の特定文字情報として、後述の比較では、特定文字情報を復元することなく、相同性の有無を判定できる。

そして、圧縮処理１０１，１０２によって、比較対象配列１１１と、比較元配列１１２とを圧縮して、圧縮文字列１１３，１１４を生成する構成である。なお、図１０においては、圧縮規則に相同性規則を考慮しているため、比較処理１０３においては、相同性規則を参照せずに、圧縮文字列１１３，１１４の比較をおこなう。

（ゲノム解析装置の機能的構成）
つづいて、図１１を用いて、この発明の実施の形態２にかかるゲノム解析装置の機能的構成について説明する。図１１は、この発明の実施の形態２にかかるゲノム解析装置の機能的構成を示すブロック図である。図１１において、この発明の実施の形態２にかかるゲノム解析装置１１００の機能的構成は、前述の実施の形態１における図３と同様の符号を使用して説明し、ほぼ同様である構成については説明を省略する。

ゲノム解析装置１１００において、圧縮規則ＤＢ１２０には、図１０で前述した特定塩基配列について、相同性規則ＤＢ１３０における相同性規則に基づいて、相同性のある特定塩基配列については共通の特定文字情報に変換する圧縮規則が記憶されている。そして、判断部３０２および圧縮部３０３は、圧縮規則ＤＢ１２０に記憶された圧縮規則に従って、入力部３０１によって入力されたゲノム配列情報の圧縮をおこなう構成である。したがって、相同性のある特定塩基配列について、共通の特定文字情報で変換することで、後述の比較で特定文字情報が一致しない場合には、相同性も有していないものとなる。

また、圧縮化情報ＤＢ３１０は、あらかじめ、塩基配列を有する既知のゲノム配列情報から、圧縮規則ＤＢ１２０に記憶された圧縮規則に従って圧縮された、既知の圧縮化ゲノム配列情報を記憶する。より具体的には、既知のゲノム配列情報である比較元配列１１２を圧縮した圧縮文字列１１４を記憶する構成であり、相同性のある特定塩基配列については共通の特定文字情報を用いて、複数の圧縮文字列１１４を記憶していてもよい。

（ゲノム解析装置の処理の具体例）
つぎに、図１２を用いて、この発明の実施の形態２にかかるゲノム解析装置１１００の処理の具体例について説明する。図１２は、この発明の実施の形態２にかかるゲノム解析装置の処理の具体例を示す説明図である。図１２において、この発明の実施の形態２にかかるゲノム解析装置の処理の具体例は、前述の実施の形態２における図４−２と同様の符号を使用して説明し、ほぼ同様である構成については説明を省略する。

図１２において、ゲノム解析装置１１００は、アデニン（Ａ）、チミン（Ｔ）、グアニン（Ｇ）、シトシン（Ｃ）の４つの塩基を示す文字情報が配列された塩基配列である、比較対象配列４１１と、比較元配列４１２との比較をおこなう。

圧縮規則ＤＢ１２０は、圧縮規則１２０１が記憶されている。ここで、圧縮規則１２０１は、図５−１および図５−２に前述した相同性規則ＤＢ１３０を用いて設定される構成でもよく、より具体的には、「相同性」の欄に示された塩基配列は相同性を有している。そして図１２においては、相同性を有する塩基配列を、置き換えた特定塩基配列で示して、それぞれ「Ｚ」に変換される構成である。

比較対象配列４１１および比較元配列４１２は、図１１で前述した判断部３０２および圧縮部３０３によって、圧縮規則ＤＢ１２０に記憶された圧縮規則１２０１に従って圧縮される。より具体的には、比較対象配列４１１は、圧縮文字列１２０２に変換され、比較元配列４１２は、圧縮文字列１２０３に変換される。

つづいて、図１１で前述した第１抽出部３０４および第２抽出部３０５によって、圧縮文字列１２０２と、圧縮文字列１２０３における特定文字情報を抽出する。そして、比較部３０６によって、抽出された特定文字情報に対応する特定塩基配列同士を比較し、特定塩基配列の一致部分１２０４を得ることができる。より具体的には、特定文字情報が同じであれば、特定塩基配列は一致するため、図１２に示す特定塩基配列の一致部分１２０４の下線部が一致する構成である。

そして、図１１で前述した出力部３０８によって、特定文字情報の一致部分１２０４に基づいて、比較対象配列４１１と、比較元配列４１２との比較結果４１７を出力する。より具体的には、図１２に示す比較結果４１７の下線部が、それぞれの相同性を考慮した特定塩基配列による一致部分である。なお、出力部３０８による出力の一例については図６に前述したが、「−」（ハイフン）は、それぞれの桁を揃えるために挿入された符号で、塩基を示す文字情報を含まない。

（ゲノム解析装置１１００のゲノム解析処理手順）
つぎに、図１３を用いて、この発明の実施の形態２にかかるゲノム解析装置１１００のゲノム解析処理手順について説明する。図１３は、この発明の実施の形態２にかかるゲノム解析装置のゲノム解析処理手順を示すフローチャートである。図１３のフローチャートにおいて、まず、ゲノム解析装置１１００は、入力部３０１により、比較対象配列の入力を受け付けたか否かを判断する（ステップＳ１３０１）。比較対象配列は、たとえば、図１０で前述した、比較対象となる未知の塩基配列である比較対象配列１１１などで、アデニン（Ａ）、チミン（Ｔ）、グアニン（Ｇ）、シトシン（Ｃ）の４つの塩基を示す文字情報が配列された塩基配列である。

ステップＳ１３０１において、比較対象配列１１１の入力を受け付けるのを待って、受け付けた場合（ステップＳ１３０１：Ｙｅｓ）は、つづいて、判断部３０２および圧縮部３０３により、比較対象配列１１１の圧縮処理をおこなう（ステップＳ１３０２）。圧縮処理は、たとえば、圧縮規則ＤＢ１２０に記憶された所定の圧縮規則１２０１に基づいておこなう。なお、圧縮規則１２０１は、図５−１および図５−２に前述した相同性規則ＤＢ１３０を用いて設定されており、圧縮処理の詳細は図１４に後述する。

つづいて、ゲノム解析装置１１００は、圧縮化情報ＤＢ３１０から、比較元配列の圧縮文字列を取得する（ステップＳ１３０３）。比較元配列は、たとえば、図１０で前述した、比較元となる既知の塩基配列である比較元配列１１２などで、あらかじめ圧縮処理によって、圧縮文字列１１４に変換されて、圧縮化情報ＤＢ３１０に記憶されている。ここで、圧縮処理は、ステップＳ１３０２における圧縮処理と同様にしておこなう構成でもよく、圧縮化情報ＤＢ３１０には、あらかじめ複数の圧縮文字列１１４が記憶されている構成でもよい。

なお、図１３の説明では、比較元配列１１２の圧縮文字列１１４を、あらかじめ圧縮化情報ＤＢ３１０に記憶する構成としたが、ステップＳ１３０１において、比較対象配列とともに入力を受け付けて、入力ごとにおこなわれる圧縮処理によって取得する構成としてもよい。

つぎに、第１抽出部３０４および第２抽出部３０５は、ステップＳ１３０２において圧縮処理された比較対象配列１１１の圧縮文字列１１３と、ステップＳ１３０３において取得された比較元配列１１２の圧縮文字列１１４の中から、特定文字情報を抽出する（ステップＳ１３０４）。

そして、比較部３０６により、ステップＳ１３０４において抽出された特定文字情報について、特定文字情報の比較処理をおこなう（ステップＳ１３０５）。ここで、特定文字情報は、圧縮規則１２０１で前述したように、相同性規則を考慮して設定されているため、特定文字情報が一致しない場合は、相同性を有していないこととなる。比較処理の詳細は図１５に後述する。

そして、出力部３０８により、ステップＳ１３０５において比較された比較結果を出力し（ステップＳ１３０６）、一連の処理を終了する。比較結果は、たとえば、図６で前述したようにマトリックスにしてもよく、印刷出力や表示出力や外部装置へデータとして出力することとしてもよい。

つづいて、図１４を用いて、この発明の実施の形態２にかかるゲノム解析装置１１００における比較対象配列の圧縮処理（図１３のステップＳ１３０２）手順について説明する。図１４は、この発明の実施の形態２にかかる比較対象配列の圧縮処理（図１３のステップＳ１３０２）手順を示すフローチャートである。

図１４のフローチャートにおいて、まず、判断部３０２により、圧縮規則ＤＢ１２０から相同性規則を考慮した圧縮規則を読み込む（ステップＳ１４０１）。圧縮規則ＤＢ１２０には、アデニン（Ａ）、チミン（Ｔ）、グアニン（Ｇ）、シトシン（Ｃ）の４つの塩基を示す文字情報が配列された塩基配列の中から選ばれた特定塩基配列を、特定塩基配列とは異なる特定文字情報に変換するという圧縮規則が記憶されている。より具体的には、図１２で前述した圧縮規則１２０１などが記憶されている。

つづいて、ステップＳ１４０１において読み込まれた圧縮規則を参照して、判断部３０２により、比較対象配列に特定塩基配列が含まれているか否かを判断する（ステップＳ１４０２）。特定塩基配列は、たとえば、図１２で前述した特定文字情報と対応付けられている。

ステップＳ１４０２において、比較対象配列に特定塩基配列が含まれている場合（ステップＳ１４０２：Ｙｅｓ）は、つづいて、圧縮部３０３により、比較対象配列１１１は、圧縮規則に従って圧縮され（ステップＳ１４０３）、圧縮文字列１１３となる。そして、図１３におけるステップＳ１３０２の比較対象配列の圧縮処理を終了して、ステップＳ１３０３へ移行する。

また、ステップＳ１４０２において、比較対象配列に特定塩基配列が含まれていない場合（ステップＳ１４０２：Ｎｏ）は、出力部３０８により、比較不可情報を出力し（ステップＳ１４０４）、図１３に戻ってそのまま一連の処理を終了する。比較不可情報は、たとえば、圧縮規則に従った圧縮がおこなえずに、同様の圧縮規則によって圧縮された既知の比較元配列が存在しない旨を利用者に報知する。

なお、この発明の実施の形態２では、ステップＳ１４０１において、相同性を考慮した圧縮規則を読み込む構成としているが、圧縮処理ごとに、相同性規則ＤＢ１３０における相同性規則を参照して、相同性を考慮した圧縮規則１２０１を設定することとしてもよい。

さらに、図１５を用いて、この発明の実施の形態２にかかるゲノム解析装置１１００における特定文字情報の比較処理（図１３のステップＳ１３０５）手順について説明する。図１５は、この発明の実施の形態２にかかる特定文字情報の比較処理（図１３のステップＳ１３０５）手順を示すフローチャートである。

図１５のフローチャートにおいて、まず、比較部３０６により、特定文字情報が一致しているか否かを判断する（ステップＳ１５０１）。特定文字情報の比較は、たとえば、図１３のステップＳ１３０４によって抽出された比較対象配列１１１の圧縮文字列１１３および比較元配列１１２の圧縮文字列１１４に含まれる特定文字情報同士が一致しているか比較する構成である。

ステップＳ１５０１において、特定文字情報が一致している場合（ステップＳ１５０１：Ｙｅｓ）は、そのまま図１３におけるステップＳ１３０５の特定文字情報の比較処理を終了し、ステップＳ１３０６へ移行する。

ステップＳ１５０１において、特定文字情報が一致しない場合（ステップＳ１５０１：Ｎｏ）は、出力部３０８により、不一致情報を出力し（ステップＳ１５０２）、図１３に戻ってそのまま一連の処理を終了する。不一致情報は、たとえば、圧縮処理された比較対象配列１１１と比較元配列１１２の特定文字情報が一致しなかった旨を利用者に報知する。

このように、この発明の実施の形態２によれば、相同性規則を用いた圧縮規則によって、比較対象となる未知の塩基配列である比較対象配列と、比較元となる既知の塩基配列である比較元配列を圧縮し、圧縮規則における特定文字情報の比較をおこなう。従って、塩基配列の比較に際し、相同性規則を読み込むことなく、相同性を考慮した比較をおこなえるため、塩基配列の適切な比較を高速かつ簡易な処理によっておこなうことができる。

以上説明したように、この発明によれば、長大な塩基配列の比較であっても、比較する塩基配列同士の圧縮規則を比較することで、コンピュータ資源の有効利用を図るとともに、塩基配列の比較の最適化を図ることができる。

なお、本実施の形態で説明したゲノム解析方法は、あらかじめ用意されたプログラムをパーソナル・コンピュータやワークステーションなどのコンピュータで実行することにより実現することができる。このプログラムは、ハードディスク、フレキシブルディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤなどのコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。またこのプログラムは、インターネットなどのネットワークを介して配布することが可能な伝送媒体であってもよい。

（付記１）アデニン、チミン、グアニン、シトシンの４つの塩基を示す文字情報が配列された塩基配列の中から選ばれた特定塩基配列を、前記塩基を示す文字情報とは異なる特定文字情報に変換するという圧縮規則を用いて、ゲノム解析をコンピュータに実行させるゲノム解析プログラムであって、
前記塩基配列を有する任意のゲノム配列情報の入力を受け付けさせる入力工程と、
前記入力工程によって入力されたゲノム配列情報に、前記特定塩基配列が含まれているか否かを判断させる判断工程と、
前記判断工程によって判断された判断結果に基づいて、前記圧縮規則に従って前記ゲノム配列情報を圧縮させる圧縮工程と、
前記圧縮工程によって圧縮されたゲノム配列情報の中から、前記特定文字情報（以下、「第１の特定文字情報」という）を抽出させる第１の抽出工程と、
前記塩基配列を有する既知のゲノム配列情報から前記圧縮規則に従って圧縮された既知の圧縮化ゲノム配列情報の中から、前記特定文字情報（以下、「第２の特定文字情報」という）を抽出させる第２の抽出工程と、
前記第１の抽出工程によって抽出された前記第１の特定文字情報と、前記第２の抽出工程によって抽出された前記第２の特定文字情報とを比較させる比較工程と、
前記比較工程によって比較された比較結果を出力させる出力工程と、
をコンピュータに実行させることを特徴とするゲノム解析プログラム。

（付記２）前記比較工程によって比較された結果、前記第１の特定文字情報と、前記第２の特定文字情報とが一致しない場合、当該第１および第２の特定文字情報の圧縮元となる前記特定塩基配列同士が相同性を有するか否かを判定させる判定工程をコンピュータに実行させ、
前記出力工程は、
さらに、前記判定工程によって判定された判定結果を出力させることを特徴とする付記１に記載のゲノム解析プログラム。

（付記３）前記出力工程は、
前記比較工程によって比較された結果、前記第１の特定文字情報と、前記第２の特定文字情報とが一致した場合、当該第１および第２の特定文字情報と、当該第１および第２の特定文字情報の圧縮元となる前記特定塩基配列とのうち少なくともいずれか一方を出力させることを特徴とする付記１または２に記載のゲノム解析装置。

（付記４）アデニン、チミン、グアニン、シトシンの４つの塩基を示す文字情報が配列された塩基配列の中から選ばれた相同性のある複数の特定塩基配列を、前記塩基を示す文字情報とは異なる共通の特定文字情報に変換するという圧縮規則を用いて、ゲノム解析をコンピュータに実行させるゲノム解析プログラムであって、
前記塩基配列を有する任意のゲノム配列情報の入力を受け付けさせる入力工程と、
前記入力工程によって入力されたゲノム配列情報に、前記特定塩基配列が含まれているか否かを判断させる判断工程と、
前記判断工程によって判断された判断結果に基づいて、前記圧縮規則に従って前記ゲノム配列情報を圧縮させる圧縮工程と、
前記圧縮工程によって圧縮されたゲノム配列情報の中から、前記特定文字情報を抽出させる第１の抽出工程と、
前記塩基配列を有する既知のゲノム配列情報から前記圧縮規則に従って圧縮された既知の圧縮化ゲノム配列情報の中から、前記特定文字情報を抽出させる第２の抽出工程と、
前記第１の抽出工程によって抽出された特定文字情報と、前記第２の抽出工程によって抽出された特定文字情報とを比較させる比較工程と、
前記比較工程によって比較された比較結果を出力させる出力工程と、
をコンピュータに実行させることを特徴とするゲノム解析プログラム。

（付記５）付記１〜４のいずれか一つに記載のゲノム解析プログラムを記録したコンピュータに読み取り可能な記録媒体。

（付記６）アデニン、チミン、グアニン、シトシンの４つの塩基を示す文字情報が配列された塩基配列の中から選ばれた特定塩基配列を、前記塩基を示す文字情報とは異なる特定文字情報に変換するという圧縮規則を用いて、ゲノム解析をおこなうゲノム解析装置であって、
前記塩基配列を有する任意のゲノム配列情報の入力を受け付ける入力手段と、
前記入力手段によって入力されたゲノム配列情報に、前記特定塩基配列が含まれているか否かを判断する判断手段と、
前記判断手段によって判断された判断結果に基づいて、前記圧縮規則に従って前記ゲノム配列情報を圧縮する圧縮手段と、
前記圧縮手段によって圧縮されたゲノム配列情報の中から、前記特定文字情報を抽出する第１の抽出手段と、
前記塩基配列を有する既知のゲノム配列情報から前記圧縮規則に従って圧縮された既知の圧縮化ゲノム配列情報の中から、前記特定文字情報を抽出する第２の抽出手段と、
前記第１の抽出手段によって抽出された特定文字情報と、前記第２の抽出手段によって抽出された特定文字情報とを比較する比較手段と、
前記比較手段によって比較された比較結果を出力する出力手段と、
を備えることを特徴とするゲノム解析装置。

（付記７）アデニン、チミン、グアニン、シトシンの４つの塩基を示す文字情報が配列された塩基配列の中から選ばれた相同性のある複数の特定塩基配列を、前記塩基を示す文字情報とは異なる共通の特定文字情報に変換するという圧縮規則を用いて、ゲノム解析をおこなうゲノム解析装置であって、
前記塩基配列を有する任意のゲノム配列情報の入力を受け付ける入力手段と、
前記入力手段によって入力されたゲノム配列情報に、前記特定塩基配列が含まれているか否かを判断する判断手段と、
前記判断手段によって判断された判断結果に基づいて、前記圧縮規則に従って前記ゲノム配列情報を圧縮する圧縮手段と、
前記圧縮手段によって圧縮されたゲノム配列情報の中から、前記特定文字情報を抽出する第１の抽出手段と、
前記塩基配列を有する既知のゲノム配列情報から前記圧縮規則に従って圧縮された既知の圧縮化ゲノム配列情報の中から、前記特定文字情報を抽出する第２の抽出手段と、
前記第１の抽出手段によって抽出された特定文字情報と、前記第２の抽出手段によって抽出された特定文字情報とを比較する比較手段と、
前記比較手段によって比較された比較結果を出力する出力手段と、
を備えることを特徴とするゲノム解析装置。

（付記８）アデニン、チミン、グアニン、シトシンの４つの塩基を示す文字情報が配列された塩基配列の中から選ばれた特定塩基配列を、前記塩基を示す文字情報とは異なる特定文字情報に変換するという圧縮規則を用いて、ゲノム解析をおこなうゲノム解析方法であって、
前記塩基配列を有する任意のゲノム配列情報の入力を受け付ける入力工程と、
前記入力工程によって入力されたゲノム配列情報に、前記特定塩基配列が含まれているか否かを判断する判断工程と、
前記判断工程によって判断された判断結果に基づいて、前記圧縮規則に従って前記ゲノム配列情報を圧縮する圧縮工程と、
前記圧縮工程によって圧縮されたゲノム配列情報の中から、前記特定文字情報を抽出する第１の抽出工程と、
前記塩基配列を有する既知のゲノム配列情報から前記圧縮規則に従って圧縮された既知の圧縮化ゲノム配列情報の中から、前記特定文字情報を抽出する第２の抽出工程と、
前記第１の抽出工程によって抽出された特定文字情報と、前記第２の抽出工程によって抽出された特定文字情報とを比較する比較工程と、
前記比較工程によって比較された比較結果を出力する出力工程と、
を含むことを特徴とするゲノム解析方法。

（付記９）アデニン、チミン、グアニン、シトシンの４つの塩基を示す文字情報が配列された塩基配列の中から選ばれた相同性のある複数の特定塩基配列を、前記塩基を示す文字情報とは異なる共通の特定文字情報に変換するという圧縮規則を用いて、ゲノム解析をおこなうゲノム解析方法であって、
前記塩基配列を有する任意のゲノム配列情報の入力を受け付ける入力工程と、
前記入力工程によって入力されたゲノム配列情報に、前記特定塩基配列が含まれているか否かを判断する判断工程と、
前記判断工程によって判断された判断結果に基づいて、前記圧縮規則に従って前記ゲノム配列情報を圧縮する圧縮工程と、
前記圧縮工程によって圧縮されたゲノム配列情報の中から、前記特定文字情報を抽出する第１の抽出工程と、
前記塩基配列を有する既知のゲノム配列情報から前記圧縮規則に従って圧縮された既知の圧縮化ゲノム配列情報の中から、前記特定文字情報を抽出する第２の抽出工程と、
前記第１の抽出工程によって抽出された特定文字情報と、前記第２の抽出工程によって抽出された特定文字情報とを比較する比較工程と、
前記比較工程によって比較された比較結果を出力する出力工程と、
を含むことを特徴とするゲノム解析方法。

以上のように、本発明にかかるゲノム解析プログラム、該プログラムを記録した記録媒体、ゲノム解析装置およびゲノム解析方法は、ゲノム構造解析に有用であり、特に長大な塩基配列の全体解析に関して、コンピュータ資源の有効利用を図りつつ、最適に塩基配列を比較する場合に適している。

この発明の実施の形態１にかかるゲノム解析装置の処理の概要を示す説明図である。 この発明の実施の形態１にかかるゲノム解析装置のハードウェア構成を示すブロック図である。 この発明の実施の形態１にかかるゲノム解析装置の機能的構成を示すブロック図である。 この発明の実施の形態１にかかるゲノム解析装置の処理の具体例を示す説明図である。 この発明の実施の形態１にかかるゲノム解析装置における相同性規則ＤＢを用いた処理の具体例を示す説明図である。 この発明の実施の形態１にかかる相同性規則ＤＢに記憶された、核酸における文字情報の一例を示す説明図である。 この発明の実施の形態１にかかる核酸の相同性規則における相同性辞書を示す説明図である。 この発明の実施の形態１にかかる出力部による出力結果の一例を示す説明図である。 この発明の実施の形態１にかかるゲノム解析装置の処理手順を示すフローチャートである。 この発明の実施の形態１にかかる比較対象配列の圧縮処理（図７のステップＳ７０２）手順を示すフローチャートである。 この発明の実施の形態１にかかる特定文字情報の比較処理（図７のステップＳ７０５）手順を示すフローチャートである。 この発明の実施の形態２にかかるゲノム解析装置の処理の概要を示す説明図である。 この発明の実施の形態２にかかるゲノム解析装置の機能的構成を示すブロック図である。 この発明の実施の形態２にかかるゲノム解析装置の処理の具体例を示す説明図である。 この発明の実施の形態２にかかるゲノム解析装置の処理手順を示すフローチャートである。 この発明の実施の形態２にかかる比較対象配列の圧縮処理（図１３のステップＳ１３０２）手順を示すフローチャートである。 この発明の実施の形態２にかかる特定文字情報の比較処理（図１３のステップＳ１３０５）手順を示すフローチャートである。

符号の説明

１０１，１０２ 圧縮処理
１０３ 比較処理
１１１ 比較対象配列
１１２ 比較元配列
１１３，１１４ 圧縮文字列
１１５ 比較結果
１２０ 圧縮規則ＤＢ
１３０ 相同性規則ＤＢ
２００ バス
２０１ ＣＰＵ
２０２ ＲＯＭ
２０３ ＲＡＭ
２０４ ＨＤＤ
２０５ ＨＤ
２０６ ＦＤＤ
２０７ ＦＤ
２０８ ディスプレイ
２０９ 通信Ｉ／Ｆ
２１０ 通信回線
２１１ キーボード
２１２ マウス
２１３ スキャナ
２１４ プリンタ
２１５ ネットワーク
３００ ゲノム解析装置
３０１ 入力部
３０２ 判断部
３０３ 圧縮部
３０４ 第１抽出部
３０５ 第２抽出部
３０６ 比較部
３０７ 判定部
３０８ 出力部
３１０ 圧縮化情報ＤＢ

Claims (5)

1. アデニン、チミン、グアニン、シトシンの４つの塩基を示す文字情報が配列された塩基配列の中から選ばれた特定塩基配列を、前記塩基を示す文字情報とは異なる特定文字情報に変換するという圧縮規則を用いて、ゲノム解析をコンピュータに実行させるゲノム解析プログラムであって、
   前記塩基配列を有する任意のゲノム配列情報の入力を受け付けさせる入力工程と、
   前記入力工程によって入力されたゲノム配列情報に、前記特定塩基配列が含まれているか否かを判断させる判断工程と、
   前記判断工程によって判断された判断結果に基づいて、前記圧縮規則に従って前記ゲノム配列情報を圧縮させる圧縮工程と、
   前記圧縮工程によって圧縮されたゲノム配列情報の中から、前記特定文字情報を抽出させる第１の抽出工程と、
   前記塩基配列を有する既知のゲノム配列情報から前記圧縮規則に従って圧縮された既知の圧縮化ゲノム配列情報の中から、前記特定文字情報を抽出させる第２の抽出工程と、
   前記第１の抽出工程によって抽出された特定文字情報と、前記第２の抽出工程によって抽出された特定文字情報とを比較させる比較工程と、
   前記比較工程によって比較された比較結果を出力させる出力工程と、
   をコンピュータに実行させることを特徴とするゲノム解析プログラム。
2. アデニン、チミン、グアニン、シトシンの４つの塩基を示す文字情報が配列された塩基配列の中から選ばれた相同性のある複数の特定塩基配列を、前記塩基を示す文字情報とは異なる共通の特定文字情報に変換するという圧縮規則を用いて、ゲノム解析をコンピュータに実行させるゲノム解析プログラムであって、
   前記塩基配列を有する任意のゲノム配列情報の入力を受け付けさせる入力工程と、
   前記入力工程によって入力されたゲノム配列情報に、前記特定塩基配列が含まれているか否かを判断させる判断工程と、
   前記判断工程によって判断された判断結果に基づいて、前記圧縮規則に従って前記ゲノム配列情報を圧縮させる圧縮工程と、
   前記圧縮工程によって圧縮されたゲノム配列情報の中から、前記特定文字情報を抽出させる第１の抽出工程と、
   前記塩基配列を有する既知のゲノム配列情報から前記圧縮規則に従って圧縮された既知の圧縮化ゲノム配列情報の中から、前記特定文字情報を抽出させる第２の抽出工程と、
   前記第１の抽出工程によって抽出された特定文字情報と、前記第２の抽出工程によって抽出された特定文字情報とを比較させる比較工程と、
   前記比較工程によって比較された比較結果を出力させる出力工程と、
   をコンピュータに実行させることを特徴とするゲノム解析プログラム。
3. 請求項１または２に記載のゲノム解析プログラムを記録したコンピュータに読み取り可能な記録媒体。
4. アデニン、チミン、グアニン、シトシンの４つの塩基を示す文字情報が配列された塩基配列の中から選ばれた特定塩基配列を、前記塩基を示す文字情報とは異なる特定文字情報に変換するという圧縮規則を用いて、ゲノム解析をおこなうゲノム解析装置であって、
   前記塩基配列を有する任意のゲノム配列情報の入力を受け付ける入力手段と、
   前記入力手段によって入力されたゲノム配列情報に、前記特定塩基配列が含まれているか否かを判断する判断手段と、
   前記判断手段によって判断された判断結果に基づいて、前記圧縮規則に従って前記ゲノム配列情報を圧縮する圧縮手段と、
   前記圧縮手段によって圧縮されたゲノム配列情報の中から、前記特定文字情報を抽出する第１の抽出手段と、
   前記塩基配列を有する既知のゲノム配列情報から前記圧縮規則に従って圧縮された既知の圧縮化ゲノム配列情報の中から、前記特定文字情報を抽出する第２の抽出手段と、
   前記第１の抽出手段によって抽出された特定文字情報と、前記第２の抽出手段によって抽出された特定文字情報とを比較する比較手段と、
   前記比較手段によって比較された比較結果を出力する出力手段と、
   を備えることを特徴とするゲノム解析装置。
5. アデニン、チミン、グアニン、シトシンの４つの塩基を示す文字情報が配列された塩基配列の中から選ばれた特定塩基配列を、前記塩基を示す文字情報とは異なる特定文字情報に変換するという圧縮規則を用いて、ゲノム解析をおこなうゲノム解析方法であって、
   前記塩基配列を有する任意のゲノム配列情報の入力を受け付ける入力工程と、
   前記入力工程によって入力されたゲノム配列情報に、前記特定塩基配列が含まれているか否かを判断する判断工程と、
   前記判断工程によって判断された判断結果に基づいて、前記圧縮規則に従って前記ゲノム配列情報を圧縮する圧縮工程と、
   前記圧縮工程によって圧縮されたゲノム配列情報の中から、前記特定文字情報を抽出する第１の抽出工程と、
   前記塩基配列を有する既知のゲノム配列情報から前記圧縮規則に従って圧縮された既知の圧縮化ゲノム配列情報の中から、前記特定文字情報を抽出する第２の抽出工程と、
   前記第１の抽出工程によって抽出された特定文字情報と、前記第２の抽出工程によって抽出された特定文字情報とを比較する比較工程と、
   前記比較工程によって比較された比較結果を出力する出力工程と、
   を含むことを特徴とするゲノム解析方法。
   
   

Images