JP2007299039A - 遺伝子情報の探索方法 - Google Patents

Abstract

【課題】遺伝子情報の探索を効率よく行うことができる探索方法を提供すること。
【解決手段】着目した生命現象に関与する可能性のある新規な候補遺伝子を探索するため、文献データ検索手段が既知遺伝子データに関する別名辞書Ｂにのっている用語が用いられている文献データを文献データベース３Ａから検索して候補文献データとして取り出す。第１の文献データ絞り込み手段が別名辞書Ｂを用いて候補文献データから既知遺伝子に関して妥当性のある文献データを取り出し、第２文献データ絞り込み手段が、未知遺伝子データに関する別名辞書Ａを用いて、この取り出された文献データを絞り込んで関連文献データを取り出す。そして、抽出・出力手段が関連文献データから別名辞書Ａにのっている用語と別名辞書Ｂにのっている用語とキーワードとの３つが共起するセンテンスデータを抽出して出力する。
【選択図】 図３

Description

本発明は、遺伝子に関する情報を文献データベースを利用して探索するための遺伝子情報の探索方法に関するものである。

近年、遺伝子に関する研究が進むにつれ、遺伝子に関する様々な研究結果が多数報告されており、それらがデータベース化されている。そこで、着目した生命現象、例えば遺伝子修復、に関与することが期待できると考えられる新規な遺伝子を探索するため、研究者は文献データベースにアクセスし、キーワード等を手係りに着目した生命現象に関連すると思われる文献データをダウンロードし、その内容を読んで新規な遺伝子の候補探索を行っている。また、２つの遺伝子間に何らかの関係があるか否かを調べたい場合にも、同様な方法で遺伝子情報の探索を行っている。このような文献データに基づく遺伝子情報の探索は、一般にコンピュータを利用して行われるが、現在のところこのような遺伝子情報をコンピュータを利用して効率よく探索できる方法はなく、キーワードにより文献データ中から抽出した関連情報を、研究者が解読して必要な遺伝子情報を入手しているのが現状である。

したがって、必要な遺伝子情報を厖大な文献データ中から探索するのに多大な時間を必要とするほか、探索時に見落としてしまう場合がある等の問題があった。

本発明の目的は、所要の遺伝子情報の探索を効率よく行うことができるようにした遺伝子情報の探索方法を提供することにある。

上記課題を解決するため、本発明によれば、第１の遺伝子データ、第２の遺伝子データ及び遺伝子間の関係を記述するのに使用される少なくとも１つのキーワードに基づき、文献データベースを利用してこれらの遺伝子データに関する遺伝子情報を探索するための方法であって、第１別名辞書作成手段が前記第１の遺伝子データに関する第１別名辞書を作成するステップと、第２別名辞書作成手段が前記第２の遺伝子データに関する第２別名辞書を作成するステップと、文献データ検索手段が前記第２別名辞書にのっている用語が用いられている文献データを前記文献データベースから検索して候補文献データとして取り出すステップと、第１文献データ絞り込み手段が前記第２別名辞書を用いて前記候補文献データから前記第２の遺伝子に関して妥当性のある文献データを取り出すステップと、第２文献データ絞り込み手段が前記第１別名辞書を用いて前記第１文献データ絞り込み手段によって取り出された文献データのうち前記第１の遺伝子に関して妥当性のある文献データを関連文献データとして取り出すステップと、抽出・出力手段が前記関連文献データから前記第１別名辞書にのっている用語と前記第２別名辞書にのっている用語と前記キーワードとの３つが共起するセンテンスデータを抽出して出力するステップとを備えて成ることを特徴とする遺伝子情報の探索方法が提案される。

本発明によれば、必要な遺伝子情報を、効率よく探索することができる。

以下、図面を参照して本発明の実施の形態の一例につき詳細に説明する。
図１は本発明による遺伝子情報探索装置のシステム構成図、図２及び図３はこの遺伝子情報探索装置により実行される探索処理のフロー図である。

図１に示した遺伝子情報探索装置１は、コンピュータ装置を利用して構成されたもので、２は中央処理装置（ＣＰＵ）、３Ａは電子データ化された多数の文献が文献データとして蓄積されている文献データベース、３Ｂは文献データベース以外のその他のデータベース、４は外部メモリ、５は遺伝子情報探索処理のための処理プログラムが格納されている内部メモリ、６は入出力装置で、これらはバス７に接続されている。入出力装置６にはキーボード８、表示装置９、印刷装置１０が接続されている。

本実施の形態にあっては、遺伝子情報探索装置１は、着目した生命現象に関与することが既知である遺伝子（本明細書中では、既知遺伝子と称することがある）、及びこの着目した生命現象に関与することが未知である遺伝子（本明細書中では、未知遺伝子と称することがある）に関する遺伝子データを入力することにより、文献データベース３Ａ内に格納されている多数の文献データから、未知遺伝子と既知遺伝子との関係が記載されているセンテンスデータを部分抽出し、この抽出結果得られたセンテンスデータに含まれる未知遺伝子を、当該着目した生命現象に関与する可能性のあると考えられる新規な候補遺伝子として出力するように構成されている。

図１において、符号１１は未知遺伝子のデータリストである遺伝子リストＡが格納されている第１データメモリを示し、符号１２は既知遺伝子のデータリストである遺伝子リストＢが格納されている第２データメモリを示す。本実施の形態では、遺伝子リストＡ、Ｂは、いずれも、遺伝子データそれ自体をリストしたものではなく、遺伝子のＩＤ番号のみがリストされた形態のリストである。実際の処理に際しては、遺伝子リストＡ、ＢにリストされているＩＤ番号に基づいて、それにより特定される遺伝子データを公知の適宜の手段で得られた遺伝子データにより所要のデータ処理が実行される構成となっている。このようなデータ処理の仕方は公知であるから、ここではその具体的な方法について詳しく説明するのを省略する。また、ここでは、第１データメモリには遺伝子リストＡが遺伝子のＩＤ番号ではなく、遺伝子のＩＤ番号が容易に取得できるマイクロアレイデータの形式で格納されている。しかし、遺伝子リストＡに遺伝子データをどのような形式のデータとして格納してもよいことは勿論である。遺伝子リストＢについても同様である。

符号１３で示されるのは、キーワードリストが格納されている第３データメモリである。キーワードリストは、未知遺伝子と既知遺伝子とを関連付けるために文献中で使用される用語であるキーワードのリストである。このキーワードは探索の目的に従って適宜に定められるものであり、例えば、複数の遺伝子の相互作用を記述するのに使用される動詞等をキーワードとして定めることができる。キーワードリストに載せるキーワードの数は１つ以上幾つでも良い。

第１データメモリ１１、第２データメモリ１２、及び第３データメモリ１３は、データ入力装置１４を介して入出力装置（Ｉ／Ｏインターフェイス装置）６に接続されており、遺伝子リストＡ、遺伝子リストＢ及びキーワードリストの各内容をデータ入力装置１４によって遺伝子情報探索装置１に入力し、入力されたデータは外部メモリ４に送られてそこに格納され、これにより、遺伝子情報探索に必要な遺伝子リストＡ、遺伝子リストＢ及びキーワードリストが遺伝子情報探索装置１内に用意される構成となっている。

遺伝子情報探索装置１は外部の各種データベースに通信ネットワークＮを介してアクセスすることができるようにするため通信制御部７Ａを備えており、遺伝子情報探索装置１は、公衆回線等を介して通信ネットワークＮに接続されている文献データベース３Ａ、その他のデータベース３Ｂにアクセスし、必要な文献データ及びその他の必要なデータを取り込んで外部メモリ４内に格納しておくことができる構成となっている。なお、図１では、データベースは文献データベース３Ａとその他のデータベース３Ｂの２つだけが例示されているが、通信制御部７Ａによりアクセスすることができるデータベースをこれらに限定する趣旨ではなく、必要に応じて、どの様なデータベースにもアクセスできるように構成されている。

遺伝子情報探索装置１においては、次のようにして遺伝子情報探索処理が実行される。第１の別名辞書作成手段が未知遺伝子データに関する別名辞書Ａをその他のデータベース３Ｂから作成し、第２の別名辞書作成手段が既知遺伝子データに関する別名辞書Ｂをその他のデータベース３Ｂから作成する。そして、文献データ検索手段が別名辞書Ａにのっている用語が用いられている文献データを文献データベース３Ａから検索して候補文献データとして取り出す。第１の文献データ絞り込み手段が別名辞書Ｂを用いて候補文献データから既知遺伝子に関して妥当性のある文献データを取り出し、第２文献データ絞り込み手段が、別名辞書Ａを用いて、この取り出された文献データのうち、未知遺伝子に関して妥当性のある文献データを関連文献データとして取り出す。そして、抽出・出力手段が関連文献データから別名辞書Ａにのっている用語と別名辞書Ｂにのっている用語とキーワードとの３つが共起するセンテンスデータを抽出して出力する。

図２及び図３は、内部メモリ５に格納されている遺伝子情報探索処理プログラムによる処理フローを示す図であり、この遺伝子情報探索処理プログラムが中央処理装置２において実行されることにより、上述した遺伝子情報探索処理が遂行される。

以下、図２及び図３を参照して、遺伝子情報探索装置１における遺伝子情報探索処理について説明する。処理プログラムの実行が開始されると、先ず、ステップ２０で、遺伝子リストＡ、遺伝子リストＢ、及びキーワードリストを入力するデータ入力処理が実行される。このデータ入力処理は、第１〜第３データメモリ１１、１２、１３の内容をデータ入力装置１４によって、入出力装置６を介して外部メモリ４に格納することによって行われる処理である。

ここで、第１データメモリ１１は、遺伝子情報探索装置１の利用者が対象として考えている未知遺伝子のリストを格納しておくための記憶媒体であり、例えば、フレキシブルディスクや光ディスク、又は磁気ディスクであってもよい。第２データメモリ１２及び第３データメモリ１３に関しても全く同様である。また、遺伝子リストＡ、遺伝子リストＢ、及びキーワードリストは、データ入力装置１４によらず、キーボード８から入力することも可能であるし、上記以外のその他の適宜の公知の手段で、外部メモリ４に格納することもできる。

なお、キーワードリストに関しては、代表的なキーワードを予め外部メモリ４内に格納しておき、処理プログラムの実行の度に必要なキーワードをキーワードリストにして入力するのを省略することも可能である。また、キーワードは、予め外部メモリ４内にキーワードリストとして格納しておくのに代えて、またはこれに加えて、キーボード８から入力することもできるし、第３データメモリ１３を用いてデータ入力装置１４によって入力することもできる。

次のステップ２１では、以上のようにして適宜の手段で入力されて外部メモリ４内に格納されている遺伝子リストＡを読み込む。そして、ステップ２２では、ステップ２１で読み込まれた遺伝子リストＡがマイクロアレイデータであるか否かが判別される。ここで遺伝子リストＡがマイクロアレイデータでない場合には、ステップ２２の判別結果はＮＯとなり、ステップ２３に進み、ここで遺伝子リストＡにリストされている未知遺伝子データが全て選択され、これらがステップ２５以下の処理の対象となる。一方、遺伝子リストＡがマイクロアレイデータであると、ステップ２２の判別結果はＹＥＳとなり、遺伝子リストＡにリストされている未知遺伝子データのうち、信頼性の高い未知遺伝子データだけが選択され、ここで選択された信頼性の高い未知遺伝子データのみがステップ２５以下の処理の対象とされる。

図４には、ステップ２４で実行される未知遺伝子データ選択処理を説明するための詳細フローチャートが示されている。遺伝子リストＡにリストされている一つ又は複数の未知遺伝子の中から信頼性の高い未知遺伝子を選択するため、ステップ２４１では、一定以上の変動が観測されているかどうかが判別され、ステップ２４２では、塩基配列情報（ＧｅｎＢａｎｋ ｍＲＮＡ ＡＣ：ｍＲＮＡ ＡＣ）が付与されているかどうかが判別され、ステップ２４３では、遺伝子情報（その他のデータベースのＩＤ：ＤＢＩＤ）が付与されているかどうかが判別される。

ステップ２４１〜２４３の各判別結果のうち一つでもＮＯの判別結果があるとその未知遺伝子は選択されない。一方、ステップ２４１〜２４３の各判別結果が全てＹＥＳの場合には、その未知遺伝子は一応信頼性が高いかも知れないと判断され、ステップ２４４に進む。

ステップ２４４では、付与していたｍＲＮＡ ＡＣをもとに独自にＤＢＩＤを取得する。ステップ２４５では、付与していたＤＢＩＤと独自に取得したＤＢＩＤが一致しているか否かが判別され、ステップ２４６では、得られたＤＢＩＤに重複はないか否かが判別される。

ステップ２４５、２４６のいずれの判別結果もＹＥＳであると、その遺伝子は信頼性の高いものと判断され、ステップ２４７に進み、当該ＤＢＩＤを信頼性の高い未知遺伝子として抽出し、ステップ２５に進む。一方、ステップ２４５、２４６の少なくとも一方の判別結果がＮＯであると、ステップ２４７は実行されることなく、その未知遺伝子は選択されないこととなる。

なお、ステップ２４についての上記説明では、遺伝子リストＡ中に含まれている１つの未知遺伝子についての処理を説明した。しかし、遺伝子リストＡには、通常、多数の未知遺伝子がリストアップされており、実際には、遺伝子リストＡにリストアップされている複数の未知遺伝子の１つ１つについて、図４に基づいて説明した選択処理が実行され、このようにして選択された信頼性の高い未知遺伝子のみが、ステップ２５以下の処理の対象となる。

このようにして、遺伝子リストＡにリストアップされている全ての未知遺伝子について信頼性を判別し、信頼性があると判断された未知遺伝子のみを選択し、この選択された未知遺伝子のデータ（未知遺伝子データ）は一旦外部メモリ４に格納される。

図２に戻ると、ステップ２３又は２４の処理が終了するとステップ２５に進み、ここで、ステプ２３又は２４で選択された未知遺伝子のそれぞれについての名称情報をその他のデータベース３Ｂから収集し、別名辞書Ａを作成する。別名辞書Ａは、通信制御部７Ａにより通信ネットワークＮを介してその他のデータベース３Ｂにアクセスし、その他のデータベース３Ｂにおいて使用されている所要の未知遺伝子に対する別名を探し出し、さらに独自に別名のバリエーションを追加して作成された別名辞書である。このようにして作成された探索処理の対象となる未知遺伝子に関しての別名がのっている別名辞書Ａは、外部メモリ４に格納される。

次のステップ２６では、ステップ２０で外部メモリ４に格納しておいた遺伝子リストＢの内容を読み込む。

次に、ステップ２７に入り、ここで、遺伝子リストＢにリストアップされている各既知遺伝子のそれぞれについての名称情報をその他のデータベース３Ｂから収集し、別名辞書Ｂを作成する。別名辞書Ｂは、通信制御部７Ａにより通信ネットワークＮを介してその他のデータベース３Ｂにアクセスし、その他のデータベース３Ｂにおいて使用されている所要の既知遺伝子に対する別名を探し出し、さらに独自に別名のバリエーションを追加して作成される別名辞書である。このようにして作成された既知遺伝子に関しての別名がのっている別名辞書Ｂは、外部メモリ４に格納される。

このようにして、別名辞書Ａ、Ｂが作成されたならば、ステップ２８において、ステップ２０において外部メモリ４に格納したキーワードリストを読み込み、ステップ２９に進む。なお、本実施の形態では、遺伝子リストＡ、遺伝子リストＢ及びキーワードリストを、それぞれ、ステップ２１、２６、２８で読み込んでいるが、例えば、処理プログラムの実行開始直後にこれら３つのリストを順次読み込んでしまう構成としてもよいことは勿論である。

ステップ２９では、別名辞書Ｂにのっている遺伝子名が記載されている文献データを文献データベース３Ａから検索し、これにより検索された文献データを候補文献データとして取り出す。この候補文献データは、一旦、外部メモリ４に格納される。

ステップ２９での処理について詳しく説明すると、通信制御部７Ａにより通信ネットワークＮを介して文献データベース３Ａにアクセスし、文献データベース３Ａに格納されている文献データ中から、作成された別名辞書Ｂにのっている用語が用いられている全ての文献データを検索、ダウンロード（収集）する。収集した文献データは所与の既知遺伝子に関する記述が含まれている可能性のある文献であり、候補文献データとして外部メモリ４に格納する。このように、所与の既知遺伝子の別名をも検索キーワードとして文献データの検索を行うので、文献データ検索のカバー率の改善が期待される。

次に、ステップ３０に進み、候補文献データのうち、既知遺伝子に関して妥当性がある文献のみを取り出す、第１の文献データ絞り込み処理が実行される。既知遺伝子に関して妥当性があるか否かは別名辞書Ｂを用いて判別される。その判別について具体的に説明すると、検索された文献集合の中には、用語の多義性によって所与の既知遺伝子とは何等関連しない文献データが収集されている可能性がある。そこで、検索の精度を上げるため、検索された文献データの妥当性を、所与の既知遺伝子に関連する記述を含む文献データと言えるか否かと言う観点から判別して絞り込み、所与の既知遺伝子に関連した記述を含まない文献データをできる限り排除する。この妥当性の判別は、以下の条件で行う。

既知遺伝子に関する文献データは、例えば、文献データ内に、別名辞書Ｂにのっている既知遺伝子名と該既知遺伝子の別名が含まれ、かつ、該文献データ内において発見した該既知遺伝子名の前後の単語が、いずれも所定の不許可単語でない場合には妥当な文献であると判別される。ここで、所定の不許可単語とは、文献データ内において既知遺伝子名の前後で使用されると、該既知遺伝子名は遺伝子名称としてではなく、細胞名称やまったく別の遺伝子名称、化学物質名称などの一部として使用されていることを意味する単語である。例えば、cell（細胞）、receptor（受容体）等の単語である。具体的な例を挙げると、IL-2は遺伝子名称であるが、IL-2 receptorはIL-2と特異的に結合する受容体である。つまり、この２つはまったく別の遺伝子もしくは遺伝子産物である。

以上のようにして、検出文献データについての妥当性をそれぞれ判別し、妥当性があると判別された文献データのみを外部メモリ４に一旦格納する。妥当性ありと判別されなかった文献データは検索結果から除外される。

次に、ステップ３１に入り、ここで、ステップ３０での第１の文献データ絞り込み処理によって得られた文献データをさらに絞り込んで、新規な候補遺伝子を探索するという目的に適った、さらに妥当性のある文献データを得るための第２の文献データ絞り込み処理が実行される。

ステップ３１では、絞り込まれた文献データを、さらに、別名辞書Ａにのっている遺伝子名が記載されている妥当な文献データに絞り込む処理を行う。すなわち、ステップ３１での処理により、絞り込まれた文献データ中から、別名辞書Ａにのっている未知遺伝子に関して記載されている文献データを抽出することによって、さらなる絞り込みを行う。この妥当性の判別は、ステップ３０での別名辞書Ｂを利用した絞り込み過程とまったく同様に、別名辞書Ａに対して行うもものである。この絞り込みによって取り出された文献データは、関連文献データとして外部メモリ４に一旦格納される。

ステップ３２では、この関連文献データ中から、別名辞書Ａ、Ｂにのっている遺伝子名をそれぞれ１つずつ以上、且つ、キーワードを１つ以上共起するセンテンスデータを部分抽出する。結局、このようにして抽出されたセンテンスデータには、遺伝子の相互作用を記述するキーワードによって関連づけられた既知遺伝子と未知遺伝子の対が含まれている可能性が高いことになる。したがって、このセンテンスデータは、利用者にとって、着目した生命現象に係わると考えられる未知遺伝子についての遺伝子情報を含んでいる可能性の高いデータである。

ステップ３３では、ステップ３２で抽出された各センテンスデータ中に記載されている遺伝子名のうち、別名辞書Ａにのっている遺伝子名を、当該着目する生命現象に関与する新規の候補遺伝子として出力し、これらの候補遺伝子を表示装置９により表示する。また、所望により、印刷装置１０により、抽出された候補遺伝子を印刷することもできる。

以上、本発明の実施の形態の一例について説明したが、本発明は上記一実施形態に限定されるものではない。上記実施の形態では、着目した生命現象に関与する可能性のある候補遺伝子の探索を目的としたものであるが、例えば２つの遺伝子の間の関係についての情報を文献データベース中より抽出するための遺伝子情報探索のためにも用いることができる。この場合には、一方の遺伝子についての別名辞書Ａと他方の遺伝子についての別名辞書Ｂとを作成し、これらの別名辞書を用いて関連文献データを取り出し、キーワードを用いてセンテンスデータの抽出を行うように構成すればよい。もちろん、２つの遺伝子ではなく２つの遺伝子リスを与えることも可能であり、この場合は、２つの遺伝子リスト間に関する情報を文献データから抽出する。

本発明による遺伝子情報探索装置のシステム構成図。 図１に示した遺伝子情報探索装置により実行される探索処理の一部フロー図。 図１に示した遺伝子情報探索装置により実行される探索処理の一部フロー図。 図２に示す未知遺伝子データ選択処理を説明するための詳細フローチャート。

符号の説明

１ 遺伝子情報探索装置
２ 中央処理装置（ＵＰＵ）
３Ａ 文献データベース
３Ｂ その他のデータベース
４ 外部メモリ
５ 内部メモリ
６ 入出力装置
７、７Ａ 通信制御部
８ キーボード
９ 表示装置
１０ 印刷装置
１１ 第１データメモリ
１２ 第２データメモリ
１３ 第３データメモリ
１４ データ入力装置

Claims (1)

1. 第１の遺伝子データ、第２の遺伝子データ及び遺伝子間の関係を記述するのに使用される少なくとも１つのキーワードに基づき、文献データベースを利用してこれらの遺伝子データに関する遺伝子情報を探索するための方法であって、
   第１別名辞書作成手段が前記第１の遺伝子データに関する第１別名辞書を作成するステップと、
   第２別名辞書作成手段が前記第２の遺伝子データに関する第２別名辞書を作成するステップと、
   文献データ検索手段が前記第２別名辞書にのっている用語が用いられている文献データを前記文献データベースから検索して候補文献データとして取り出すステップと、
   第１文献データ絞り込み手段が前記第２別名辞書を用いて前記候補文献データから前記第２の遺伝子に関して妥当性のある文献データを取り出すステップと、
   第２文献データ絞り込み手段が前記第１別名辞書を用いて前記第１文献データ絞り込み手段によって取り出された文献データのうち前記第１の遺伝子に関して妥当性のある文献データを関連文献データとして取り出すステップと、
   抽出・出力手段が前記関連文献データから前記第１別名辞書にのっている用語と前記第２別名辞書にのっている用語と前記キーワードとの３つが共起するセンテンスデータを抽出して出力するステップと
   を備えて成ることを特徴とする遺伝子情報の探索方法。

Images