JP2008146538A - マイクロｒｎａ検出装置、方法およびプログラム - Google Patents

Abstract

【課題】塩基配列情報をバイオインフォマティクス技術により処理したときの塩基配列上のマイクロＲＮＡ領域の検出精度を向上する。
【解決手段】マイクロＲＮＡ検出装置１は、入力された検出処理対象の塩基配列情報から生成した塩基ベクトル列データと、既知マイクロＲＮＡの確率モデルであるマイクロＲＮＡモデルとを用いて、塩基配列上でマイクロＲＮＡモデルに適合する領域を求める。塩基ベクトル列データは、塩基配列の各塩基に対応する塩基ベクトルの列であり、各塩基ベクトルは、マイクロＲＮＡの特徴である進化的保存度のパラメータと、安定ヘアピン構造を特徴付ける２次構造のパラメータを含んでいる。塩基ベクトルは、２次構造に関しては、、最小自由エネルギーのパラメータに加えて、ステムパラメータおよびループパラメータを含む。マイクロＲＮＡモデルとしては隠れマルコフモデルが使われる。
【選択図】 図１

Description

本発明は、マイクロＲＮＡ検出装置に関し、特に、バイオインフォマティクス技術によってゲノム等の塩基配列情報を解析してマイクロＲＮＡ領域を検出する装置に関する。

マイクロＲＮＡ（以下、ｍｉＲＮＡ）はノンコーディングＲＮＡの中で最もよく研究されたファミリーである。ｍｉＲＮＡはｍＲＮＡの３’ＵＴＲに結合し、翻訳阻害やｍＲＮＡ分解を引き起こすことで遺伝子の発現を制御することができる。これまでに数百のｍｉＲＮＡがヒトゲノム内に発見されている。また、最近の計算機解析で、数千ものヒト遺伝子がｍｉＲＮＡに制御を受けていることが示唆されている。哺乳類の細胞分化や発生におけるｍｉＲＮＡの重要性もいくつかの研究により示されている。多くのｍｉＲＮＡは癌に関連した染色体不安定部位に存在し、癌細胞では異なる発現制御を受けている。このことは、ｍｉＲＮＡと癌には関連性があることを示唆している。したがって、新規のｍｉＲＮＡを発見することは生物学的にも医学的にも大きな意義がある。

ｍｉＲＮＡは、ｐｒｉ−ｍｉＲＮＡと呼ばれる長いＲＮＡ分子として転写される。そして、ｐｒｉ−ｍｉＲＮＡがプロセシングされてｐｒｅ−ｍｉＲＮＡと呼ばれる７０〜１００ｂｐ程度のヘアピン構造になる。最後に、１９〜２３ｂｐの成熟ｍｉＲＮＡがｐｒｅ−ｍｉＲＮＡからＤｉｃｅｒという酵素により切り出される。以後、本明細書では、ｐｒｅ−ｍｉＲＮＡを単に“ｍｉＲＮＡ（マイクロＲＮＡ）”と記述する。

ｍｉＲＮＡは安定したヘアピン構造をとる傾向があり、その多くは脊椎動物内で高度に保存されているので、２次構造の安定性と進化的な保存を利用したｍｉＲＮＡ検出方法がいくつか開発されている。

従来技術としては、相同性検索と2次構造予測を段階的に組み合わせたパイプラインが提案されている。まず、１段階目で、保存されたヘアピン構造が遺伝子間領域内で同定される。次に、２段階目で、そのヘアピン構造の中から、ｍｉＲＮＡに典型的な突然変異パターンを持つものが選択される。あるいは、２段階目では、対称なバルジや、ヘアピンループ付近の高度に保存されたステムなど、ｍｉＲＮＡに特異的な特徴を持つものが同定される。

また、ｍｉＲＮＡだけでなくその周辺領域の保存パターンを考慮に入れた方法も開発されている。まず相同性の高い遺伝子間領域が同定される。次にその中からｍｉＲＮＡに典型的な保存パターンをもち、かつ安定した２次構造をとりそうな領域を抽出する。

また、最近、新しいｍｉＲＮＡの候補がデータベースにより公開されている。このデータベースでは、プログラムを用いて予測されたｎｏｎ−ｃｏｄｉｎｇ ＲＮＡの中から安定したヘアピン構造をとりそうなものをｍｉＲＮＡ候補とみなしている。また、マルチプルアライメントにあらわれるいくつかのタイプの２次構造と保存度の特徴を統合したＳＶＭに基づく方法も報告されている。

これらとは違ったタイプのｍｉＲＮＡ予測手法もある。相同性に基づく手法が提案されており、この手法では既知のｍｉＲＮＡに対する配列と構造の相同性が評価される。また、ターゲット配列駆動型のアプローチが報告されており、そこでは保存された３’ＵＴＲに頻出する配列断片を持つヘアピン構造がｍｉＲＮＡ候補とみなされる。配列の保存性を利用しない手法も提案されており、そこでは塩基頻度、予測されたステムの長さ、対称なループの大きさなどの、構造と配列上の詳細な特徴が機械学習アルゴリズムの特徴量として使用されている。

従来のｍｉＲＮＡの検出技術は例えば非特許文献１に開示されている。
Lim,L.P. et al. "The microRNAs of Caenorhabditis elegans," "GENES & DEVELOPMENT," Cold Spring Harbor Laboratory Press, April 2, 2003, vol.17, pp991-1008, www.genesdev.org

上記のように、従来よりマイクロＲＮＡを検出するための幾つかの技術が提案されているが、マイクロＲＮＡが注目を集める中で、マイクロＲＮＡを高精度で検出できるさらなる技術の提供が望まれている。特に、ヒトゲノム配列などから新規のマイクロＲＮＡを網羅的に検出するといった実用的用途に耐え得るようなマイクロＲＮＡ検出技術の提供が望まれる。

そこで、本発明は上記背景の下でなされたものであり、その目的は、マイクロＲＮＡの検出精度を向上できるマイクロＲＮＡ検出装置を提供することにある。

本発明の一態様は、塩基配列情報からマイクロＲＮＡ領域を検出するマイクロＲＮＡ検出装置であって、検出処理対象の塩基配列情報を入力する入力部と、前記検出処理対象の塩基配列情報から、配列中に含まれる複数の塩基にそれぞれ対応する複数の塩基ベクトルで構成され、マイクロＲＮＡを特徴付ける複数種類のパラメータが各塩基ベクトルに含まれる塩基ベクトル列データを生成する塩基ベクトル列生成部と、既知マイクロＲＮＡ群から生成され、前記既知マイクロＲＮＡ群の中の複数の既知マイクロＲＮＡにそれぞれ対応する複数の前記塩基ベクトル列データを含む塩基ベクトル列群の確率モデルであるマイクロＲＮＡモデルを記憶するマイクロＲＮＡモデル記憶部と、前記塩基ベクトル列生成部により生成された前記塩基ベクトル列データと前記マイクロＲＮＡモデル記憶部の前記マイクロＲＮＡモデルに基づき、前記検出処理対象の塩基配列上で前記マイクロＲＮＡモデルに適合する領域をマイクロＲＮＡ領域として検出するマイクロＲＮＡ検出部と、を備え、前記塩基ベクトル列データを構成する前記各塩基ベクトルの複数種類のパラメータは、前記各塩基ベクトルの対応塩基における進化的保存度を表す保存度パラメータと安定ヘアピン構造を特徴付ける２次構造パラメータとを含み、前記２次構造パラメータは、前記対応塩基の周辺領域の最小自由エネルギーを表すエネルギーパラメータと、塩基配列中の２つの塩基が塩基対を作る塩基対確率に基づいて前記対応塩基が前記ヘアピン構造のステム部に位置する可能性の高さを表すステムパラメータと、前記塩基対確率に基づいて前記対応塩基が前記ヘアピン構造のループ部に位置する可能性の高さを表すループパラメータとを含む。ステムパラメータおよびループパラメータは、各対応塩基がステム部およびループ部に位置する確率の大きさを表してよい。

上記のように、本発明によれば、検出処理対象の塩基配列情報から生成した塩基ベクトル列データと、既知マイクロＲＮＡの確率モデルであるマイクロＲＮＡモデルとを用いて、塩基配列上でマイクロＲＮＡモデルに適合する領域を求めることにより、マイクロＲＮＡ領域を検出することができる。本発明では、塩基ベクトル列データを構成する各塩基ベクトルが、マイクロＲＮＡの特徴である進化的保存度のパラメータと安定ヘアピン構造のパラメータを含んでおり、特に、安定ヘアピン構造に関して、最小自由エネルギーのパラメータに加えて、上記のように各塩基がステムおよびループに相当する可能性を塩基対確率に基づいて表すパラメータを含んでおり、このようなベクトル表現を採用することによりマイクロＲＮＡの検出精度を向上できる。

前記マイクロＲＮＡモデルは隠れマルコフモデルであってよく、前記マイクロＲＮＡ検出部は、前記隠れマルコフモデルを用いて可変長のマイクロＲＮＡ領域検出を行ってよい。

前記マイクロＲＮＡモデルは、配列長さが一定でない既知マイクロＲＮＡ群から生成されてよい。

前記マイクロＲＮＡモデルの前記隠れマルコフモデルは、塩基配列の各塩基に各状態が対応する状態遷移モデルであってよく、状態遷移経路が通過可能な状態数が所定の範囲に制限されてよい。

前記マイクロＲＮＡモデルの前記隠れマルコフモデルは、塩基配列の各塩基に各状態が対応する状態遷移モデルであってよく、状態遷移経路に拘わらず、状態遷移経路上の状態遷移確率の積が同じになるようにモデル各部の状態遷移確率が設定されていてよい。

前記ループパラメータは、塩基対確率行列に基いた、前記対応塩基を中心として順次外側に位置する塩基対に対応する塩基対確率の合計である塩基対確率合計を含んでよい。

前記ループパラメータの前記塩基対確率合計は、前記ループ部の塩基数が偶数である場合を想定し、前記対応塩基とその隣の塩基を最初の塩基対としたときに順次外側に位置する塩基対に対応する塩基対確率の合計も含んでよい。

前記ループパラメータは、前記対応塩基の周囲の所定範囲における複数の塩基にそれぞれ対応する複数の前記塩基対確率合計の重み付け平均値であってよい。

前記マイクロＲＮＡモデル記憶部は、さらに、マイクロＲＮＡに該当しないことが既知である非マイクロＲＮＡ群から生成される確率モデルである非マイクロＲＮＡモデルを記憶してよく、前記マイクロＲＮＡ検出部は、前記マイクロＲＮＡモデルに適合し前記非マイクロＲＮＡモデルに非適合の領域をマイクロＲＮＡ領域として検出してよい。

前記マイクロＲＮＡモデル記憶部は、進化的保存度が異なる複数の非マイクロＲＮＡ群からそれぞれ生成された複数の非マイクロＲＮＡモデルを記憶していてよい。

前記ステムパラメータは、前記対応塩基が５’側のステム部に位置する確率を表すパラメータと、前記対応塩基が３’側のステム部に位置する確率を表すパラメータとを含んでよい。

本発明の別の態様は、塩基配列情報をコンピュータで処理することによってマイクロＲＮＡ領域を検出するマイクロＲＮＡ検出方法であって、検出処理対象の塩基配列情報を入力し、前記検出処理対象の塩基配列情報から、配列中に含まれる複数の塩基にそれぞれ対応する複数の塩基ベクトルで構成され、マイクロＲＮＡを特徴付ける複数種類のパラメータが各塩基ベクトルに含まれる塩基ベクトル列データを生成し、既知マイクロＲＮＡ群の中の複数の既知マイクロＲＮＡにそれぞれ対応する複数の前記塩基ベクトル列データを含む塩基ベクトル列群の確率モデルであるマイクロＲＮＡモデルを用いて、前記検出処理対象の塩基配列上で前記マイクロＲＮＡモデルに適合する領域をマイクロＲＮＡ領域として検出する処理を行い、前記塩基ベクトル列データを構成する前記各塩基ベクトルの複数種類のパラメータは、前記各塩基ベクトルの対応塩基における進化的保存度を表す保存度パラメータと安定ヘアピン構造を特徴付ける２次構造パラメータとを含み、前記２次構造パラメータは、前記対応塩基の周辺領域の最小自由エネルギーを表すエネルギーパラメータと、塩基配列中の２つの塩基が塩基対を作る塩基対確率に基づいて前記対応塩基が前記ヘアピン構造のステム部に位置する可能性の高さを表すステムパラメータと、前記塩基対確率に基づいて前記対応塩基が前記ヘアピン構造のループ部に位置する可能性の高さを表すループパラメータとを含む。この態様によっても上述の本発明の利点が得られる。

本発明の別の態様は、塩基配列情報からマイクロＲＮＡ領域を検出するマイクロＲＮＡ検出処理をコンピュータに実行させるマイクロＲＮＡ検出プログラムであって、入力された検出処理対象の塩基配列情報から、配列中に含まれる複数の塩基にそれぞれ対応する複数の塩基ベクトルで構成され、マイクロＲＮＡを特徴付ける複数種類のパラメータが各塩基ベクトルに含まれる塩基ベクトル列データを生成し、既知マイクロＲＮＡ群の中の複数の既知マイクロＲＮＡにそれぞれ対応する複数の前記塩基ベクトル列データを含む塩基ベクトル列群の確率モデルであるマイクロＲＮＡモデルを用いて、前記検出処理対象の塩基配列上で前記マイクロＲＮＡモデルに適合する領域をマイクロＲＮＡ領域として検出する処理を前記コンピュータに実行させ、前記塩基ベクトル列データを構成する前記各塩基ベクトルの複数種類のパラメータは、前記各塩基ベクトルの対応塩基における進化的保存度を表す保存度パラメータと安定ヘアピン構造を特徴付ける２次構造パラメータとを含み、前記２次構造パラメータは、前記対応塩基の周辺領域の最小自由エネルギーを表すエネルギーパラメータと、塩基配列中の２つの塩基が塩基対を作る塩基対確率に基づいて前記対応塩基が前記ヘアピン構造のステム部に位置する可能性の高さを表すステムパラメータと、前記塩基対確率に基づいて前記対応塩基が前記ヘアピン構造のループ部に位置する可能性の高さを表すループパラメータとを含む。この態様によっても上述の本発明の利点が得られる。

本発明は、マイクロＲＮＡ検出装置以外の別の態様で表されてよく、例えば上記の方法またはプログラムの態様で表されてよく、また、同プログラムを記録したコンピュータ読取可能な記録媒体でもよい。また、本発明の別の態様は、例えば、上記のマイクロＲＮＡモデル作成装置、方法、プログラムまたは記録媒体でもよく、マイクロＲＮＡモデルに加えて非マイクロＲＮＡモデルも作成されてよい。また、本発明の別の態様も、マイクロＲＮＡ検出装置の態様に関して述べられた各種の付加的特徴を含んでよい。

上記のように、本発明によれば、上述のマイクロＲＮＡモデルを用いてマイクロＲＮＡの検出精度を向上することができる。

以下、本発明の好適な実施の形態に係るマイクロＲＮＡ検出装置について、図面を用いて説明する。本実施の形態では、マイクロＲＮＡとして、ｐｒｅ−ｍｉＲＮＡが検出される。以下では、検出されるｐｒｅ−ｍｉＲＮＡを、ｍｉＲＮＡと記述する。

概要としては、隠れマルコフモデル（ＨＭＭ）を用いた新しいｍｉＲＮＡ予測技術が提案される。この技術は、ｍｉＲＮＡとその周辺領域の保存性と２次構造の特徴を、多次元の連続値ベクトル列で表現する。そして、Ｃｏｎｔｉｎｕｏｕｓ ＨＭＭと呼ばれる連続値を出力するＨＭＭを使って、ｍｉＲＮＡ周辺の特徴がモデル化される。２つのタイプの２次構造情報、つまり最小自由エネルギーのＺ−ＳＣＯＲＥと塩基対確立行列を利用した。それらを組み合わせることで予測精度が向上した。また、ｍｉＲＮＡは、複数の特徴を統合することにより得られる尤度という一つの指標を使って予測される。それゆえ、従来の複数段階からなるパイプラインで用いられるような、それぞれの段階に割り当てられる恣意的な閾値を導入する影響を最小限にすることができる。その上、ｍｉＲＮＡの長さのバリエーションをモデル化することができる。これは固定長の窓幅が使われるＳＶＭに基づく方法に対する利点である。

図１は、本実施の形態に係るｍｉＲＮＡ検出装置の構成を示すブロック図である。図１において、ｍｉＲＮＡ検出装置１はコンピュータ装置であり、演算装置であるＣＰＵと、ＲＡＭ、ＲＯＭ等の記憶装置と、キーボードおよびポインティングデバイス等の入力装置と、ディスプレイおよびプリンタ等の出力装置と、ハードディスク等の外部記憶装置を備えている。ｍｉＲＮＡ検出装置１はネットワーク等との通信機能を備え、この通信機能が情報の入出力部として機能してもよい。

ｍｉＲＮＡ検出装置１は、検出処理対象の塩基配列情報を入力し、記憶されているプログラムを実行することにより塩基配列情報を処理してｍｉＲＮＡ領域を検出し、検出結果を出力するように構成される。図１に示されるように、ｍｉＲＮＡ検出装置１は、入力部３、塩基ベクトル列生成部５、ｍｉＲＮＡモデル記憶部７、ｍｉＲＮＡ検出部９および出力部１１で構成されている。

入力部３は、ｍｉＲＮＡ検出装置１の入力装置によって実現され、検出処理対象の塩基配列情報を入力する。塩基配列情報は例えば記録媒体からｍｉＲＮＡ検出装置１に読み込まれてよく、この場合は記録媒体の読書手段が入力装置として機能する。検出処理対象の塩基配列情報は、ｍｉＲＮＡの検出元（検出源）の塩基配列情報であり、例えば、ヒトゲノムのデータである。

塩基ベクトル列生成部５は、入力部３により入力された塩基配列情報から塩基ベクトル列データを生成する。塩基ベクトル列生成部５は、ｍｉＲＮＡ検出装置１の演算機能で実現され、ｍｉＲＮＡ検出装置１に記憶されたプログラムを実行して塩基ベクトル列データを求める。塩基ベクトル列データは、検出対象の塩基配列情報に含まれる複数の塩基にそれぞれ対応する複数の塩基ベクトルの列であり、各塩基ベクトルにはｍｉＲＮＡを特徴付ける複数種類のパラメータが含まれる。それら複数のパラメータについては後述する。

ｍｉＲＮＡモデル記憶部７は、ｍｉＲＮＡ検出装置１の記憶装置で構成され、既知ｍｉＲＮＡ群から生成されたｍｉＲＮＡモデルを記憶する。ｍｉＲＮＡモデルは、既知ｍｉＲＮＡ群の中の複数の既知ｍｉＲＮＡにそれぞれ対応する複数の塩基ベクトル列データからなる塩基ベクトル列群の特徴を表す確率モデルである。本実施の形態では、ｍｉＲＮＡは隠れマルコフモデル（以下、ＨＭＭモデルという）である。

ｍｉＲＮＡモデル記憶部７は、さらに、ｍｉＲＮＡに該当しないことが既知である非ｍｉＲＮＡ群から生成された非ｍｉＲＮＡモデルも記憶している。非ｍｉＲＮＡモデルもＨＭＭモデルである。そして、ｍｉＲＮＡモデルと非ｍｉＲＮＡモデルはＨＭＭ内で状態遷移可能に連結されている。

ｍｉＲＮＡ検出部９は、ｍｉＲＮＡ検出装置１の演算機能で実現され、ｍｉＲＮＡ検出装置１に記憶されたプログラムを実行することでｍｉＲＮＡ領域を検出する。ｍｉＲＮＡ検出部９は、塩基ベクトル列生成部５により生成された塩基ベクトル列データとｍｉＲＮＡモデル記憶部７のｍｉＲＮＡモデルに基づき、検出処理対象の塩基配列上でｍｉＲＮＡモデルに適合する領域をｍｉＲＮＡ領域として検出する。より詳細には、ｍｉＲＮＡ検出部９は、ｍｉＲＮＡモデルに適合し非ｍｉＲＮＡモデルに非適合の領域をｍｉＲＮＡ領域として検出する。

出力部１１は、ｍｉＲＮＡ検出部９により検出されたｍｉＲＮＡ領域の情報を出力する。出力部１１は、ｍｉＲＮＡ検出装置１の出力装置で実現される。検出結果はディスプレイまたはプリンタに出力されてよい。検出結果は記録媒体へと書き込まれてよく、この場合は記録媒体の読書手段が出力装置として機能する。

上記のｍｉＲＮＡ検出装置１は、単独のコンピュータで構成されてもよく、複数のコンピュータで構成されてもよい。それら複数のコンピュータは分散して配置されてもよい。

また、検出処理対象の塩基配列情報は、外部の端末装置等からｍｉＲＮＡ検出装置１の通信機能を利用して入力されてもよい。同様に、検出結果のｍｉＲＮＡの情報は、通信機能を利用して外部に出力されてもよい。この場合、通信機能が入出力部として機能する。ｍｉＲＮＡ検出装置１は通信機能を利用してネットワークとデータの送受を行ってもよい。この場合に、ｍｉＲＮＡ検出装置１はインターネットを介して塩基配列情報を入力し、検出結果の情報を返してもよい。

次に、ｍｉＲＮＡ検出装置１についてより詳細に説明する。ここでは、まず、本実施の形態に特徴的な塩基ベクトル列データについて説明し、そして、ＨＭＭを用いて塩基ベクトル列データをモデル化することにより得られるｍｉＲＮＡモデルについて説明する。

図２は、塩基ベクトル列データを示す図である。図示のように、塩基配列の各塩基ｂｉに対応して塩基ベクトルＶＢｉが得られる。塩基ベクトルＶＢｉは、ｍｉＲＮＡを特徴づける複数種類のパラメータをベクトル要素として有する複数次元のベクトルである。そして、塩基ベクトル列データは、塩基ベクトルの列のデータである。本実施の形態では、塩基ベクトルが、５種類のパラメータ（ＣＳ、Ｚ−ＳＣＯＲＥ、ＰＬ、ＰＲ、Ｖ’）からなる５次元ベクトルであり、塩基ベクトル列データは５次元ベクトル列のデータである。

塩基ベクトルの５つのパラメータは、保存度パラメータと２次構造パラメータに大きく分けられる。保存度パラメータは、各塩基周辺の進化的保存度を表すパラメータである。２次構造パラメータは、安定へピン構造を特徴付けるパラメータであり、安定したヘアピン構造が持つ特性に基づいて設定されている。ＣＳが保存度パラメータに該当し、Ｚ−ＳＣＯＲＥ、ＰＬ、ＰＲ、Ｖ’は２次構造パラメータに該当する。ｍｉＲＮＡは、脊椎動物（哺乳類、鳥類、魚類など）で進化的に強く保存されており、かつ、非常に安定したヘアピン構造を有するので、上記のパラメータによってｍｉＲＮＡの特徴が表される。以下、各パラメータについて詳細に説明する。

「パラメータＣＳ」
図３は、一つのｍｉＲＮＡに沿ったパラメータＣＳの値を模式的に示している。パラメータＣＳは、ｃｏｎｓｅｒｂａｔｉｏｎ ｓｃｏｒｅの略であり、ｐｈａｓｔＣｏｎｓプログラムにより計算することができる進化的保存度のパラメータであり、本発明の保存度パラメータに相当する。ＣＳは０〜１の間の値であり、ＣＳが大きいほど保存度が高い。

図３の下方に示すように、ｍｉＲＮＡはステム部とループ部からなるヘアピン構造を有している。配列上では、５’側のステム部、ループ部、３’側のステム部が並ぶ。そして、５’側のステム部と３’側のステム部が図示のように連結される。以下では、図３のように、５’側を左に配置し、３’側を右側に配置し、５’側のステム部を左ステム部と呼び、３’側のステム部を右ステム部と呼ぶ。

ｍｉＲＮＡでは上記のように左ステム部、ループ部、右ステム部が順に並ぶ。一般にステム部では突然変異が少なく、ループ部では突然変異が多い。したがって、ｍｉＲＮＡの場合、図示のように、左ステム部でＣＳが高く、ループ部でＣＳが低く、右ステム部でＣＳが再び高くなる傾向がある。

保存度についてさらに説明すると、保存度は、各種の生物種のＤＮＡを比較することによって求められる。哺乳類、鳥類、魚類などの脊椎動物のＤＮＡが好適に比較される。保存度が高い領域では、生物種間での配列の類似度が高い。保存度が低い領域では、生物種間での配列の類似度が低い。このような観点で保存度についての各種の研究が既になされている。

本実施の形態の場合には、上述のように、ｐｈａｓｔＣｏｎｓプログラムにより計算したＣＳを保存度パラメータとして使用している。検出対象の塩基配列のＣＳのデータが入力されて記憶され、このＣＳのデータが使われてよい。ＣＳのデータはネットワークを通じてダウンロード等によって入力されてよい。本実施の形態では、対象の塩基配列が例えばヒトゲノムでる。この場合、ヒトゲノム全域にわたるＣＳが既に計算され、ネットワーク上で公開されている。このＣＳがダウンロードされて、ｍｉＲＮＡ検出装置１に記憶され、使われてよい。

また、保存度の計算プログラムがｍｉＲＮＡ検出装置１に記憶されており、塩基ベクトル列生成部５により実行され、塩基配列からＣＳが算出されてもよい。この場合、入力された検索対象の塩基配列が他生物種のゲノムと比較されて、相同な領域が得られる。そして、相同な領域を集めてきて、マルチプルアライメントが作成される。このマルチプルアライメントが計算プログラムの入力として与えられて、ＣＳが算出される。

「パラメータＺ−ＳＣＯＲＥ」
図４は、一つのｍｉＲＮＡに沿ったパラメータＺ−ＳＣＯＲＥの値を模式的に示している。パラメータＺ−ＳＣＯＲＥは、２次構造に関するパラメータの一つであり、最小自由エネルギーの大きさを表すパラメータである。本実施の形態では特にＺ−ＳＣＯＲＥが各塩基の周辺領域における最小自由エネルギーの大きさを表すパラメータであって、本発明のエネルギーパラメータに該当する。

最小自由エネルギーとは、ある塩基配列がとりうる２次構造の中で最も低い自由エネルギーを持つ２次構造の自由エネルギーであり、安定した構造体では小さくなる。したがって、最小自由エネルギーが小さい程、塩基配列の構造が安定している。最小自由エネルギーはＺｕｋｅｒのアルゴリズムで計算することができる。このアルゴリズムの計算プログラムが本実施の形態ではｍｉＲＮＡ検出装置１に記憶されており、塩基ベクトル列生成部５により実行され、塩基配列からＺ−ＳＣＯＲＥが算出される。

最小自由エネルギーのＺ−ＳＣＯＲＥは、下の式で表すことができる。
Ｚ ＝ （Ｅ − 〈Ｅ〉）／σ
ここで、Ｅは、与えられた配列の最小自由エネルギーである。〈Ｅ〉，σは、与えられた配列と同じ塩基組成を持つランダム配列の最小自由エネルギーの平均と標準偏差である。

上記の式では、ランダム配列の平均値および標準偏差を用いて、Ｚ−ＳＣＯＲＥが偏差値で表されている。このように偏差値を用いることにより、塩基対ａ、ｔと塩基対ｇ、ｃの結合強度の差の影響を低減でき、構造安定性を適切に表すことができる。

図４を参照すると、本実施の形態においては、各塩基のＺ−ＳＣＯＲＥとして、着目塩基周辺の所定範囲の配列から得られるＺ−ＳＣＯＲＥが計算される。この所定範囲は、着目塩基を中心とした１００ｂｐの範囲に設定されている。要するに、１塩基ずつずらしながら、１００ｂｐのＺ−ＳＣＯＲＥが次々と求められる。

ｍｉＲＮＡのＺ−ＳＣＯＲＥを求めた場合、図示のように、Ｚ−ＳＯＣＲＥがｍｉＲＮＡの周辺から中心に近づくにしたがって小さくなる。これは、ｍｉＲＮＡでは構造が安定しており、自由エネルギーが小さくなるからである。例えば、ｍｉＲＮＡの端部では、Ｚ−ＳＣＯＲＥを求める１００塩基配列の半分が、ｍｉＲＮＡの外にある。これに対して、ｍｉＲＮＡの中心では、１００塩基配列の殆どがｍｉＲＮＡの中にある（ｍｉＲＮＡの長さは一般に１００塩基程度である）。したがって、ｍｉＲＮＡの中心部の方がＺ−ＳＣＯＲＥが小さくなる。

「パラメータＰＬ、ＰＲ」
図５は、一つのｍｉＲＮＡに沿ったパラメータＰＬ、ＰＲの値を模式的に示している。パラメータＰＬ、ＰＲは、２次構造に関するパラメータの一つであり、特に、各塩基がｍｉＲＮＡのヘアピン構造のステム部に位置する可能性の高さを表すパラメータであり、塩基対確率に基づいて表され、本発明のステムパラメータに相当する。本実施の形態では具体的にはパラメータＰＬ、ＰＲは各塩基がステム部に位置する確率の大きさを表しており、パラメータＰＬ、ＰＲは、それぞれ、各塩基が左ステム部（５’側ステム部）および右ステム部（３’側ステム部）に位置する確率を表す。言い換えれば、パラメータＰＬは、右側に位置する相補塩基と塩基対を作る確率であり、パラメータＰＲは、左側に位置する相補塩基と塩基対を作る確率である。本実施の形態では、パラメータＰＬ、ＰＲは以下のようにして求められる。

図６は、パラメータＰＬを求める処理を示す図である。パラメータＰＬは、図示のように塩基対確率行列を用いて求められる。塩基対確率行列では、周知のように、２本の配列が行方向および列方向に配置される。そして、２つの配列から得られる任意のすべての塩基対の確率が行列で表される。この確率が塩基対確率である。確率は例えば図のように点の大きさで表される。実際の塩基対確率行列データは、行列上の各点に対応する確率値のテーブルである。

本実施の形態では、同じ塩基配列が２方向に配置されて、図６に示す塩基対確率が求められ、この塩基対確率からパラメータＰＬが算出される。

図６において、塩基ｉのパラメータＰＬをＰＬｉとすると、ＰＬｉは、塩基ｉから右方向に進んだときの確率最大値である。これは、塩基ｉと、塩基ｉより右側（３’側）の任意の塩基とにより作られる塩基対の確率の最大値である。図の例では、塩基ｉが左ステム部内に位置している。このように、塩基ｉが左ステム部内に位置していれば、右側のいずれかの塩基と対を作るので、パラメータＰＬｉが大きくなる。その結果、図５に示したように、パラメータＰＬは左ステム部で大きくなる。

図７は、パラメータＰＲを求める処理を示す図である。パラメータＰＲも、図６と同じ塩基対確率行列を用いて求められる。

図７において、塩基ｉのパラメータＰＲをＰＲｉとすると、ＰＲｉは、塩基ｉから上方向に進んだときの確率最大値である。これは、塩基ｉと、塩基ｉより左側（５’側）の任意の塩基とにより作られる塩基対の確率の最大値である。図の例では、塩基ｉが右ステム部内に位置している。このように、塩基ｉが右ステム部内に位置していれば、左側のいずれかの塩基と対を作るので、パラメータＰＲｉが大きくなる。その結果、図５に示したように、パラメータＰＲは右ステム部で大きくなる。

上述したパラメータＰＬｉ、ＰＲｉは下記の式で表される。

ここで、ｐij は、塩基iと塩基ｊの塩基対確率である。

本実施の形態では、上記の塩基対確率行列の計算プログラムがｍｉＲＮＡ検出装置１に記憶されており、この計算プログラムが塩基ベクトル列生成部５により実行される。そして塩基対確率行列から塩基ベクトル列生成部５により上記の式を使ってパラメータＰＬ、ＰＲが求められる。

「パラメータＶ’」
図８は、一つのｍｉＲＮＡに沿ったパラメータＶ’の値を模式的に示している。パラメータＶ’は、２次構造に関するパラメータの一つである。パラメータＶ’は、特に、各塩基がｍｉＲＮＡのヘアピン構造のループ部に位置する可能性の高さを表すパラメータであり、塩基対確率に基づいて表され、本発明のループパラメータに相当する。より具体的にはパラメータＶ’は塩基がループ部に位置する確率の大きさの表す。このパラメータＶ’も、下記のようにパラメータＰＬ、ＰＲの算出で使われたのと同じ塩基対確率行列を用いて求められる。

本実施の形態では、塩基ｉのパラメータＶ’をＶ’ｉとすると、Ｖ’ｉは、下式で表される。

ここで、ｐkl は、塩基ｋと塩基ｌの塩基対確率である。Int( ) は、小数点を切り捨てる関数である。また、Ｗｎは、重み係数であり、Ｗ−４・・・＋５＝｛1/30，2/30，3/30，4/30，5/30，5/30，4/30，3/30，2/30，1/30｝である。

上記の式に示されるように、パラメータＶ’ｉはパラメータＶｉの加重平均値である。ここではまず、パラメータＶｉを求める処理を説明する。

図９は、塩基ｉのパラメータＶｉを求めるための処理を説明する図である。上記の式のパラメータＶｉは、加算対象のＰの指定に小数点を切り捨てる関数Ｉｎｔを使っている。これにより、パラメータＶｉは、具体的には図９の左半部に示されるように、下記の“合計Ｓ１”“合計Ｓ２”の和に相当する値になっている。

“合計Ｓ１”：塩基ｉを中心として順次外側に位置する塩基対の確率の合計。具体的には、Ｐ（ｋ，ｌ）＝Ｐ（ｉ−１，ｉ＋１）、Ｐ（ｉ−２，ｉ＋２）、Ｐ（ｉ−３，ｉ＋３）・・・の合計。

“合計Ｓ２”：塩基ｉ、ｉ＋１を最初の塩基対（中心）として順次外側に位置する塩基対の確率の合計。具体的には、Ｐ（ｋ，ｌ）＝Ｐ（ｉ，ｉ＋１）、Ｐ（ｉ−１，ｉ＋２）、Ｐ（ｉ−２，ｉ＋３）・・・の合計。

また、パラメータＶは、図９の右半部に示されるように、塩基対確率行列上では、対角線上で塩基ｉに対応する位置から斜め右上方向に並ぶ塩基対確率の和に相当し、より詳細には上記“合計Ｓ２”が加わるので図９に示すような枠Ｆ内に含まれる塩基対確率の和に相当する。枠Ｆは、行列上で塩基ｉの位置から斜め右上方向に並んだ点と、それらから右側に１つずれた点とを囲んでいる。

次に、パラメータＶｉからパラメータＶ’ｉを求める処理を説明する。上記の式に示したように、パラメータＶ’ｉは、塩基ｉとその周辺塩基のパラメータＶｉの重み付け平均値である。塩基ｉを中心とした１０個の塩基のパラメータＶｉ−４〜Ｖｉ＋５が使われる。重み係数は、概略的には中央の塩基ｉに近づくほど大きくなり、具体的には（１／３０，２／３０，３／３０，４／３０，５／３０，５／３０，４／３０，３／３０，２／３０，１／３０）であって、三角形状の重みがかけられる。

以上にパラメータＶ’を求める処理を説明した。このようなパラメータＶ’を用いることにより、以下に説明するように、ループ部分の長さが奇数の場合も偶数の場合も考慮されてループ部の特徴が適切に表される。

まず、ｍｉＲＮＡのヘアピン構造において、ループ部の塩基数が奇数であったとする。この場合、ループ部中央の塩基ｉの両側には、左ステム部および右ステム部が対象に位置しており、それらの塩基対確率は非常に大きい。したがって、ループ部中央の塩基ｉにて上記“合計Ｓ１”が大きくなり、その結果、パラメータＶ’ｉが大きくなる。

また、ループ部の塩基数が偶数であったとする。この場合は、ループ部中央に２つの塩基がある。そして、これら２つの塩基のうちの左側の塩基ｉについて、上記“合計Ｓ２”が大きくなり、その結果、パラメータＶ’ｉが大きくなる。このように、本実施の形態では、“合計Ｓ２”を使うことで、ループ部の塩基数が偶数の場合にもループ部中央の塩基のパラメータＶ’ｉが大きくなり、したがって、ループ部の塩基数が偶数の場合にも好適に対処できている。

さらに、本実施の形態は、加重平均を行うことで、図１０に示すバルジ部がステム部に含まれる場合に好適に対処できている。バルジ部があった場合、バルジ部から先の部分では、ループ部を中心としたステム部の対象性が崩れる。そのため、パラメータＶを単純に計算しても、バルジ部から先のステム部の塩基対確率がパラメータＶには上手く反映されない。しかしながら、本実施の形態では、周辺領域のパラメータＶを加重平均して最終的にパラメータＶ’が算出される。この加重平均により、バルジ部から先のステム部における塩基対確率の大きさもパラメータＶ’に反映することができ、したがって、バルジがある場合にも好適に対処することができている。

上記のようにして得られるパラメータＶ’は、ループ部中央の塩基にて大きくなる。またループ部中央の周辺の塩基でも、上記の加重平均を行っているので、パラメータＶ’が大きくなる。これに対して、ループ部中央から離れるとパラメータＶ’は小さくなる。その結果、図示のように、ｍｉＲＮＡにおけるパラメータＶ’は、ステム部では小さく、ループ部中央に近づくと大きくなり、ループ部中央付近で最大になる。

パラメータＶ’は、図１の構成では、塩基ベクトル列生成部５により算出される。塩基対確率行列が計算され、そして、上述の式に従ってパラメータＶ’が求められる。塩基対確率行列は、パラメータＰＬ、ＰＲを求めるために使われたものと同じでよい。

上記のパラメータＶ’を用いることは、本実施の形態の利点の一つである。これまでのｍｉＲＮＡ検出技術では、ステム部が主に着目されており、ループ部に着目した適当なパラメータは用いられていなかった。これに対して、本実施の形態では、ループ部を特徴づける新たなパラメータＶ’が提案され、この好適なパラメータＶ’を用いることによりｍｉＲＮＡの検出精度が向上する。

以上に、本実施の形態における塩基ベクトルに含まれる５つのパラメータについて説明した。図１１は、一つのｍｉＲＮＡとその周辺領域における上記５つのパラメータの例を示している。このように、本実施の形態では、塩基配列の各塩基に対応する５つのパラメータが求められ、これにより各塩基の塩基ベクトルが求められる。そして、塩基ベクトルを配列することにより塩基ベクトル列データが得られ、塩基ベクトル列データがｍｉＲＮＡモデルの作成とそれを使ったｍｉＲＮＡ検出処理に使われる。

「ｍｉＲＮＡモデルおよび非ｍｉＲＮＡモデル」
次に、上述の塩基ベクトル列データを用いて作られるｍｉＲＮＡモデルおよび非ｍｉＲＮＡモデルについて説明する。概略的には、既知のｍｉＲＮＡが集められて、各ｍｉＲＮＡから塩基ベクトル列データが生成され、それら塩基ベクトル列データが隠れマルコフモデル（以下、ＨＭＭ）を用いてモデル化されて、ｍｉＲＮＡモデルが生成される。同様に、ｍｉＲＮＡ以外の配列群から非ｍｉＲＮＡモデルが生成される。

図１２は、ｍｉＲＮＡモデルおよび非ｍｉＲＮＡモデルの作成方法を示している。図１２において、既知ｍｉＲＮＡ群２１は、既知のｍｉＲＮＡの集合である。ｍｉＲＮＡの長さは固定されなくてよい。既知ｍｉＲＮＡ群の各ｍｉＲＮＡから塩基ベクトル列データが生成され、これにより、塩基ベクトル列群３１が得られる。そして、塩基ベクトル列群３１から、ＨＭＭであるｍｉＲＮＡモデル４１が生成される。モデル生成過程ではＨＭＭの学習処理が行われて、確率モデルが生成される。

ここで、図１１を再び参照すると、前述のように、同図の例の場合、ｍｉＲＮＡとその両側の周辺領域を含む領域から、５つのパラメータが求められている。両側に付加される領域は、図の例では５０ｂｐの領域である。ｍｉＲＮＡの長さが一般に１００ｂｐ程度であることを考慮すると、周辺領域を含む全長は２００ｂｐ程度になる。本発明の範囲内で、実際に塩基ベクトル列を作りモデル化するときは、上記のようなｍｉＲＮＡとその周辺部分を含む領域から塩基ベクトル列が生成され、この塩基ベクトル列からｍｉＲＮＡモデルが生成されてよい。

このように、本発明の範囲内で、ｍｉＲＮＡとその周辺部分を含む領域が、マイクロＲＮＡの領域として処理されてよい。そして、周辺部分を含むｍｉＲＮＡから得られた塩基ベクトル列データが、ｍｉＲＮＡモデルに対応する塩基ベクトル列データとして用いられてよい。

図１２戻り、次に、非ｍｉＲＮＡモデルについて説明する。非ｍｉＲＮＡモデルも、ｍｉＲＮＡモデルと同様にＨＭＭモデルである。非ｍｉＲＮＡモデルに関しては、図１２に示すように３つのモデルが生成される。

図１２において、非ｍｉＲＮＡ群２３、２５、２７は非ｍｉＲＮＡ配列の集合であり、非ｍｉＲＮＡ配列は、ｍｉＲＮＡに該当しないと考えられる配列である。非ｍｉＲＮＡ群２３、２５、２７では配列の進化的保存度が異なっている。非ｍｉＲＮＡ群２３では保存度が低く（非保存クラス）、非ｍｉＲＮＡ群２５では保存度が中程度であり（中保存クラス）、非ｍｉＲＮＡ群２７では保存度が高い（高保存クラス）。非ｍｉＲＮＡ群２３、２５、２７から、それぞれ、塩基ベクトル列群３３、３５、３７が生成される。ここでも、ｍｉＲＮＡモデルの場合と同様に、各配列から塩基ベクトル列データが生成される。そして、塩基ベクトル列群３３、３５、３７から、ＨＭＭである非ｍｉＲＮＡモデル４３、４５、４７がそれぞれ生成される。

本実施の形態では、図１には示されていないが、ｍｉＲＮＡ検出装置１にモデル作成部が好適に設けられてよく、このモデル作成部が上述したモデル作成処理を行ってｍｉＲＮＡモデル４１および非ｍｉＲＮＡモデル４３、４５、４７を作成してよい。モデル作成部は、ＨＭＭの学習機能やモデル作成機能によってＨＭＭを作成する構成であり、ｍｉＲＮＡ検出装置１に記憶されたＨＭＭのプログラムを実行することによってモデル作成部が実現される。そして、図１２を用いて説明したモデル作成方法が実行されて、これにより本実施の形態でのモデル作成部の機能が実現されて、ｍｉＲＮＡモデル４１および非ｍｉＲＮＡモデル４３、４５、４７が作成される。なお、変形例としては、モデル作成は外部で行われて、作成後のモデルがｍｉＲＮＡ検出装置１に入力され、記憶され、使用されてもよい。

本実施の形態の具体例では、４６４個の既知ｍｉＲＮＡの中から、保存度が高い２９０個のｍｉＲＮＡを選択して、既知ｍｉＲＮＡ群２１とした。そして、それら２９０個のｍｉＲＮＡからｍｉＲＮＡモデル４１を作成した。また、ヒトゲノム上でｍｉＲＮＡでないと思われる３０００箇所の領域を選択し、非ｍｉＲＮＡ群２３、２５、２７を作成した。その際、保存度の指標としてパラメータＣＳを用いて、各群に１０００箇所の配列を選択した。非保存クラスのＣＳは０．４未満に設定し、中保存クラスのＣＳは０．４以上に設定し、高保存クラスのＣＳは０．６以上に設定した。また、非ｍｉＲＮＡの配列長さはすべて２００ｂｐとした。このような設定例を用いると高い精度で検出結果が得られることが分かった。

ここで、上記の例では、中保存クラスのＣＳは０．４以上に設定されており、上限値は設けられていない。したがって、保存度が高い領域も中保存クラスに含まれ得る。すなわち、ＣＳが０．６以上の領域が、中保存クラスに混ざることがある。しかし、一般に、中保存クラスの領域と比べて高保存クラスの領域の数に少ない。したがって、保存度の高い領域は、わずかしか中保存クラスに混ざらない。上記の例のようにＣＳが０．４以上の１０００個の領域を集めたとき、保存度が０．６以上の領域は幾つか混ざる程度である。したがって、上記のように中保存クラスのＣＳの上限値が規定されていなくても、中保存クラスとして十分に適当な非ｍｉＲＮＡ群２５を作ることができる。

これらｍｉＲＮＡモデルおよび非ｍｉＲＮＡモデルは、以下のようにしてｍｉＲＮＡ検出に使用される。ｍｉＲＮＡモデルおよび非ｍｉＲＮＡは、図１のｍｉＲＮＡモデル記憶部７に記憶される。ｍｉＲＮＡ検出部９は、検出処理対象の塩基ベクトル列とｍｉＲＮＡモデル記憶部７のモデルを用いて、検出処理対象の塩基配列上のｍｉＲＮＡ領域を検出する。その際、ｍｉＲＮＡモデルに適合し、かつ、非ｍｉＲＮＡモデルに適合しない領域が検出される。

ＨＭＭを処理する検出のアルゴリズムとしては、“Ｖｉｔｅｒｂｉ ｄｅｃｏｄｉｎｇ”を行うビタビアルゴリズム（Ｖｉｔｅｒｂｉ ａｌｇｏｒｉｔｈｍ）が好適に用いられる。ビタビアルゴリズムは、観測された文字列から状態列を推定するアルゴリズムであり、構文解析に利用される他、同様の原理を塩基等の配列解析にも利用でき、配列のどの部分がどの状態に対応するのかといったことを求められる。そこで、ビタビアルゴリズムにより、検出対象配列のどの部分が上記のＨＭＭの確率モデルのどの内部状態に対応するかを計算する。

検出処理では、検出元の塩基配列に含まれる任意の位置の任意の長さの領域を候補領域とする。ＨＭＭにより候補領域が処理されて、候補領域をＨＭＭに適用したときの尤度が計算される。ｍｉＲＮＡモデル４１と３つの非ｍｉＲＮＡモデル４３、４５、４７の各々を用いて、尤度が計算される。それら４つの尤度に基づき、候補領域が適合するモデルが分かる。概念的には、候補領域は、尤度が最大になるモデルに適合し、その他のモデルに非適合と判断される。候補領域がｍｉＲＮＡモデルに適合すれば、候補領域はｍｉＲＮＡであると予測される。このような処理が、候補領域の位置と長さを変えながら行われて、塩基配列上の任意の位置の任意の長さのｍｉＲＮＡが検出される（ただし、ｍｉＲＮＡの長さは後述のように適当な範囲に制限されている）。

本実施の形態では、ＨＭＭを用いることにより、ｍｉＲＮＡの領域長を固定する必要が無く、各種の長さのｍｉＲＮＡ領域を検出でき、つまり、可変長のｍｉＲＮＡ検出を好適に行える。そして、本実施の形態では、このような処理を行うビタビアルゴリズムの計算プログラムがｍｉＲＮＡ検出装置１に記憶されており、ｍｉＲＮＡ検出部９により実行されて、塩基配列上でｍｉＲＮＡモデルに適合する領域が求められる。

本実施の形態では、上記のように、非保存クラス、中保存クラス、高保存クラスといった保存度が異なる複数種類の非ｍｉＲＮＡモデルを用いている。このことは以下の点で有利である。

周知のようにゲノム上の殆どの部分では保存度が低い。したがって、仮に単にランダムに非ｍｉＲＮＡ配列群を作成すると、非ｍｉＲＮＡ配列群の殆どを保存度の低い配列が占めてしまうことになる。このような配列群から作った非ｍｉＲＮＡモデルを上述のｍｉＲＮＡモデルと共に使ったとする。この場合、ｍｉＲＮＡの候補領域がｍｉＲＮＡモデルと非ｍｉＲＮＡモデルのどちらに適合するかの判断において、保存度の寄与度が大きくなり、構造安定性の寄与度が相対的に低くなってしまう。

これに対して、本実施の形態では、保存度が高い非ｍｉＲＮＡ群からも非ｍｉＲＮＡモデルを作っている。これにより、上記のように保存度の寄与度が大きくなり過ぎるのを避けて、保存度と構造安定性の両方に基づく検出を好適に行うことができる。

図１３は、本実施の形態で使用されるＨＭＭの全体的なアーキテクチャを示している。ＨＭＭにはモジュール性があり、モデル間を状態遷移可能に連結できる。このことを利用して、実際のシステムでは、ｍｉＲＮＡモデル４１と、非ｍｉＲＮＡモデル４３、４５、４７が図示のように連結されてよい。このような合体モデルがｍｉＲＮＡモデル記憶部７に記憶され、ｍｉＲＮＡ検出部９に処理される。こうして、ｍｉＲＮＡモデル４１に適合し、非ｍｉＲＮＡモデル４３、４５、４７に非適合の領域が検出される。

図１３のＨＭＭをさらに説明すると、ｍｉＲＮＡを検出する際は、塩基配列上で位置と長さを変えながら多数の候補領域が処理される。ｍｉＲＮＡモデル４１と非ｍｉＲＮＡモデル４３、４５、４７の各々に各候補領域が属する尤度が計算される。すなわち、１つの候補領域に対して、４つのモデルから４つの尤度がそれぞれ計算される。そして、概念的には４つのモデルが尤度を基準に候補領域を取り合り、尤度が最大のモデルに候補領域が取られる。複数の候補領域が順次処理される過程で、モデル間の遷移が生じたとする。非ｍｉＲＮＡモデル４３、４５、４７のいずれかからｍｉＲＮＡモデル４１への遷移が発生すると、候補領域がｍｉＲＮＡ領域として検出される。このとき、候補領域はｍｉＲＮＡモデル４１に適合し、非ｍｉＲＮＡモデル４３、４５、４７に非適合である。逆に、ｍｉＲＮＡモデル４１から非ｍｉＲＮＡモデル４３、４５、４７への遷移が発生すると、候補領域は非ｍｉＲＮＡ配列である。

次に、図１４は、ｍｉＲＮＡモデルのアーキテクチャの好適な例を示している。ｍｉＲＮＡでは、スタートステート（開始状態）ｓとエンドステート（終了状態）ｅの間に、複数のステートグループ（状態群）が配置される。本実施の形態ではステートグループの数は５０である。スタートステートｓは配列の５’側であり、エンドステートｅは配列の３’側である。

各ステートグループでは、複数のステート（状態）が遷移可能に連結されている。また、図示のように、２番目以降の各ステートが、次のステートグループの先頭ステートに遷移可能に連結される。本実施の形態では、各ステートグループのステートの数は６である。そして、２番目から６番目のステートが、次のステートグループの先頭ステートに遷移可能に連結される。

各ステートグループでは、６つのステートに同じ確率分布が貼り付けられる。確率分布は混合正規分布であり、具体的には平均値と分散と混合分布の重みが割り当てられてよい。ステートグループ間では確率分布が異なっていてよい。

また、各々のステートグループでは、ステート間の遷移確率が図示のように設定されている。６個のステート間の遷移確率は、順に、１、４／５、３／４、２／３、１／２である。また、２〜６番目のステートから次グループへの遷移確率は、それぞれ、１／５、１／４、１／３、１／２、１である。

上記ｍｉＲＮＡモデルを用いて、例えばｍｉＲＮＡの候補領域Ｘの尤度を計算するとする。この場合、候補領域Ｘ中の複数の塩基ベクトルが、スタートステートｓからエンドステートｅへの遷移経路に沿った複数のステートにそれぞれ割り当てられ、各ステートでの確率が各塩基ベクトルの関数として計算され、遷移経路に沿った確率の積が計算され、これにより尤度が求められる。そして、ビタビアルゴリズムでは、候補領域Ｘに関して、どの経路を通ると尤度が最も高くなるかが計算され、その最高値が候補領域Ｘの尤度となる。この尤度が、非ｍｉＲＮＡモデルで算出される尤度と比べられることになる。

本実施の形態のｍｉＲＮＡモデルでは、各ステートグループにて、最小で２個、最大で６個のステートが経路上に存在する。両端のスタートステートｓとエンドステートｅの間には５０個のステートグループが設けられているので、スタートステートｓからエンドステートｅへ至るどのような経路を採用したとしても、最小低で１００、最大で３００のステートが経路上に存在する。尤度も最小で１００、最大で３００のステートを通る経路から計算される。

このようにして、本実施の形態ではＨＭＭの状態遷移の長さ制限が行われている。この長さ制限は、検出するｍｉＲＮＡの配列長さを１００ｂｐ以上、３００ｂｐ以下に制限していることを意味しており、これにより、検出するｍｉＲＮＡの長さを妥当な所定の範囲に制限することができる。

この長さ制限について説明を補足する。既に述べたように、一般のｍｉＲＮＡの長さは１００ｂｐ程度と考えられる。既に説明したように、図１１の例においては、既知ｍｉＲＮＡをモデル化する際に、ｍｉＲＮＡとその両側の５０ｂｐを含む領域がｍｉＲＮＡとして処理されており、したがって、２００ｂｐ程度の領域がモデル化されてｍｉＲＮＡが作成されている。このようなＨＭＭモデルに適合する領域を検出すると、検出される領域の長さも標準的には２００ｂｐ程度になる。したがって、上記の長さ制限（１００ｂｐ〜３００ｂｐ）は、検出される標準のｍｉＲＮＡ領域を中心とした適当な範囲に設定されている。

また、ｍｉＲＮＡモデルに関しては図示のように状態遷移確率が予め設定されている。ｍｉＲＮＡのサンプル数が比較的少ないことを考慮し、学習で状態遷移確率を求めるのでなく、予め積極的に状態遷移確率が設定されている。

この際、本実施の形態では、図示のように状態遷移確率が設定されており、一つのステートグループをどの経路で通過したとしても、一つのステートグループでの確率の積が１／５であり、つまり同じ値になる。例えば、１番目と２番目のステートのみを通って、２番目のステートから次のステートグループへ遷移したとすると、確率の積は、１×１／５＝１／５である。また、１番目から６番目までの全ステートを通ってから次のステートグループへ遷移したとすると、確率の積は、１×４／５×３／４×２／３×１／２×１＝１／５である。このように、本実施の形態では、状態遷移経路に拘わらず状態遷移確率の積が同じになる。

上記のように状態遷移確率を設定することにより、ｍｉＲＮＡの検出精度を向上できるが、この理由は以下のように考えられる。上記の設定によれば、検出されるｍｉＲＮＡの長さが異なっても状態遷移確率の積が同じになる。これにより、ｍｉＲＮＡの候補配列の長さの相違の影響が適当に制御されて、これにより、可変長のマイクロＲＮＡ検出を好適に行うことができる。

図１５は、非ｍｉＲＮＡモデルのアーキテクチャを示している。図１５に示すように、非ｍｉＲＮＡモデルは自己ループを有しており、同じ確率分布が複数回にわたって使われる。また、図１４のｍｉＲＮＡモデルでは状態遷移確率が図示のように予め設定されていたのに対して、図１５の非ｍｉＲＮＡモデルでは、状態遷移確率ｐはＨＭＭの学習処理によって求められる。図１５のアーキテクチャに従い候補領域の尤度が計算され、図１４のアーキテクチャから得られる尤度と共に処理されて、候補領域の適合するモデルが求められて、ｍｉＲＮＡの検出が行われる。

以上に、本実施の形態に係るｍｉＲＮＡ検出装置１の各部構成について説明した。次に、ｍｉＲＮＡ検出装置１の全体的な動作について説明する。検出処理対象の塩基配列情報は、入力部３からｍｉＲＮＡ検出装置１へ入力される。配列情報は記録媒体から読み込まれてもよく、通信でネットワークから取得されてもよい。塩基配列情報は例えば塩基配列のテキストデータでもよい。塩基配列情報は、塩基ベクトル列生成部５により塩基ベクトル列データに変換される。そして、ｍｉＲＮＡ検出部９により、塩基ベクトル列生成部５にて生成された塩基ベクトル列データとｍｉＲＮＡモデル記憶部７のモデルを用いてｍｉＲＮＡ領域が検出される。ｍｉＲＮＡ検出部９は、上述したＨＭＭとビタビアルゴリズムに基づき、ｍｉＲＮＡ領域として、配列上でｍｉＲＮＡモデルに適合し非ｍｉＲＮＡモデルに適合しない領域を検出する。そして、検出されたｍｉＲＮＡ領域の情報が出力部１１から出力される。例えば、ｍｉＲＮＡの情報はディスプレイに表示されてよく、また、プリンタに出力されてよく、記録媒体に書き込まれてよく、通信で外部に出力されてよい。

検出処理対象の塩基配列は例えばヒトゲノムである。本実施の形態のｍｉＲＮＡ検出装置１を用いると、ヒトゲノムから新規のｍｉＲＮＡを網羅的に検出するといったことを好適に行うことができる。

以上に、本発明の実施の形態に係るｍｉＲＮＡ検出装置１について説明した。上記のように、本発明によれば、検出処理対象の塩基配列情報から生成した塩基ベクトル列データと、既知マイクロＲＮＡの確率モデルであるマイクロＲＮＡモデルとを用いて、塩基配列上でマイクロＲＮＡモデルに適合する領域を求めることにより、マイクロＲＮＡ領域を検出することができる。本発明では、塩基ベクトル列データを構成する各塩基ベクトルが、マイクロＲＮＡの特徴である進化的保存度のパラメータと安定ヘアピン構造のパラメータを含んでおり、特に、安定ヘアピン構造に関して、最小自由エネルギーのパラメータに加えて、上記のように各塩基がステムおよびループに相当する可能性を塩基対確率に基づいて表すパラメータを含んでおり、このようなベクトル表現を採用することによりマイクロＲＮＡの検出精度を向上できる。

本発明の利点についてさらに説明すると、従来のマイクロＲＮＡ検出技術においては、既に説明したように、相同性検索と2次構造予測を段階的に組み合わせたパイプラインが提案されている。このような複数段階のパイプラインでは、各段階に恣意的な閾値などを設定することができ、それにより検出結果が影響を受ける。これに対して、本発明では、２段階のパイプライン構造によらずに、保存度と２次構造の両方のパラメータをもつ塩基ベクトルを用いたモデルからマイクロＲＮＡを予測しており、より詳細には尤度という一つの指標を用いており、従来技術よりも客観的な評価ができる。しかも、上記のように、塩基ベクトルが、保存度パラメータおよび２次構造安定性を示すエネルギーパラメータに加えて、ステムやループの可能性を表すパラメータも含んでおり、これらパラメータを一緒に含むことによりマイクロＲＮＡの特徴を精度よく表すベクトル表現が用いられる。このようにして、本発明によれば高い予測精度でマイクロＲＮＡを検出可能になる。

また、本発明では、マイクロＲＮＡモデルは隠れマルコフモデルであってよく、マイクロＲＮＡ検出部は、隠れマルコフモデルを用いて可変長のマイクロＲＮＡ領域検出を行うように構成されてよい。このように、隠れマルコフモデルを用いることで、配列長さを固定することなくマイクロＲＮＡ領域を検出できる。したがって、ゲノム等の配列を入力して種々の長さのマイクロＲＮＡを検出するといったことができる。

また、マイクロＲＮＡモデルは、配列長さが一定でない既知マイクロＲＮＡ群から生成されてよい。このように、隠れマルコフモデルを使うことで、既知マイクロＲＮＡ群の配列長さが揃っていなくてもマイクロＲＮＡモデルを好適に作成できる。

また、マイクロＲＮＡモデルの隠れマルコフモデルは、塩基配列の各塩基に各状態が対応する状態遷移モデルであってよく、状態遷移経路が通過可能な状態数が所定の範囲に制限されてよい。これにより、上述したように隠れマルコフモデルを使って好適にマイクロＲＮＡを検出できる。遷移状態数を所定の範囲に制限することで、検出されるマイクロＲＮＡの長さを妥当な範囲に制限することができ、検出精度を向上できる。

また、マイクロＲＮＡモデルの隠れマルコフモデルは、塩基配列の各塩基に各状態が対応する状態遷移モデルであってよく、状態遷移経路に拘わらず、状態遷移経路上の状態遷移確率の積が同じになるようにモデル各部の状態遷移確率が設定されていてよい。このように状態遷移確率を設定することにより、ｍｉＲＮＡ検出への配列長さの影響を適当に制御でき、可変長のマイクロＲＮＡ検出を好適に行える。

また、ループパラメータは、塩基対確率行列に基いた、対応塩基を中心として順次外側に位置する塩基対に対応する塩基対確率の合計である塩基対確率合計を含んでよい。これにより、塩基対を作るステム部分に両側から挟まれるというループ部分の特徴を利用して、各塩基がループ部分に該当する可能性を適切に表したパラメータを求めることができ、マイクロＲＮＡの検出精度を向上できる。

また、ループパラメータの塩基対確率合計は、ループ部の塩基数が偶数である場合を想定し、対応塩基とその隣の塩基を最初の塩基対としたときに順次外側に位置する塩基対に対応する塩基対確率の合計も含んでよい。これにより、ループ部の塩基数が偶数である場合も考慮したループパラメータを求めることができ、マイクロＲＮＡの検出精度を向上できる。

また、ループパラメータは、対応塩基の周囲の所定範囲における複数の塩基にそれぞれ対応する複数の塩基対確率合計の重み付け平均値であってよい。これにより、ステム部のバルジも考慮してループパラメータを求めることができ、マイクロＲＮＡの検出精度を向上できる。

また、マイクロＲＮＡモデル記憶部は、さらに、マイクロＲＮＡに該当しないことが既知である非マイクロＲＮＡ群から生成される確率モデルである非マイクロＲＮＡモデルを記憶してよく、マイクロＲＮＡ検出部は、マイクロＲＮＡモデルに適合し非マイクロＲＮＡモデルに非適合の領域をマイクロＲＮＡ領域として検出してよい。これにより、マイクロＲＮＡモデルと共に非マイクロＲＮＡモデルも用いることにより、マイクロＲＮＡの検出精度を向上できる。隠れマルコフモデルを用いる場合、マイクロＲＮＡモデルと非マイクロＲＮＡモデルが状態遷移可能に連結されて、マイクロＲＮＡモデルに適合する領域が検出されてよい。

また、本発明によれば、マイクロＲＮＡモデル記憶部は、進化的保存度が異なる複数の非マイクロＲＮＡ群からそれぞれ生成された複数の非マイクロＲＮＡモデルを記憶していてよい。これにより、進化的保存度を考慮して非マイクロＲＮＡモデルを用意することで検出精度を向上できる。この点に関し、仮に単純に非マイクロＲＮＡの配列を集めた場合、集まった配列群の大部分を保存度が低い配列が占めることになる。そのような保存度が低い配列群から非マイクロＲＮＡモデルを作り、マイクロＲＮＡモデルと共に使ったとする。その場合、マイクロＲＮＡの予測における進化的保存度の寄与度が大きくなり、安定ヘアピン構造の指標の寄与度が低くなってしまう。このような事態を本発明によれば回避でき、進化的保存度とヘアピン構造としての安定性の両方を評価してマイクロＲＮＡを高精度に検出できる。

また、ステムパラメータは、対応塩基が５’側のステム部に位置する確率を表すパラメータと、対応塩基が３’側のステム部に位置する確率を表すパラメータとを含んでよい。これにより、各塩基がヘアピン構造の両側のステム部に位置する場合を考慮してマイクロＲＮＡを検出でき、検出精度を向上できる。

以上に本発明の好適な実施の形態を説明した。しかし、本発明は上述の実施の形態に限定されず、当業者が本発明の範囲内で上述の実施の形態を変形可能なことはもちろんである。

以上のように、本発明にかかるマイクロＲＮＡ検出装置は、塩基配列情報からマイクロＲＮＡを検出でき、生物学的に有用な情報を提供できる。

本発明の実施の形態にかかるマイクロＲＮＡ検出装置のブロック図である。 塩基ベクトル列データを示す図である。 一つのｍｉＲＮＡに沿ったパラメータＣＳの値を模式的に示す図である。 一つのｍｉＲＮＡに沿ったパラメータＺ−ＳＣＯＲＥの値を模式的に示す図である。 一つのｍｉＲＮＡに沿ったパラメータＰＬ、ＰＲの値を模式的に示す図である。 パラメータＰＬを求める処理を示す図である。 パラメータＰＲを求める処理を示す図である。 一つのｍｉＲＮＡに沿ったパラメータＶ’の値を模式的に示す図である。 パラメータＶ’を求めるための処理を示す図である。 パラメータＶ’を求める処理で考慮されるステム中のバルジを示す図である。 一つのｍｉＲＮＡに沿った５種のパラメータの例を示す図である。 ｍｉＲＮＡモデルおよび非ｍｉＲＮＡモデルの作成方法を示す図である。 本実施の形態におけるＨＭＭの全体的なアーキテクチャを示す図である。 ｍｉＲＮＡモデルのアーキテクチャの例を示す図である。 非ｍｉＲＮＡモデルのアーキテクチャの例を示す図である。

符号の説明

１ ｍｉＲＮＡ検出装置
３ 入力部
５ 塩基ベクトル列生成部
７ ｍｉＲＮＡモデル記憶部
９ ｍｉＲＮＡ検出部
１１ 出力部
２１ 既知ｍｉＲＮＡ群
２３ 非ｍｉＲＮＡ群（非保存クラス）
２５ 非ｍｉＲＮＡ群（中保存クラス）
２７ 非ｍｉＲＮＡ群（高保存クラス）
３１、３３、３５、３７ 塩基ベクトル列群
４１ ｍｉＲＮＡモデル
４３ 非ｍｉＲＮＡモデル（非保存クラス）
４５ 非ｍｉＲＮＡモデル（中保存クラス）
４７ 非ｍｉＲＮＡモデル（高保存クラス）

Claims (13)

1. 塩基配列情報からマイクロＲＮＡ領域を検出するマイクロＲＮＡ検出装置であって、
   検出処理対象の塩基配列情報を入力する入力部と、
   前記検出処理対象の塩基配列情報から、配列中に含まれる複数の塩基にそれぞれ対応する複数の塩基ベクトルで構成され、マイクロＲＮＡを特徴付ける複数種類のパラメータが各塩基ベクトルに含まれる塩基ベクトル列データを生成する塩基ベクトル列生成部と、
   既知マイクロＲＮＡ群から生成され、前記既知マイクロＲＮＡ群の中の複数の既知マイクロＲＮＡにそれぞれ対応する複数の前記塩基ベクトル列データを含む塩基ベクトル列群の確率モデルであるマイクロＲＮＡモデルを記憶するマイクロＲＮＡモデル記憶部と、
   前記塩基ベクトル列生成部により生成された前記塩基ベクトル列データと前記マイクロＲＮＡモデル記憶部の前記マイクロＲＮＡモデルに基づき、前記検出処理対象の塩基配列上で前記マイクロＲＮＡモデルに適合する領域をマイクロＲＮＡ領域として検出するマイクロＲＮＡ検出部と、
   を備え、
   前記塩基ベクトル列データを構成する前記各塩基ベクトルの複数種類のパラメータは、前記各塩基ベクトルの対応塩基における進化的保存度を表す保存度パラメータと安定ヘアピン構造を特徴付ける２次構造パラメータとを含み、
   前記２次構造パラメータは、前記対応塩基の周辺領域の最小自由エネルギーを表すエネルギーパラメータと、塩基配列中の２つの塩基が塩基対を作る塩基対確率に基づいて前記対応塩基が前記ヘアピン構造のステム部に位置する可能性の高さを表すステムパラメータと、前記塩基対確率に基づいて前記対応塩基が前記ヘアピン構造のループ部に位置する可能性の高さを表すループパラメータとを含むことを特徴とするマイクロＲＮＡ検出装置。
2. 前記マイクロＲＮＡモデルは隠れマルコフモデルであって、前記マイクロＲＮＡ検出部は、前記隠れマルコフモデルを用いて可変長のマイクロＲＮＡ領域検出を行うことを特徴とする請求項１に記載のマイクロＲＮＡ検出装置。
3. 前記マイクロＲＮＡモデルは、配列長さが一定でない既知マイクロＲＮＡ群から生成されていることを特徴とする請求項２に記載のマイクロＲＮＡ検出装置。
4. 前記マイクロＲＮＡモデルの前記隠れマルコフモデルは、塩基配列の各塩基に各状態が対応する状態遷移モデルであり、状態遷移経路が通過可能な状態数が所定の範囲に制限されていることを特徴とする請求項２または３に記載のマイクロＲＮＡ検出装置。
5. 前記マイクロＲＮＡモデルの前記隠れマルコフモデルは、塩基配列の各塩基に各状態が対応する状態遷移モデルであり、状態遷移経路に拘わらず、状態遷移経路上の状態遷移確率の積が同じになるようにモデル各部の状態遷移確率が設定されていることを特徴とする請求項２または３に記載のマイクロＲＮＡ検出装置。
6. 前記ループパラメータは、塩基対確率行列に基いた、前記対応塩基を中心として順次外側に位置する塩基対に対応する塩基対確率の合計である塩基対確率合計を含むことを特徴とする請求項１〜５のいずれかに記載のマイクロＲＮＡ検出装置。
7. 前記ループパラメータの前記塩基対確率合計は、前記ループ部の塩基数が偶数である場合を想定し、前記対応塩基とその隣の塩基を最初の塩基対としたときに順次外側に位置する塩基対に対応する塩基対確率の合計も含むことを特徴とする請求項６に記載のマイクロＲＮＡ検出装置。
8. 前記ループパラメータは、前記対応塩基の周囲の所定範囲における複数の塩基にそれぞれ対応する複数の前記塩基対確率合計の重み付け平均値であることを特徴とする請求項６または７に記載のマイクロＲＮＡ検出装置。
9. 前記マイクロＲＮＡモデル記憶部は、さらに、マイクロＲＮＡに該当しないことが既知である非マイクロＲＮＡ群から生成される確率モデルである非マイクロＲＮＡモデルを記憶しており、
   前記マイクロＲＮＡ検出部は、前記マイクロＲＮＡモデルに適合し前記非マイクロＲＮＡモデルに非適合の領域をマイクロＲＮＡ領域として検出することを特徴とする請求項１〜８のいずれかに記載のマイクロＲＮＡ検出装置。
10. 前記マイクロＲＮＡモデル記憶部は、進化的保存度が異なる複数の非マイクロＲＮＡ群からそれぞれ生成された複数の非マイクロＲＮＡモデルを記憶していることを特徴とする請求項９に記載のマイクロＲＮＡ検出装置。
11. 前記ステムパラメータは、前記対応塩基が５’側のステム部に位置する確率を表すパラメータと、前記対応塩基が３’側のステム部に位置する確率を表すパラメータとを含むことを特徴とする請求項１〜１０のいずれかに記載のマイクロＲＮＡ検出装置。
12. 塩基配列情報をコンピュータで処理することによってマイクロＲＮＡ領域を検出するマイクロＲＮＡ検出方法であって、
    検出処理対象の塩基配列情報を入力し、
    前記検出処理対象の塩基配列情報から、配列中に含まれる複数の塩基にそれぞれ対応する複数の塩基ベクトルで構成され、マイクロＲＮＡを特徴付ける複数種類のパラメータが各塩基ベクトルに含まれる塩基ベクトル列データを生成し、
    既知マイクロＲＮＡ群の中の複数の既知マイクロＲＮＡにそれぞれ対応する複数の前記塩基ベクトル列データを含む塩基ベクトル列群の確率モデルであるマイクロＲＮＡモデルを用いて、前記検出処理対象の塩基配列上で前記マイクロＲＮＡモデルに適合する領域をマイクロＲＮＡ領域として検出する処理を行い、
    前記塩基ベクトル列データを構成する前記各塩基ベクトルの複数種類のパラメータは、前記各塩基ベクトルの対応塩基における進化的保存度を表す保存度パラメータと安定ヘアピン構造を特徴付ける２次構造パラメータとを含み、
    前記２次構造パラメータは、前記対応塩基の周辺領域の最小自由エネルギーを表すエネルギーパラメータと、塩基配列中の２つの塩基が塩基対を作る塩基対確率に基づいて前記対応塩基が前記ヘアピン構造のステム部に位置する可能性の高さを表すステムパラメータと、前記塩基対確率に基づいて前記対応塩基が前記ヘアピン構造のループ部に位置する可能性の高さを表すループパラメータとを含むことを特徴とするマイクロＲＮＡ検出方法。
13. 塩基配列情報からマイクロＲＮＡ領域を検出するマイクロＲＮＡ検出処理をコンピュータに実行させるマイクロＲＮＡ検出プログラムであって、
    入力された検出処理対象の塩基配列情報から、配列中に含まれる複数の塩基にそれぞれ対応する複数の塩基ベクトルで構成され、マイクロＲＮＡを特徴付ける複数種類のパラメータが各塩基ベクトルに含まれる塩基ベクトル列データを生成し、
    既知マイクロＲＮＡ群の中の複数の既知マイクロＲＮＡにそれぞれ対応する複数の前記塩基ベクトル列データを含む塩基ベクトル列群の確率モデルであるマイクロＲＮＡモデルを用いて、前記検出処理対象の塩基配列上で前記マイクロＲＮＡモデルに適合する領域をマイクロＲＮＡ領域として検出する処理を前記コンピュータに実行させ、
    前記塩基ベクトル列データを構成する前記各塩基ベクトルの複数種類のパラメータは、前記各塩基ベクトルの対応塩基における進化的保存度を表す保存度パラメータと安定ヘアピン構造を特徴付ける２次構造パラメータとを含み、
    前記２次構造パラメータは、前記対応塩基の周辺領域の最小自由エネルギーを表すエネルギーパラメータと、塩基配列中の２つの塩基が塩基対を作る塩基対確率に基づいて前記対応塩基が前記ヘアピン構造のステム部に位置する可能性の高さを表すステムパラメータと、前記塩基対確率に基づいて前記対応塩基が前記ヘアピン構造のループ部に位置する可能性の高さを表すループパラメータとを含むことを特徴とするマイクロＲＮＡ検出プログラム。

Images