JP2008250971A - マイクロｒｎａ標的遺伝子予測装置、マイクロｒｎａ標的遺伝子予測方法、および、プログラム - Google Patents

Abstract

【課題】大量の擬陽性の予測結果を排除して十分に絞り込んだ標的遺伝子の予測結果を得ることができ、マイクロＲＮＡの転写産物分解機能に関する標的遺伝子を予測することができる装置、方法およびプログラムを提供することを目的とする。
【解決手段】アライメントに基づいてマイクロＲＮＡの標的となる遺伝子を予測し、標的サイトを所定の複数以上有する遺伝子を抽出し、マイクロＲＮＡ−遺伝子相関係数が負の所定数以下である遺伝子を抽出し、上記標的サイト数に基づいて抽出された遺伝子と、上記相関係数に基づいて抽出された遺伝子と、の積集合を求め、積集合のうち、２つの遺伝子の組み合わせを遺伝子ペアとして選出し、選出された遺伝子ペアについて、遺伝子ペアの相関関係または共起関係と、遺伝子ペアがマイクロＲＮＡを共通とすることと、の間には関連があるとの尤度を検定し、尤度に基づいて遺伝子ペアを抽出することを特徴とする。
【選択図】 図３

Description

本発明は、マイクロＲＮＡ標的遺伝子予測装置、マイクロＲＮＡ標的遺伝子予測方法、および、プログラムに関する。

近年、遺伝子の制御にマイクロＲＮＡが関わっていることが知られている。ここで、図１は、マイクロＲＮＡの機能の一例を示す図である。図１に示すように、マイクロＲＮＡは、ゲノム配列の非コード領域（Non-Coding Region）から転写され、ｍＲＮＡ（messenger RNA）の３´非翻訳領域（3'UTR）に結合することにより、その遺伝子の発現を調整する。すなわち、図１に示すように、マイクロＲＮＡによる制御メカニズムには、転写産物であるｍＲＮＡの分解と翻訳の阻害とが存在する。

また、従来、ゲノムインフォマティクスによりマイクロＲＮＡの標的となる遺伝子を予測する方法には、主に、相補性に基づく標的遺伝子予測法と、進化的保存性に基づく標的遺伝子予測法とが存在する（非特許文献１参照）。

ここで、相補性に基づく標的遺伝子予測法は、動的計画法に基づくローカルアライメントまたはＲＮＡ二重鎖の熱力学的安定性を基準にした熱力学的アライメントにより、ゲノム配列からマイクロＲＮＡの標的となる遺伝子を予測する方法である。

例えば、非特許文献２のアルゴリズム（ｍｉＲａｎｄａ）は、ゲノム配列中のマイクロＲＮＡの標的サイトを予測するものであり、動的計画法を用いたマイクロＲＮＡとゲノム配列とのローカルアライメントの結果、および、配列間の熱力学計算を行った熱力学的アライメントの結果を用いて標的サイトを予測する。

また、進化的保存性に基づく標的遺伝子予測法は、複数種のゲノム配列のマルチプルアライメントなどのゲノム比較に基づいて、種間で保存された配列をアライメントにより調整して、ゲノム配列からマイクロＲＮＡの標的となる遺伝子を予測する方法である。

また、ここで、最尤推定法を遺伝子間ネットワークの予測に用いたプログラムとして、非特許文献３が存在する。

プラベーン・セトゥパシ、モリー・メグロー、アルテミス Ｇ ハチジョージオル（Praveen Sethupathy, Molly Megraw, & Artemis G Hatzigeorgiou1）著、「ア ガイド スルー プレズント コンピューテイショナル アプローチズ フォー ザ アイデンティフィケーション オブ マンマリアン マイクロＲＮＡ ターゲッツ（A guide through present computational approaches for the identification of mammalian microRNA targets）」、ネイチャー・メソッド（NATURE METHODS）、２００６年１１月、第３巻、第１１号、ｐ．８８１−８８６（VOL.3 NO.11 NOVEMBER 2006 p.881-886） ジョン Ｂ、エンリヒト ＡＪ、アラビン Ａ、チュースキル Ｔ、サンダー Ｃ、マークス ＤＳ（John B, Enright AJ, Aravin A, Tuschl T, Sander C, Marks DS.）著、「ヒューマン マイクロＲＮＡ ターゲッツ（Human MicroRNA targets）」、プロス・バイオロジー（PLoS Biol.）、２００４年１１月、第２巻、ｅ３６３−１１号、ｐ．１８６２−１８７９（NOVEMBER 2004 VOLUME 2 ISSUE 11 e363 p.1862-1879） インスク・リー、シャイレシュ Ｖ デイト、アレックス Ｔ アダイ、エドワード Ｍ マーコット（Insuk Lee, Shailesh V. Date, Alex T. Adai, Edward M. Marcotte）著、「ネットワーク オブ イースト ジーンズ（Network of Yeast Genes）」、サイエンス（SCIENCE）、２００４年１１月、第３０６巻、第２６号、ｐ．１５５５−１５５８（VOL 306 26 NOVEMBER 2004 p.1555-1558）

しかしながら、従来のマイクロＲＮＡの標的遺伝子を予測する方法においては、標的遺伝子の絞込みが不十分であり、大量の擬陽性の予測結果が含まれるという問題があった。

また、従来のマイクロＲＮＡの標的遺伝子を予測する方法では、予測された結果が、マイクロＲＮＡの機能のうち、転写産物分解に関わるものであるのか、翻訳制御に関わるものであるのか、区別することができないという問題があった。

また、非特許文献３のプログラムは、遺伝子−遺伝子間の機能的ネットワークの予測に用いるものであり、マイクロＲＮＡと複数遺伝子間の機能的ネットワークの予測に用いることができないという問題があった。

本発明は、上記に鑑みてなされたもので、大量の擬陽性の予測結果を排除して十分に絞り込んだ標的遺伝子の予測結果を得ることができ、マイクロＲＮＡの転写産物分解機能に関する標的遺伝子を予測することができる、マイクロＲＮＡ標的遺伝子予測装置、マイクロＲＮＡ標的遺伝子予測方法、および、プログラムを提供することを目的とする。また、マイクロＲＮＡと複数遺伝子間の機能的ネットワークの予測を行うことができる、マイクロＲＮＡ標的遺伝子予測装置、マイクロＲＮＡ標的遺伝子予測方法、および、プログラムを提供することを目的とする。

このような目的を達成するため、請求項１に記載のマイクロＲＮＡ標的遺伝子予測装置は、動的計画法に基づくローカルアライメントおよび／またはＲＮＡ二重鎖の熱力学的安定性を基準にした熱力学的アライメントに基づいて、ゲノム配列からマイクロＲＮＡの標的となる遺伝子を予測する、制御部と記憶部を少なくとも備えたマイクロＲＮＡ標的遺伝子予測装置において、上記記憶部は、任意のマイクロＲＮＡの発現量と任意の遺伝子の発現量との相関係数をマイクロＲＮＡ−遺伝子相関係数として記憶するマイクロＲＮＡ−遺伝子相関係数記憶手段、を備え、上記制御部は、上記ローカルアライメントおよび／または上記熱力学的アライメントに基づいて、上記予測された上記遺伝子のうち、上記マイクロＲＮＡの標的サイトを所定の複数以上有する上記遺伝子を抽出する標的サイト数遺伝子抽出手段と、上記マイクロＲＮＡ−遺伝子相関係数記憶手段に記憶された上記マイクロＲＮＡ−遺伝子相関係数が負の所定数以下である上記遺伝子を抽出する逆相関遺伝子抽出手段と、上記標的サイト数遺伝子抽出手段によって抽出された上記遺伝子と、上記逆相関遺伝子抽出手段によって抽出された上記遺伝子と、の積集合を求め、上記積集合のうち、２つの上記遺伝子の組み合わせを遺伝子ペアとして選出する積集合選出手段と、上記積集合選出手段により選出された上記遺伝子ペアについて、上記遺伝子ペアの相関関係または共起関係と、当該遺伝子ペアが上記マイクロＲＮＡを共通とすることと、の間には関連があるとの尤度を検定し、上記尤度に基づいて上記遺伝子ペアを抽出する尤度検定抽出手段と、を備えたことを特徴とする。

また、請求項２に記載のマイクロＲＮＡ標的遺伝子予測装置は、請求項１に記載のマイクロＲＮＡ標的遺伝子予測装置において、上記尤度検定抽出手段は、最尤推定法により、下記の数式１に基づいて上記尤度の対数尤度比（ＬＬＳ）を求め、上記対数尤度比が正の所定数以上である上記遺伝子ペアを抽出する最尤抽出手段、を更に備えたことを特徴とする。

（上記数式１において、Ｐ（Ｌ）は全事象において上記遺伝子ペアが上記マイクロＲＮＡを共通とする全体確率を表し、~Ｐ（Ｌ）は全事象において上記遺伝子ペアが上記マイクロＲＮＡを共通としない全体確率を表す。また、Ｐ（Ｌ｜Ｅ）は、特定の事象（Ｅ）において上記遺伝子ペアが上記マイクロＲＮＡを共通とする条件付確率を表し、~Ｐ（Ｌ｜Ｅ）は、特定の事象（Ｅ）において上記遺伝子ペアが上記マイクロＲＮＡを共通としない条件付確率を表す。）

また、請求項３に記載のマイクロＲＮＡ標的遺伝子予測装置は、請求項１または２に記載のマイクロＲＮＡ標的遺伝子予測装置において、上記記憶部は、任意の一方の遺伝子の発現量と他方の遺伝子の発現量との上記相関係数を遺伝子間相関係数として記憶する遺伝子間相関係数記憶手段、を更に備え、上記尤度検定抽出手段は、上記遺伝子間相関係数記憶手段に記憶された上記遺伝子間相関係数に基づく上記相関関係を用いて、上記尤度を検定すること、を特徴とする。

また、請求項４に記載のマイクロＲＮＡ標的遺伝子予測装置は、請求項１乃至３のいずれか一つに記載のマイクロＲＮＡ標的遺伝子予測装置において、上記記憶部は、複数の細胞における、遺伝子の発現パターン情報を記憶する発現パターン記憶手段、を更に備え、上記制御部は、上記発現パターン記憶手段に記憶された上記発現パターン情報に基づいて、上記遺伝子間相関係数を算出し上記遺伝子間相関係数記憶手段に格納する遺伝子間相関係数算出手段、を更に備えたことを特徴とする。

また、請求項５に記載のマイクロＲＮＡ標的遺伝子予測装置は、請求項１乃至４のいずれか一つに記載のマイクロＲＮＡ標的遺伝子予測装置において、上記発現パターン記憶手段は、更に、マイクロＲＮＡの発現パターン情報を記憶し、上記制御部は、上記発現パターン記憶手段に記憶された上記発現パターン情報に基づいて、上記マイクロＲＮＡ−遺伝子相関係数を算出し上記マイクロＲＮＡ−遺伝子相関係数記憶手段に格納するマイクロＲＮＡ−遺伝子相関係数算出手段、を更に備えたことを特徴とする。

また、請求項６に記載のマイクロＲＮＡ標的遺伝子予測装置は、請求項４または５に記載のマイクロＲＮＡ標的遺伝子予測装置において、上記マイクロＲＮＡ−遺伝子相関係数算出手段または上記遺伝子間相関係数算出手段は、上記相関係数として、ピアソンの積率相関係数、スピアマンの順位相関係数、または、ケンドール順位相関係数を算出すること、を特徴とする。

また、請求項７に記載のマイクロＲＮＡ標的遺伝子予測装置は、請求項１乃至６のいずれか一つに記載のマイクロＲＮＡ標的遺伝子予測装置において、上記尤度検定抽出手段は、上記尤度の検定に、相互情報量または結合エントロピーを用いること、を特徴とする。

また、請求項８に記載のマイクロＲＮＡ標的遺伝子予測装置は、請求項１乃至７のいずれか一つに記載のマイクロＲＮＡ標的遺伝子予測装置において、上記記憶部は、マイクロＲＮＡと遺伝子との上記共起関係を示すマイクロＲＮＡ−遺伝子共起指数を記憶するマイクロＲＮＡ−遺伝子共起指数記憶手段、を更に備え、上記積集合選出手段は、上記積集合に含まれる上記遺伝子と、更に、上記マイクロＲＮＡ−遺伝子共起関係記憶手段に記憶された上記マイクロＲＮＡ−遺伝子共起指数が所定値以上である上記遺伝子と、の上記積集合を求めること、を特徴とする。

また、請求項９に記載のマイクロＲＮＡ標的遺伝子予測装置は、請求項１乃至８のいずれか一つに記載のマイクロＲＮＡ標的遺伝子予測装置において、上記記憶部は、任意の一方の遺伝子と他方の遺伝子との上記共起関係を示す遺伝子間共起指数を記憶する遺伝子間共起指数記憶手段、を更に備え、上記尤度検定抽出手段は、上記遺伝子間共起指数記憶手段に記憶された上記遺伝子間共起指数に基づいて、上記対数尤度比を求めること、を特徴とする。

また、請求項１０に記載のマイクロＲＮＡ標的遺伝子予測装置は、請求項１乃至９のいずれか一つに記載のマイクロＲＮＡ標的遺伝子予測装置において、上記制御部は、上記尤度検定抽出手段によって抽出された上記遺伝子ペアと、上記共通する上記マイクロＲＮＡとに基づいて、上記マイクロＲＮＡと上記遺伝子との機能的ネットワークを構築するネットワーク構築手段、を更に備えたことを特徴とする。

また、請求項１１に記載のマイクロＲＮＡ標的遺伝子予測方法は、動的計画法に基づくローカルアライメントおよび／またはＲＮＡ二重鎖の熱力学的安定性を基準にした熱力学的アライメントに基づいて、ゲノム配列からマイクロＲＮＡの標的となる遺伝子を予測する、制御部と記憶部を少なくとも備えたマイクロＲＮＡ標的遺伝子予測装置において実行されるマイクロＲＮＡ標的遺伝子予測方法であって、上記記憶部は、任意のマイクロＲＮＡの発現量と任意の遺伝子の発現量との相関係数をマイクロＲＮＡ−遺伝子相関係数として記憶するマイクロＲＮＡ−遺伝子相関係数記憶手段、を備えており、上記制御部において実行される、上記ローカルアライメントおよび／または上記熱力学的アライメントに基づいて、上記予測された上記遺伝子のうち、上記マイクロＲＮＡの標的サイトを所定の複数以上有する上記遺伝子を抽出する標的サイト数遺伝子抽出ステップと、上記マイクロＲＮＡ−遺伝子相関係数記憶手段に記憶された上記マイクロＲＮＡ−遺伝子相関係数が負の所定数以下である上記遺伝子を抽出する逆相関遺伝子抽出ステップと、上記標的サイト数遺伝子抽出ステップにおいて抽出された上記遺伝子と、上記逆相関遺伝子抽出ステップにおいて抽出された上記遺伝子と、の積集合を求め、上記積集合のうち、２つの上記遺伝子の組み合わせを遺伝子ペアとして選出する積集合選出ステップと、上記積集合選出ステップにおいて選出された上記遺伝子ペアについて、上記遺伝子ペアの相関関係または共起関係と、当該遺伝子ペアが上記マイクロＲＮＡを共通とすることと、の間には関連があるとの尤度を検定し、上記尤度に基づいて上記遺伝子ペアを抽出する尤度検定抽出ステップと、を含むことを特徴とする。

また、請求項１２に記載のマイクロＲＮＡ標的遺伝子予測方法は、請求項１１に記載のマイクロＲＮＡ標的遺伝子予測方法において、上記尤度検定抽出ステップは、最尤推定法により、下記の数式１に基づいて上記尤度の対数尤度比（ＬＬＳ）を求め、上記対数尤度比が正の所定数以上である上記遺伝子ペアを抽出する最尤抽出ステップ、を更に含むことを特徴とする。

（上記数式１において、Ｐ（Ｌ）は全事象において上記遺伝子ペアが上記マイクロＲＮＡを共通とする全体確率を表し、~Ｐ（Ｌ）は全事象において上記遺伝子ペアが上記マイクロＲＮＡを共通としない全体確率を表す。また、Ｐ（Ｌ｜Ｅ）は、特定の事象（Ｅ）において上記遺伝子ペアが上記マイクロＲＮＡを共通とする条件付確率を表し、~Ｐ（Ｌ｜Ｅ）は、特定の事象（Ｅ）において上記遺伝子ペアが上記マイクロＲＮＡを共通としない条件付確率を表す。）

また、請求項１３に記載のマイクロＲＮＡ標的遺伝子予測方法は、請求項１１または１２に記載のマイクロＲＮＡ標的遺伝子予測方法において、上記記憶部は、任意の一方の遺伝子の発現量と他方の遺伝子の発現量との上記相関係数を遺伝子間相関係数として記憶する遺伝子間相関係数記憶手段、を更に備えており、上記尤度検定抽出ステップは、上記遺伝子間相関係数記憶手段に記憶された上記遺伝子間相関係数に基づく上記相関関係を用いて、上記尤度を検定すること、を特徴とする。

また、請求項１４に記載のマイクロＲＮＡ標的遺伝子予測方法は、請求項１１乃至１３のいずれか一つに記載のマイクロＲＮＡ標的遺伝子予測方法において、上記記憶部は、複数の細胞における、遺伝子の発現パターン情報を記憶する発現パターン記憶手段、を更に備えており、上記制御部において実行される、上記発現パターン記憶手段に記憶された上記発現パターン情報に基づいて、上記遺伝子間相関係数を算出し上記遺伝子間相関係数記憶手段に格納する遺伝子間相関係数算出ステップ、を更に含むことを特徴とする。

また、請求項１５に記載のマイクロＲＮＡ標的遺伝子予測方法は、請求項１１乃至１４のいずれか一つに記載のマイクロＲＮＡ標的遺伝子予測方法において、上記発現パターン記憶手段は、更に、マイクロＲＮＡの発現パターン情報を記憶し、上記制御部において実行される、上記発現パターン記憶手段に記憶された上記発現パターン情報に基づいて、上記マイクロＲＮＡ−遺伝子相関係数を算出し上記マイクロＲＮＡ−遺伝子相関係数記憶手段に格納するマイクロＲＮＡ−遺伝子相関係数算出ステップ、を更に含むことを特徴とする。

また、請求項１６に記載のマイクロＲＮＡ標的遺伝子予測方法は、請求項１４または１５に記載のマイクロＲＮＡ標的遺伝子予測方法において、上記マイクロＲＮＡ−遺伝子相関係数算出ステップまたは上記遺伝子間相関係数算出ステップは、上記相関係数として、ピアソンの積率相関係数、スピアマンの順位相関係数、または、ケンドール順位相関係数を算出すること、を特徴とする。

また、請求項１７に記載のマイクロＲＮＡ標的遺伝子予測方法は、請求項１１乃至１６のいずれか一つに記載のマイクロＲＮＡ標的遺伝子予測方法において、上記尤度検定抽出ステップは、上記尤度の検定に、相互情報量または結合エントロピーを用いること、を特徴とする。

また、請求項１８に記載のマイクロＲＮＡ標的遺伝子予測方法は、請求項１１乃至１７のいずれか一つに記載のマイクロＲＮＡ標的遺伝子予測方法において、上記記憶部は、マイクロＲＮＡと遺伝子との上記共起関係を示すマイクロＲＮＡ−遺伝子共起指数を記憶するマイクロＲＮＡ−遺伝子共起指数記憶手段、を更に備えており、上記積集合選出ステップは、上記積集合に含まれる上記遺伝子と、更に、上記マイクロＲＮＡ−遺伝子共起関係記憶手段に記憶された上記マイクロＲＮＡ−遺伝子共起指数が所定値以上である上記遺伝子と、の上記積集合を求めること、を特徴とする。

また、請求項１９に記載のマイクロＲＮＡ標的遺伝子予測方法は、請求項１１乃至１８のいずれか一つに記載のマイクロＲＮＡ標的遺伝子予測方法において、上記記憶部は、任意の一方の遺伝子と他方の遺伝子との上記共起関係を示す遺伝子間共起指数を記憶する遺伝子間共起指数記憶手段、を更に備えており、上記尤度検定抽出ステップは、上記遺伝子間共起指数記憶手段に記憶された上記遺伝子間共起指数に基づいて、上記対数尤度比を求めること、を特徴とする。

また、請求項２０に記載のマイクロＲＮＡ標的遺伝子予測方法は、請求項１１乃至１９のいずれか一つに記載のマイクロＲＮＡ標的遺伝子予測方法において、上記制御部において実行される、上記尤度検定抽出ステップにおいて抽出された上記遺伝子ペアと、上記共通する上記マイクロＲＮＡとに基づいて、上記マイクロＲＮＡと上記遺伝子との機能的ネットワークを構築するネットワーク構築ステップ、を更に含むことを特徴とする。

また、請求項２１に記載のプログラムは、動的計画法に基づくローカルアライメントおよび／またはＲＮＡ二重鎖の熱力学的安定性を基準にした熱力学的アライメントに基づいて、ゲノム配列からマイクロＲＮＡの標的となる遺伝子を予測する、制御部と記憶部を少なくとも備えたマイクロＲＮＡ標的遺伝子予測装置にマイクロＲＮＡ標的遺伝子予測方法を実行させるプログラムであって、上記記憶部は、任意のマイクロＲＮＡの発現量と任意の遺伝子の発現量との相関係数をマイクロＲＮＡ−遺伝子相関係数として記憶するマイクロＲＮＡ−遺伝子相関係数記憶手段、を備えており、上記制御部において実行される、上記ローカルアライメントおよび／または上記熱力学的アライメントに基づいて、上記予測された上記遺伝子のうち、上記マイクロＲＮＡの標的サイトを所定の複数以上有する上記遺伝子を抽出する標的サイト数遺伝子抽出ステップと、上記マイクロＲＮＡ−遺伝子相関係数記憶手段に記憶された上記マイクロＲＮＡ−遺伝子相関係数が負の所定数以下である上記遺伝子を抽出する逆相関遺伝子抽出ステップと、上記標的サイト数遺伝子抽出ステップにおいて抽出された上記遺伝子と、上記逆相関遺伝子抽出ステップにおいて抽出された上記遺伝子と、の積集合を求め、上記積集合のうち、２つの上記遺伝子の組み合わせを遺伝子ペアとして選出する積集合選出ステップと、上記積集合選出ステップにおいて選出された上記遺伝子ペアについて、上記遺伝子ペアの相関関係または共起関係と、当該遺伝子ペアがマイクロＲＮＡを共通とすることと、の間には関連があるとの尤度を検定し、上記尤度に基づいて上記遺伝子ペアを抽出する尤度検定抽出ステップと、を含むマイクロＲＮＡ標的遺伝子予測方法を実行させることを特徴とする。

この発明によれば、大量の擬陽性の予測結果を排除して十分に絞り込んだ標的遺伝子の予測結果を得ることができ、マイクロＲＮＡの転写産物分解機能に関する標的遺伝子を予測することができる。また、マイクロＲＮＡと複数遺伝子間の機能的ネットワークを予測することができる。

以下に、本発明にかかる本マイクロＲＮＡ標的遺伝子予測装置、本マイクロＲＮＡ標的遺伝子予測方法、および、プログラムの実施の形態を図面に基づいて詳細に説明する。なお、この実施の形態によりこの発明が限定されるものではない。

［本発明の概要］
以下、本発明の本実施の形態について図２および図３を参照して説明する。図２は、本発明の基本原理を示す概念図である。

また、図２に示すように、本発明の基本原理は、概略的に、ローカルアライメントおよび熱力学的アライメントに基づいた通常の標的予測(conventionally target prediction)の結果、および、マイクロＲＮＡおよび遺伝子の発現パターン情報に基づく相関係数の算出結果を統合化する。すなわち、統合化スコアスキーム（Unified scoring scheme）の一例として、以下の数式１に基づいて、対数尤度比（ＬＬＳ：Log Likelihood Score）を求め標的遺伝子候補を絞り込むことにより、一例として、マイクロＲＮＡと複数遺伝子間の機能的ネットワークを構築（create network）するものである。ここで、図３は、本発明の処理の概要を示すフローチャートである。

すなわち、本発明の本マイクロＲＮＡ標的遺伝子予測装置は、少なくとも制御部と記憶部を少なくとも備える。まず、本マイクロＲＮＡ標的遺伝子予測装置は、マイクロＲＮＡの発現量と遺伝子の発現量との相関係数（以下、「マイクロＲＮＡ−遺伝子相関係数」と呼ぶ。）を記憶する（ステップＳＡ−１）。ここで、本マイクロＲＮＡ標的遺伝子予測装置は、任意の一方の遺伝子の発現量と他方の遺伝子の発現量との相関係数（以下、「遺伝子間相関係数」と呼ぶ。）を記憶してもよい。

ここで、本マイクロＲＮＡ標的遺伝子予測装置は、複数の細胞における、マイクロＲＮＡおよび遺伝子の発現パターン情報を記憶し、記憶された発現パターン情報に基づいて、マイクロＲＮＡ−遺伝子相関係数、または、遺伝子間相関係数を算出してもよい。また、本マイクロＲＮＡ標的遺伝子予測装置は、マイクロＲＮＡと遺伝子との共起関係を示すマイクロＲＮＡ−遺伝子共起指数を記憶してもよく、任意の一方の遺伝子と他方の遺伝子との共起関係を示す遺伝子間共起指数を記憶してもよい。

そして、本マイクロＲＮＡ標的遺伝子予測装置は、動的計画法に基づくローカルアライメントおよび／またはＲＮＡ二重鎖の熱力学的安定性を基準にした熱力学的アライメントに基づいて、ゲノム配列からマイクロＲＮＡの標的となる遺伝子を予測する（ステップＳＡ−２）。

そして、本マイクロＲＮＡ標的遺伝子予測装置は、ローカルアライメントおよび／または熱力学的アライメントに基づいて、予測された遺伝子のうち、マイクロＲＮＡの標的サイトを所定の複数以上有する遺伝子を抽出する（ステップＳＡ−３）。

そして、本マイクロＲＮＡ標的遺伝子予測装置は、記憶されたマイクロＲＮＡ−遺伝子相関係数が負の所定数以下である遺伝子を抽出する（ステップＳＡ−４）。

そして、本マイクロＲＮＡ標的遺伝子予測装置は、ステップＳＡ−３においてアライメントに基づいて抽出された遺伝子と、ステップＳＡ−４においてマイクロＲＮＡの発現との逆相関性により抽出された遺伝子と、の積集合を求め、当該積集合のうち、２つの遺伝子の組み合わせを遺伝子ペアとして選出する（ステップＳＡ−５）。ここで、本マイクロＲＮＡ標的遺伝子予測装置は、記憶されたマイクロＲＮＡ−遺伝子共起指数が所定値以上である遺伝子との積集合を更に求めてもよい。

そして、本マイクロＲＮＡ標的遺伝子予測装置は、選出された遺伝子ペアの相関関係または共起関係と、当該遺伝子ペアがマイクロＲＮＡを共通とすることと、の間には関連があるとの尤度を検定し、尤度に基づいて遺伝子ペアを抽出する（ステップＳＡ−６）。ここで、本マイクロＲＮＡ標的遺伝子予測装置は、尤度の検定に、最尤推定法による対数尤度比や、相関係数、相互情報量、結合エントロピー等を用いてもよい。

ここで、本マイクロＲＮＡ標的遺伝子予測装置は、尤度に基づいて抽出された遺伝子ペアと、当該遺伝子ペアに共通するマイクロＲＮＡとに基づいて、マイクロＲＮＡと遺伝子との機能的ネットワークを構築するよう制御してもよい。以上が、本発明の概要である。

［本マイクロＲＮＡ標的遺伝子予測装置の構成］
まず、本マイクロＲＮＡ標的遺伝子予測装置の構成について、図４を参照しながら説明する。図４は、本発明の本実施の形態が適用される本マイクロＲＮＡ標的遺伝子予測装置の構成の一例を示すブロック図であり、該構成のうち本発明に関係する部分のみを概念的に示している。

図４においてマイクロＲＮＡ標的遺伝子予測装置１００は、概略的に、マイクロＲＮＡ標的遺伝子予測装置１００の全体を統括的に制御するＣＰＵ等の制御部１０２、通信回線等に接続されるルータ等の通信装置（図示せず）に接続される通信制御インターフェース部１０４、入力装置１１２や出力装置１１４に接続される入出力制御インターフェース部１０８、および、各種のデータベースやテーブルなどを格納する記憶部１０６を備えて構成されており、これら各部は任意の通信路を介して通信可能に接続されている。更に、このマイクロＲＮＡ標的遺伝子予測装置１００は、ルータ等の通信装置および専用線等の有線または無線の通信回線を介して、ネットワーク３００に通信可能に接続されている。

記憶部１０６に格納される各種のデータベースやテーブル（ゲノム配列データベース１０６ａ〜遺伝子間共起指数ファイル１０６ｇ）は、固定ディスク装置等のストレージ手段であり、各種処理に用いる各種のプログラムやテーブルやファイルやデータベース等を格納する。

これら記憶部１０６の各構成要素のうち、ゲノム配列データベース１０６ａは、ゲノム配列情報を記憶するゲノム配列情報蓄積手段である。ここで、ゲノム配列データベース１０６ａは、マイクロＲＮＡ配列情報やｃＤＮＡ配列情報を記憶してもよい。

また、標的遺伝子候補ファイル１０６ｂは、マイクロＲＮＡの標的遺伝子の候補として抽出または選出された遺伝子を記憶する標的遺伝子候補記憶手段である。

また、発現パターンデータベース１０６ｃは、複数の細胞における、マイクロＲＮＡおよび遺伝子の発現パターン情報を記憶する発現パターン記憶手段である。ここで、発現パターンデータベース１０６ｃは、マイクロアレイ法または定量的ＰＣＲ法を用いて得られた、複数の細胞におけるマイクロＲＮＡおよび遺伝子の発現情報を、発現パターン情報として記憶してもよい。また、発現パターン情報は、入出力制御インターフェース部１０８を介して入力装置１１２から、発現パターンデータベース１０６ｃに格納されてもよい。

また、マイクロＲＮＡ−遺伝子相関係数ファイル１０６ｄは、任意のマイクロＲＮＡの発現量と任意の遺伝子の発現量との相関係数をマイクロＲＮＡ−遺伝子相関係数として記憶するマイクロＲＮＡ−遺伝子相関係数記憶手段である。

また、遺伝子間相関係数ファイル１０６ｅは、任意の一方の遺伝子の発現量と他方の遺伝子の発現量との相関係数を遺伝子間相関係数として記憶する遺伝子間相関係数記憶手段である。

また、マイクロＲＮＡ−遺伝子共起指数ファイル１０６ｆは、マイクロＲＮＡと遺伝子との共起関係をマイクロＲＮＡ−遺伝子共起指数として記憶するマイクロＲＮＡ−遺伝子共起指数記憶手段である。

また、遺伝子間共起指数ファイル１０６ｇは、任意の一方の遺伝子と他方の遺伝子との共起関係を遺伝子間共起指数として記憶する遺伝子間共起指数記憶手段である。

また、図４において、通信制御インターフェース部１０４は、マイクロＲＮＡ標的遺伝子予測装置１００とネットワーク３００（またはルータ等の通信装置）との間における通信制御を行う。すなわち、通信制御インターフェース部１０４は、他の端末と通信回線を介してデータを通信する機能を有する。

また、図４において、入出力制御インターフェース部１０８は、入力装置１１２や出力装置１１４の制御を行う。ここで、出力装置１１４としては、モニタ（家庭用テレビを含む）の他、スピーカを用いることができる（なお、以下においては出力装置１１４をモニタとして記載する場合がある）。また、入力装置１１２としては、キーボードやマウスやスキャナ等を用いることができる。

また、図４において、制御部１０２は、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）等の制御プログラム、各種の処理手順等を規定したプログラム、および所要データを格納するための内部メモリを有し、これらのプログラム等により、種々の処理を実行するための情報処理を行う。制御部１０２は、機能概念的に、アライメント予測部１０２ａ、標的サイト数遺伝子抽出部１０２ｂ、マイクロＲＮＡ−遺伝子相関係数算出部１０２ｃ、遺伝子間相関係数算出部１０２ｄ、逆相関遺伝子抽出部１０２ｅ、積集合選出部１０２ｆ、尤度検定抽出部１０２ｇ、ネットワーク構築部１０２ｉを備えて構成されている。

このうち、アライメント予測部１０２ａは、ゲノム配列データベース１０６ａに記憶されたゲノム配列情報から、動的計画法に基づくローカルアライメントおよび／またはＲＮＡ二重鎖の熱力学的安定性を基準にした熱力学的アライメントに基づいて、マイクロＲＮＡの標的遺伝子を予測するアライメント予測手段である。

また、標的サイト数遺伝子抽出部１０２ｂは、ローカルアライメントおよび／または熱力学的アライメントに基づいて、アライメント予測部１０２ａにより予測された遺伝子のうち、マイクロＲＮＡの標的サイトを所定の複数以上有する遺伝子を抽出し、標的遺伝子候補ファイル１０６ｂに格納する標的サイト数遺伝子抽出手段である。

また、マイクロＲＮＡ−遺伝子相関係数算出部１０２ｃは、発現パターンデータベース１０６ｃに記憶された発現パターン情報に基づいて、マイクロＲＮＡ−遺伝子相関係数を算出し、マイクロＲＮＡ−遺伝子相関係数ファイル１０６ｄに格納するマイクロＲＮＡ−遺伝子相関係数算出手段である。ここで、マイクロＲＮＡ−遺伝子相関係数算出部１０２ｃは、マイクロＲＮＡ−遺伝子相関係数として、ピアソンの積率相関係数、スピアマンの順位相関係数、または、ケンドール順位相関係数を算出してもよい。

また、遺伝子間相関係数算出部１０２ｄは、発現パターンデータベース１０６ｃに記憶された発現パターン情報に基づいて、遺伝子間相関係数を算出し、遺伝子間相関係数ファイル１０６ｅに格納する遺伝子間相関係数算出手段である。ここで、遺伝子間相関係数算出部１０２ｄは、遺伝子間相関係数として、ピアソンの積率相関係数、スピアマンの順位相関係数、または、ケンドール順位相関係数を算出してもよい。

また、逆相関遺伝子抽出部１０２ｅは、マイクロＲＮＡ−遺伝子相関係数ファイル１０６ｄに記憶されたマイクロＲＮＡ−遺伝子相関係数が負の所定数以下である遺伝子を抽出し、標的遺伝子候補ファイル１０６ｂに格納する逆相関遺伝子抽出手段である。

また、積集合選出部１０２ｆは、標的遺伝子候補ファイル１０６ｂに記憶された、標的サイト数遺伝子抽出部１０２ｂによって抽出された遺伝子と、逆相関遺伝子抽出部１０２ｅによって抽出された遺伝子と、の積集合を求め、当該積集合のうち、２つの遺伝子の組み合わせを遺伝子ペアとして選出する積集合選出手段である。ここで、積集合選出部１０２ｆは、上記積集合に含まれる遺伝子と、マイクロＲＮＡ−遺伝子相関係数ファイル１０６ｄに記憶されたマイクロＲＮＡ−遺伝子共起指数が所定値以上である遺伝子との積集合を更に求めてもよい。

また、尤度検定抽出部１０２ｇは、積集合選出部１０２ｆにより選出された遺伝子ペアについて、遺伝子ペアの相関関係または共起関係と、当該遺伝子ペアがマイクロＲＮＡを共通とすることと、の間には関連があるとの尤度を検定し、上記尤度に基づいて上記遺伝子ペアを抽出する尤度検定抽出手段である。ここで、尤度検定抽出部１０２ｇは、遺伝子間相関係数ファイル１０６ｅに記憶された遺伝子間相関係数に基づく相関関係を用いて尤度を検定してもよく、遺伝子間共起指数ファイル１０６ｇに記憶された遺伝子間共起指数に基づく共起関係を用いて尤度を検定してもよい。また、尤度検定抽出部１０２ｇは、尤度を示す指標として、相関係数の他、相互情報量や結合エントロピー等を用いてもよい。

また、尤度検定抽出部１０２ｇは、図４に示すように、最尤抽出部１０２ｈを備えて構成される。すなわち、最尤抽出部１０２ｈは、最尤推定法により、下記の数式１に基づいて対数尤度比（ＬＬＳ）を求め、対数尤度比が正の所定数以上である遺伝子ペアを抽出する最尤抽出手段である。

ここで、上記数式１において、Ｐ（Ｌ）は全事象において遺伝子ペアがマイクロＲＮＡを共通とする全体確率を表し、~Ｐ（Ｌ）は全事象において遺伝子ペアがマイクロＲＮＡを共通としない全体確率を表す。また、Ｐ（Ｌ｜Ｅ）は、特定の事象（Ｅ）において遺伝子ペアがマイクロＲＮＡを共通とする条件付確率を表し、~Ｐ（Ｌ｜Ｅ）は、特定の事象（Ｅ）において遺伝子ペアがマイクロＲＮＡを共通としない条件付確率を表す。

また、ネットワーク構築部１０２ｉは、尤度検定抽出部１０２ｇによって抽出された遺伝子ペアと、当該遺伝子ペアに共通するマイクロＲＮＡとに基づいて、マイクロＲＮＡと遺伝子との機能的ネットワークを構築するネットワーク構築手段である。

以上が本マイクロＲＮＡ標的遺伝子予測装置１００の内部構成である。ここで、マイクロＲＮＡ標的遺伝子予測装置１００は、ネットワーク３００を介して外部システム２００と接続して構成されてもよい。すなわち、本マイクロＲＮＡ標的遺伝子予測システムは、概略的にマイクロＲＮＡ標的遺伝子予測装置１００と、ゲノム配列情報等に関する外部データベースやマイクロＲＮＡ標的遺伝子予測プログラム等の外部プログラム等を提供する外部システム２００とを、ネットワーク３００を介して通信可能に接続して構成されてもよい。

ここで、図４において、ネットワーク３００は、マイクロＲＮＡ標的遺伝子予測装置１００と外部システム２００とを相互に接続する機能を有し、例えば、インターネット等である。

また、図４において、外部システム２００は、ネットワーク３００を介して、マイクロＲＮＡ標的遺伝子予測装置１００と相互に接続され、利用者に対してゲノム配列情報や相関係数情報等に関する外部データベースやマイクロＲＮＡ標的遺伝子予測プログラム等の外部プログラム等を提供する機能を有する。ここで、外部システム２００は、ＷＥＢサーバやＡＳＰサーバ等として構成していてもよく、そのハードウェア構成は、一般に市販されるワークステーション、パーソナルコンピュータ等の情報処理装置およびその付属装置により構成していてもよい。また、外部システム２００の各機能は、外部システム２００のハードウェア構成中のＣＰＵ、ディスク装置、メモリ装置、入力装置、出力装置、通信制御装置等およびそれらを制御するプログラム等により実現される。以上で、本マイクロＲＮＡ標的遺伝子予測装置の構成の説明を終える。

［マイクロＲＮＡ標的遺伝子予測処理］
次に、このように構成された本実施の形態における本マイクロＲＮＡ標的遺伝子予測装置１００のマイクロＲＮＡ標的遺伝子予測処理について図５〜図９を参照しながら詳細に説明する。

［実施の形態１（相関関係によるマイクロＲＮＡ標的遺伝子予測処理）］
マイクロＲＮＡ標的遺伝子予測装置１００のマイクロＲＮＡ標的遺伝子予測処理の一例について、以下に図５〜図７を参照して詳細に説明する。図５は、本マイクロＲＮＡ標的遺伝子予測装置１００のマイクロＲＮＡ標的遺伝子予測処理の一例を示すフローチャートである。図６は、積集合の求め方の一例を示す図である。

図５に示すように、まず、アライメント予測部１０２ａは、ゲノム配列データベース１０６ａに記憶されたゲノム配列情報から、動的計画法に基づくローカルアライメントおよびＲＮＡ二重鎖の熱力学的安定性を基準にした熱力学的アライメントに基づいて、マイクロＲＮＡの標的となる遺伝子を予測する（ステップＳＢ−１）。

つぎに、標的サイト数遺伝子抽出部１０２ｂは、ローカルアライメントおよび熱力学的アライメントに基づいて、アライメント予測部１０２ａによって予測された遺伝子のうち、マイクロＲＮＡの標的サイトを所定の複数以上有する遺伝子を抽出し、標的遺伝子候補ファイル１０６ｂに格納する（ステップＳＢ−２）。

そして、逆相関遺伝子抽出部１０２ｅは、マイクロＲＮＡ−遺伝子相関係数ファイル１０６ｄに記憶されたマイクロＲＮＡ−遺伝子相関係数が負の所定数以下である遺伝子を抽出する（ステップＳＢ−３）。

そして、積集合選出部１０２ｆは、図６に示すように、標的サイト数遺伝子抽出部１０２ｂの処理により抽出された遺伝子と、逆相関遺伝子抽出部１０２ｅの処理により抽出された遺伝子と、の積集合を求め、当該積集合のうち２つの遺伝子の組み合わせを遺伝子ペアとして選出する（ステップＳＢ−４）。

そして、尤度検定抽出部１０２ｇは、最尤抽出部１０２ｈの処理により、遺伝子間相関係数ファイル１０６ｅに記憶された遺伝子間相関係数に基づく相関関係を用いて、最尤推定法により、下記の数式１に基づいて対数尤度比（ＬＬＳ）を求め、対数尤度比が正の所定数以上である遺伝子ペアを抽出する（ステップＳＢ−５）。

ここで、数式１において、Ｐ（Ｌ）は全事象において遺伝子ペアがマイクロＲＮＡを共通とする全体確率を表し、~Ｐ（Ｌ）は全事象において遺伝子ペアがマイクロＲＮＡを共通としない全体確率を表す。また、Ｐ（Ｌ｜Ｅ）は、特定の事象（Ｅ）において遺伝子ペアがマイクロＲＮＡを共通とする条件付確率を表し、~Ｐ（Ｌ｜Ｅ）は、特定の事象（Ｅ）において遺伝子ペアがマイクロＲＮＡを共通としない条件付確率を表す。ここで、尤度検定抽出部１０２ｇは、最尤推定法以外にも尤度検定法として、相互情報量や結合エントロピー等を用いてもよい。

そして、ネットワーク構築部１０２ｉは、尤度検定抽出部１０２ｇの処理により抽出された遺伝子ペアと、当該遺伝子ペアに共通するマイクロＲＮＡとに基づいて、マイクロＲＮＡと遺伝子との機能的ネットワークを構築するよう制御する（ステップＳＢ−６）。

［相関係数算出処理］
ここで、本マイクロＲＮＡ標的遺伝子予測装置１００における相関係数算出処理の一例について、図７を参照して詳細に説明する。ここで、図７は、相関係数算出処理の一例を示すフローチャートである。

図７に示すように、複数の細胞における、遺伝子の発現が、マイクロアレイや定量的ＰＣＲなどにより測定されると（ステップＳＣ−１）、制御部１０２は、入出力制御インターフェース部１０８を介して入力装置１１２を制御することにより、得られた遺伝子の発現パターン情報を、発現パターンデータベース１０６ｃに格納する（ステップＳＣ−２）。

そして、遺伝子間相関係数算出部１０２ｄは、発現パターンデータベース１０６ｃに記憶された遺伝子の発現パターン情報に基づいて、遺伝子間相関係数を算出し、遺伝子間相関係数ファイル１０６ｅに格納する（ステップＳＣ−３）。

また、図７に示すように、複数の細胞における、マイクロＲＮＡの発現が、マイクロアレイや定量的ＰＣＲなどにより測定されると（ステップＳＣ−４）、制御部１０２は、入出力制御インターフェース部１０８を介して入力装置１１２を制御することにより、得られたマイクロＲＮＡの発現パターン情報を、発現パターンデータベース１０６ｃに格納する（ステップＳＣ−５）。

そして、マイクロＲＮＡ−遺伝子相関係数算出部１０２ｃは、発現パターンデータベース１０６ｃに記憶されたマイクロＲＮＡと遺伝子との発現パターン情報に基づいて、マイクロＲＮＡ−遺伝子相関係数を算出し、マイクロＲＮＡ−遺伝子相関係数ファイル１０６ｄに格納する（ステップＳＣ−６）。

ここで、マイクロＲＮＡ−遺伝子相関係数算出部１０２ｃまたは遺伝子間相関係数算出部１０２ｄは、相関係数として、ピアソンの積率相関係数、スピアマンの順位相関係数、または、ケンドール順位相関係数を算出してもよい。以上で相関係数算出処理の説明を終える。

［実施の形態２（共起関係によるマイクロＲＮＡ標的遺伝子予測処理）］
つぎに、共起関係によるマイクロＲＮＡ標的遺伝子予測処理の一例について、図８を参照しながら説明する。図８は、共起関係によるマイクロＲＮＡ標的遺伝子予測処理の一例を示すフローチャートである。

図８に示すように、まず、アライメント予測部１０２ａは、ゲノム配列データベース１０６ａに記憶されたゲノム配列情報から、動的計画法に基づくローカルアライメントおよびＲＮＡ二重鎖の熱力学的安定性を基準にした熱力学的アライメントに基づいて、マイクロＲＮＡの標的となる遺伝子を予測する（ステップＳＤ−１）。

つぎに、標的サイト数遺伝子抽出部１０２ｂは、ローカルアライメントおよび熱力学的アライメントに基づいて、アライメント予測部１０２ａの処理により予測された遺伝子のうち、マイクロＲＮＡの標的サイトを所定の複数以上有する遺伝子を抽出し、標的遺伝子候補ファイル１０６ｂに格納する（ステップＳＤ−２）。

そして、逆相関遺伝子抽出部１０２ｅは、マイクロＲＮＡ−遺伝子相関係数ファイル１０６ｄに記憶されたマイクロＲＮＡ−遺伝子相関係数が負の所定数以下である遺伝子を抽出する（ステップＳＤ−３）。

そして、積集合選出部１０２ｆは、マイクロＲＮＡ−遺伝子共起指数ファイル１０６ｆに記憶されたマイクロＲＮＡ−遺伝子共起指数が所定値以上である遺伝子と、標的サイト数遺伝子抽出部１０２ｂの処理により抽出された遺伝子と、逆相関遺伝子抽出部１０２ｅの処理により抽出された遺伝子と、の３つの遺伝子群の積集合を求め（図６参照）、当該積集合のうち２つの遺伝子の組み合わせを遺伝子ペアとして選出する（ステップＳＤ−４）。

そして、尤度検定抽出部１０２ｇは、最尤抽出部１０２ｈの処理により、遺伝子間共起指数ファイル１０６ｇに記憶された遺伝子間共起指数に基づく共起関係を用いて、最尤推定法により、下記の数式１に基づいて対数尤度比（ＬＬＳ）を求め、対数尤度比が正の所定数以上である遺伝子ペアを抽出する（ステップＳＤ−５）。

ここで、数式１において、Ｐ（Ｌ）は全事象において遺伝子ペアがマイクロＲＮＡを共通とする全体確率を表し、~Ｐ（Ｌ）は全事象において遺伝子ペアがマイクロＲＮＡを共通としない全体確率を表す。また、Ｐ（Ｌ｜Ｅ）は、特定の事象（Ｅ）において遺伝子ペアがマイクロＲＮＡを共通とする条件付確率を表し、~Ｐ（Ｌ｜Ｅ）は、特定の事象（Ｅ）において遺伝子ペアがマイクロＲＮＡを共通としない条件付確率を表す。

そして、ネットワーク構築部１０２ｉは、尤度検定抽出部１０２ｇの処理により抽出された遺伝子ペアと、当該遺伝子ペアに共通するマイクロＲＮＡとに基づいて、マイクロＲＮＡと遺伝子との機能的ネットワークを構築するよう制御する（ステップＳＤ−６）。以上で、実施の形態２（共起関係によるマイクロＲＮＡ標的遺伝子予測処理）の説明を終える。

［実施の形態３（実施の形態１＋実施の形態２）］
上述した実施の形態１と実施の形態２を組み合わせた実施の形態３について、以下に図９を参照して詳細に説明する。図９は、本発明の本実施の形態の一例を示すフローチャートである。

すなわち、図９に示すように、アライメント予測部１０２ａは、ゲノム配列データベース１０６ａに記憶されたゲノム配列情報から、動的計画法に基づくローカルアライメントおよびＲＮＡ二重鎖の熱力学的安定性を基準にした熱力学的アライメントに基づいて、マイクロＲＮＡの標的となる遺伝子を予測する（ステップＳＥ−１）。ここで、アライメント予測部１０２ａは、当該遺伝子の予測において、文献（Enright, A.J. et al. MicroRNA targets in Drosophila. Genome Biol. 5, R1 (2003)）または非特許文献１に記載の方法を用いてもよい。なお、アライメント予測部１０２ａは、ローカルアライメントと熱力学的アライメントに基づく標的遺伝子の予測においては、マイクロＲＮＡの機能のうち転写産物分解に関わるものと翻訳制御に関わるものとを区別しなくともよい。

そして、図９に示すように、制御部１０２は、入出力制御インターフェース部１０８を介して入力装置１１２を制御し、複数の細胞における、マイクロＲＮＡおよび遺伝子の発現パターン情報を、発現パターンデータベース１０６ｃに格納する（ステップＳＥ−２）。ここで、発現パターン情報は、定量的ＰＣＲや、マイクロアレイ等を用いて取得してもよい。

つづいて、標的サイト数遺伝子抽出部１０２ｂは、ローカルアライメントおよび熱力学的アライメントに基づいて、アライメント予測部１０２ａによって予測された遺伝子のうち、マイクロＲＮＡの標的サイトを所定の複数以上（例えば、３箇所以上）有する遺伝子を抽出する（ステップＳＥ−３）。

そして、マイクロＲＮＡ−遺伝子相関係数算出部１０２ｃは、発現パターンデータベース１０６ｃに記憶された発現パターン情報に基づいて、マイクロＲＮＡ−遺伝子相関係数を算出し、逆相関遺伝子抽出部１０２ｅは、マイクロＲＮＡ−遺伝子相関係数が負の所定数以下（例えば、−０．７５以下）である遺伝子を抽出する（ステップＳＥ−４）。ここで、制御部１０２は、その他のマイクロＲＮＡと遺伝子の共起関係データ（例えば、マイクロＲＮＡ−遺伝子共起指数等）を、マイクロＲＮＡ−遺伝子共起指数ファイル１０６ｆに格納してもよい（ステップＳＥ−５）。

そして、積集合選出部１０２ｆは、標的サイト数遺伝子抽出部１０２ｂの処理により抽出された遺伝子と、逆相関遺伝子抽出部１０２ｅの処理により抽出された遺伝子と、の積集合を求め、当該積集合のうち、２つの遺伝子の組み合わせを遺伝子ペアとして選出する（ステップＳＥ−６）。ここで、積集合選出部１０２ｆは、更に、マイクロＲＮＡ−遺伝子共起指数ファイル１０６ｆに記憶されたマイクロＲＮＡ−遺伝子共起指数が所定値以上である遺伝子と、の積集合を求めてもよい。

そして、遺伝子間相関係数算出部１０２ｄは、発現パターンデータベース１０６ｃに記憶された発現パターン情報に基づいて、任意の一方の遺伝子の発現量と他方の遺伝子の発現量との相関係数を遺伝子間相関係数として算出し、遺伝子間相関係数ファイル１０６ｅに格納する（ステップＳＥ−７）。ここで、制御部１０２は、遺伝子間の共起関係データ（例えば、遺伝子間共起指数等）を遺伝子間共起指数ファイル１０６ｇに格納してもよい（ステップＳＥ−８）。

そして、尤度検定抽出部１０２ｇは、最尤抽出部１０２ｈの処理により、遺伝子間相関係数ファイル１０６ｅに記憶された遺伝子間相関係数に基づく相関関係を用いて、最尤推定法（Maximum Likelihood Estimate Method）により、下記の数式１に基づいて対数尤度比（ＬＬＳ）を求める（ステップＳＥ−９）。ここで、最尤抽出部１０２ｈは、対数尤度比（ＬＬＳ）の算出に、ステップＳＥ−８において遺伝子間共起指数ファイル１０６ｇに記憶された遺伝子間の共起関係データ（例えば、遺伝子間共起指数等）に基づく共起関係を用いてもよい。

ここで、数式１において、Ｐ（Ｌ）は全事象において遺伝子ペアがマイクロＲＮＡを共通とする全体確率を表し、~Ｐ（Ｌ）は全事象において遺伝子ペアがマイクロＲＮＡを共通としない全体確率を表す。また、Ｐ（Ｌ｜Ｅ）は、特定の事象（Ｅ）において遺伝子ペアがマイクロＲＮＡを共通とする条件付確率を表し、~Ｐ（Ｌ｜Ｅ）は、特定の事象（Ｅ）において遺伝子ペアがマイクロＲＮＡを共通としない条件付確率を表す。ここで、本実施の形態において、一例として、上記数式１において、Ｐ（Ｌ）、~Ｐ（Ｌ）、Ｐ（Ｌ｜Ｅ）、および、~Ｐ（Ｌ｜Ｅ）は、以下の数式２のように表される。すなわち、数式１において、Ｐ（Ｌ）は、条件（Ｌ：積集合のうちマイクロＲＮＡを共通とすること）を満たす遺伝子ペアの確率であり、~Ｐ（Ｌ）は、条件（Ｌ）を満たさない遺伝子ペアの確率である。また、Ｐ（Ｌ｜Ｅ）は、特定の事象（Ｅ）における、条件（Ｌ）を満たす遺伝子ペアの確率であり、~Ｐ（Ｌ｜Ｅ）は、特定の事象における、条件（Ｌ）を満たさない遺伝子ペアの確率である。ここで、特定の事象（Ｅ）は、例えば、遺伝子間相関係数に基づく相関関係や、遺伝子間共起指数に基づく共起関係等である。

そして、尤度検定抽出部１０２ｇは、最尤抽出部１０２ｈの処理により、積集合選出部１０２ｆの処理により選出された遺伝子ペアのうち、対数尤度比（ＬＬＳ）が正の所定数以上である遺伝子ペアを抽出する。

そして、ネットワーク構築部１０２ｉは、尤度検定抽出部１０２ｇの処理により抽出された遺伝子ペアと、当該遺伝子ペアに共通するマイクロＲＮＡとを関連付けて格納し、マイクロＲＮＡと遺伝子との機能的ネットワークを構築（create network）する（ステップＳＥ−１０）。

以上が本実施の形態３の説明である。上述のように、最尤推定法において、尤度は、積集合のうちマイクロＲＮＡを共通とする遺伝子ペアと、相関関係または共起関係と、の間には関連性があるという仮説の尤もらしさを表す。すなわち、対数尤度比（ＬＬＳ）が０以上であることは、その仮説に信頼性（confident）があるということを表すので、比較的、対数尤度比（ＬＬＳ）が高い遺伝子ペアを抽出することにより、大量の擬陽性の予測結果を排除して十分に絞り込んだ標的遺伝子の予測結果を得ることができる。また、発現パターン情報を予測に用いることにより、マイクロＲＮＡの機能のうち転写産物分解機能に関する標的遺伝子を予測することができる。また、抽出された遺伝子ペアとマイクロＲＮＡの組み合わせにより、マイクロＲＮＡによって共通して統合的に制御を受ける標的遺伝子群を、ネットワーク（クラスター）として抽出することができる。なお、本実施の形態３の処理の順序は、上記に限られず、ステップＳＥ−１〜５は、ステップＳＥ−６以前に完了していればよく、ステップＳＥ−７〜８は、ステップＳＥ−９以前に完了していればよい。

以上で、本実施の形態１〜３におけるマイクロＲＮＡ標的遺伝子予測処理の説明を終える。

次に、本実施の形態における本マイクロＲＮＡ標的遺伝子予測装置１００の実施例について、以下に図１０〜図１８を参照して詳細に説明する。

はじめに、本実施例の目的を述べる。マイクロＲＮＡは、３´ＵＴＲの配列相補性に基づいてｍＲＮＡと結合することにより、その遺伝子の発現を調節することが知られている。その遺伝子調節機能は腫瘍形成、発生、ウイルス感染などに関与することが示唆されている。しかし、多くのマイクロＲＮＡは未だその標的となる遺伝子が明らかにされておらず、現存するマイクロＲＮＡ標的遺伝子予測プログラムは短い配列の相補性に基づいたものであり、その確度を上げることは困難である。そこで、本実施例では、細胞ごとの遺伝子およびマイクロＲＮＡの発現プロファイル（発現パターン）と、既存のマイクロＲＮＡ標的遺伝子予測プログラムとを組み合わせて新規方法論を確立し、マイクロＲＮＡによる制御遺伝子ネットワークの構築(create network)を行う。

つぎに、本実施例の原理について説明する。ここで、図１０は、本実施の形態における本実施例の原理を示す概念図である。マイクロＲＮＡは遺伝子発現を抑制することから、マイクロＲＮＡと標的遺伝子の発現プロファイルは逆相関にある。また、本願発明者は、種々の解析結果から発現プロファイルの相関（例えば、遺伝子間相関係数）が高い遺伝子ペアは統計的に共通のマイクロＲＮＡの標的遺伝子候補となる傾向があることを発見した。あわせて、本願発明者は、遺伝子の共発現性と標的サイト数との相関性についても見出した。従って、共通するマイクロＲＮＡの標的サイトを複数有し発現プロファイルの相関が高い遺伝子ペアは、共通のマイクロＲＮＡの標的遺伝子候補であり、更にそのマイクロＲＮＡと遺伝子ペアのプロファイル（発現パターン）が逆相関の関係を示すとき、その遺伝子ペアはマイクロＲＮＡの標的となる可能性が高いものと考えられる。本実施例においては、当該仮説を対数尤度比（ＬＬＳ）によって評価する。以上が、本実施例の基本的原理であり、図１０に示すように、遺伝子-遺伝子間の相関とマイクロＲＮＡ-遺伝子間の逆相関及び標的サイト数情報を含む標的遺伝子予測によって、統合化スコア（Unified score）として対数尤度比（ＬＬＳ）を求め、ネットワーク化を行う。ここで、図１１は、本実施の形態における本実施例の一例を示すフローチャートである。なお、本実施例においては、ステップＳＥ−５およびステップＳＥ−８における処理は行わない。

図１１に示すように、本実施例においては、マイクロＲＮＡ１５３種、および、遺伝子１３５２３種を対象とする。まず、図１１に示すように、本マイクロＲＮＡ標的遺伝子予測装置１００のアライメント予測部１０２ａは、動的計画法に基づくローカルアライメントおよびＲＮＡ二重鎖の熱力学的安定性を基準にした熱力学的アライメントに基づいて、ゲノム配列データベース１０６ａに記憶されたゲノム配列情報から、マイクロＲＮＡの標的となる遺伝子を予測する（ステップＳＥ−１）。ここで、アライメント予測部１０２ａの処理は、文献（Enright, A.J. et al. MicroRNA targets in Drosophila. Genome Biol. 5, R1 (2003)）または非特許文献１に記載のプログラム（ｍｉＲａｎｄａ）に基づき実行される。これにより、マイクロＲＮＡのｍｉＲ−２２１については、７９１９種の標的遺伝子候補が予測され、マイクロＲＮＡのｍｉＲ−３７３については、８２８０種の標的遺伝子候補が予測された。なお、本実施例において、本マイクロＲＮＡ標的遺伝子予測装置は、進化的保存性に基づく標的遺伝子予測法は用いていない。

そして、図１１に示すように、制御部１０２は、１６種の細胞における、マイクロＲＮＡおよび遺伝子の発現パターン情報を、発現パターンデータベース１０６ｃに格納する（ステップＳＥ−２）。ここで、遺伝子とマイクロＲＮＡの発現パターン（プロファイル）の測定には、各々ＤＮＡチップ、定量的ＰＣＲ法を用いた。

そして、本マイクロＲＮＡ標的遺伝子予測装置は、ローカルアライメントおよび熱力学的アライメントに基づいて、予測された遺伝子のうち、マイクロＲＮＡの標的サイトを所定の複数以上（本実施例において、３箇所以上）有する遺伝子を抽出する（ステップＳＥ−３）。ここで、当該標的サイト数の閾値（所定の複数）について、図１２を参照して説明する。図１２は、標的サイト数において、横軸に遺伝子間相関係数、縦軸に対数尤度比（ＬＬＳ）をプロットしたグラフである。

図１２に示すように、本実施例では、標的サイト数が２以上の場合（図１２の菱形で表す）、遺伝子間相関係数の全範囲に対し、対数尤度比が低いが、標的サイト数が３以上の場合（図１２の四角で表す）、対数尤度比が約０以上である遺伝子間相関係数の範囲が広く、信頼性（confident）がある。さらに、標的サイト数が４以上の場合（図１２の三角で表す）、遺伝子間相関係数のほぼ全ての範囲において対数尤度比が０以上であり、特に、正の遺伝子相関係数において高い信頼性（confident）があることが分かる。よって、標的サイト数が多いほど対数尤度比が高まり、仮説の信頼性（confident）が増すので、本実施例の本マイクロＲＮＡ標的遺伝子予測装置１００においては、標的サイト数遺伝子抽出部１０２ｂの処理による標的サイト数の閾値を３以上に設定している。これにより、図１１に示すように、マイクロＲＮＡのｍｉＲ−２２１については、２２０６種の標的遺伝子候補に絞り込まれ、マイクロＲＮＡのｍｉＲ−３７３については、２５１０種の標的遺伝子候補に絞り込まれた。

そして、マイクロＲＮＡ−遺伝子相関係数算出部１０２ｃは、発現パターンデータベース１０６ｃに記憶された発現パターン情報に基づいて、マイクロＲＮＡの発現量と遺伝子の発現量との相関係数（マイクロＲＮＡ−遺伝子相関係数）を算出し、マイクロＲＮＡ−遺伝子相関係数が負の所定数以下（例えば、−０．７５以下）である遺伝子を抽出する（ステップＳＥ−４）。ここで、相関係数の算出方法について、説明を行う。

本実施例では偏差の正規分布が見られたのでピアソンの積率相関係数を用いる。すなわち、ピアソンの積率相関係数は、以下の数式で求められる。

ここで、遺伝子−マイクロＲＮＡ相関係数を求める場合、遺伝子の発現量をｘ＝｛ｘ_i｝、マイクロＲＮＡの発現量をｙ＝｛ｙ_i｝とおく。また、遺伝子間相関係数を求める場合は、一方の遺伝子の発現量をｘ＝｛ｘ_i｝、他方の遺伝子の発現量をｙ＝｛ｙ_i｝とおく。本実施例においては、１６種類の細胞を用いたので、ｉの最大値は１６（ｉ＝１６）とする。ｘバー、ｙバーは、それぞれデータｘ＝｛ｘ_i｝、ｙ＝｛ｙ_i｝の相加平均である。ここで、マイクロＲＮＡ−遺伝子相関係数算出部１０２ｃまたは遺伝子間相関係数算出部１０２ｄによる相関係数の算出は、偏差の正規分布という仮定を置かないノンパラメトリックな方法として、スピアマンの順位相関係数やケンドール順位相関係数を用いてもよい。

また、ここで、逆相関遺伝子抽出部１０２ｅの処理によるマイクロＲＮＡ−遺伝子相関係数の閾値（負の所定数）について、図１３を参照して説明する。図１３は、マイクロＲＮＡ−遺伝子相関係数の各範囲において、横軸に遺伝子間相関係数、縦軸に対数尤度比（ＬＬＳ）をプロットしたグラフである。ここで、図１３のプロットは、それぞれ、マイクロＲＮＡ−遺伝子相関係数の範囲が、−１〜−０．７５の遺伝子（菱形で示す）、−０．６１〜−０．６の遺伝子（四角で示す）、−０．４０２〜−０．４の遺伝子（三角で示す）、−０．２０１〜−０．２の遺伝子（×印で示す）、−０．００１〜−０．０００１の遺伝子（＊印で示す）を表している。なお、各相関係数の範囲は、それぞれに含まれる遺伝子数が、およそ同じくらいになるように設定している。

図１３に示すように、マイクロＲＮＡ−遺伝子相関係数が低ければ低いほど、遺伝子間相関係数に対して、高い対数尤度比（ＬＬＳ）が得られ、信頼性（confident）が増すことが分かる。ここで、マイクロＲＮＡ−遺伝子相関係数の閾値の目安は、相関係数の有意性検定により行ってもよい。すなわち、１６細胞の発現プロファイル（発現パターン）情報に基づいて相関係数を求めた場合、マイクロＲＮＡ−遺伝子相関係数が−０．７５以下の場合、Ｐ値＝０．０００８であり、０．１％の有意性が保証される。例えば、相関係数が−０．５以下の場合、Ｐ値＝０．０４９となり、５％有意となるため、マイクロＲＮＡ−遺伝子相関係数の閾値を−０．５以下に設定すれば、５％有意の相関が期待できる。

本実施例においては、マイクロＲＮＡ−遺伝子相関係数の閾値を−０．７５と設定したので、ステップＳＥ−４における逆相関遺伝子抽出部１０２ｅの処理により、マイクロＲＮＡのｍｉＲ−２２１については、６１種の標的遺伝子候補が予測され、マイクロＲＮＡのｍｉＲ−３７３については、４１種の標的遺伝子候補が予測された。

そして、積集合選出部１０２ｆは、標的サイト数遺伝子抽出部１０２ｂの処理により標的サイト数に基づいて抽出された遺伝子と、逆相関遺伝子抽出部１０２ｅの処理により抽出された遺伝子と、の積集合を求め、求めた積集合のうち、２つの遺伝子の組み合わせを遺伝子ペアとして選出する（ステップＳＥ−６）。

そして、遺伝子間相関係数算出部１０２ｄは、発現パターンデータベース１０６ｃに記憶された発現パターン情報に基づいて、任意の一方の遺伝子の発現量と他方の遺伝子の発現量との相関係数を遺伝子間相関係数として算出する（ステップＳＥ−７）。

そして、尤度検定抽出部１０２ｇは、最尤抽出部１０２ｈの処理により、遺伝子間相関係数ファイル１０６ｅに記憶された遺伝子間相関係数に基づく相関関係を用いて、最尤推定法（Maximum Likelihood Estimate Method）により、以下の数式１に基づいて対数尤度比（ＬＬＳ）を求める（ステップＳＥ−９）。

ここで、相関関係を示す遺伝子間相関係数の範囲（Ｅ）と対数尤度比（ＬＬＳ）について図１４を参照して説明する。図１４は、横軸に遺伝子間相関係数、縦軸に対数尤度比（ＬＬＳ）をプロットした図である。

図１４に示すように、本実施例において、最尤抽出部１０２ｈは、遺伝子間相関係数の範囲（Ｅ）を、所定の遺伝子ペア数を有する遺伝子間相関係数の範囲として設定し、設定した範囲において、対数尤度比（ＬＬＳ）を算出する。

そして、最尤抽出部１０２ｈは、積集合選出部１０２ｆの処理により選出された遺伝子ペアのうち、対数尤度比（ＬＬＳ）が正の所定数以上である遺伝子ペアを抽出する。ここで、対数尤度比（ＬＬＳ）の閾値（正の所定数）について、図１５を参照して説明する。図１５は、横軸に遺伝子間相関係数、縦軸に対数尤度比（ＬＬＳ）をプロットした図である。

図１５に示すように、本実施例において、最尤抽出部１０２ｈは、正の遺伝子間相関係数が大きい範囲では、対数尤度比（ＬＬＳ）が十分高く、信頼性（confident）のある結果が得られることが期待されるので、対数尤度比（ＬＬＳ）の閾値を３と設定する。これにより、マイクロＲＮＡのｍｉＲ−２２１については、９種の標的遺伝子にまで絞り込まれ、マイクロＲＮＡのｍｉＲ−３７３については、１５種の標的遺伝子にまで絞り込まれた。

そして、ネットワーク構築部１０２ｉは、最尤抽出部１０２ｈの処理により抽出された遺伝子ペアと、共通するマイクロＲＮＡとを関連付けて標的遺伝子候補ファイル１０６ｂに格納する（ステップＳＥ−１０）。すなわち、マイクロＲＮＡと複数遺伝子間の機能的ネットワークを構築(create network)することができる。ここで、図１６は、ネットワーク構築部１０２ｉの処理により構築された機能的ネットワークの一例を示す図である。ここで、閾値は、Ｚ−ｓｃｏｒｅ＞０．８、ｃｃ（マイクロＲＮＡ−遺伝子相関係数）＜−０．７５、ＬＬＳ＞３である。

図１６に示すように、ネットワーク構築部１０２ｉは、クラスター化されたネットワークを構築(create network)し、構築したネットワークが出力装置１１４に表示されるよう入出制御インターフェース部１０８を制御する。ここで、図１６の右図の各円は、共通するマイクロＲＮＡ（ｍｉＲ−３０２ｂ、ｍｉＲ−３７１、ｍｉＲ−３７２、ｍｉＲ−３７３）により制御される範囲を示す。また、マイクロＲＮＡ名以外は、遺伝子記号（遺伝子名）である。図１６に示すように、本マイクロＲＮＡ標的遺伝子予測装置１００は、ネットワーク構築部１０２ｉの処理により、ｍｉＲ−３７３の標的遺伝子として、ＰＨＰＴ１、ＰＲＭＴ２、ＧＵＫ１，ＳＤＣＣＡＧ３、ＣＦＬ１、ＬＥＭＤ２を予測したことがわかる。ここで、図１７は、本実施例で用いた１６種類の細胞における、ｍｉＲ−３７３と遺伝子の発現状態を示す図である。

図１７に示すように、ｍｉＲ−３７３が高発現している細胞株Ｃａｃｏ．２においては、一部の遺伝子に発現の低下が観測され、ｍｉＲ−３７３による遺伝子の転写産物分解制御との因果関係が示唆される。

［予測結果の検証］
次に、本実施例における本マイクロＲＮＡ標的遺伝子予測装置１００により予測されたマイクロＲＮＡの標的遺伝子が、実際にマイクロＲＮＡによりｍＲＮＡレベルで発現を制御しているかを検証するため、ヒト肝癌由来細胞株であるＨｅｐＧ２細胞に、上記マイクロＲＮＡ、ｈａｓ−ｍｉＲ−３７３を導入し、予測された標的遺伝子の発現変動を定量的ＰＣＲを用いて解析した（図１８）。ここで、図１８は、ＨｅｐＧ２細胞にｈａｓ−ｍｉＲ−３７３を導入した結果を示す図である。

図１８の各グラフにおいて、左のバーはコントロールを導入した場合の発現量、右のバーはｈａｓ−ｍｉＲ−３７３を導入した場合の発現量を表し、縦軸は、コントロールを導入した場合の発現を１とした場合の比率を表す。ここで、Ｐ値は、ｍｅａｎ±Ｓ．Ｅ．（ｎ＝６）である。図１８に示すように、解析を行った６遺伝子のうち、２遺伝子（ＰＨＰＴ１，ＰＲＭＴ２）においてｈａｓ−ｍｉＲ−３７３の導入により有意に発現が低下し、さらに２遺伝子（ＧＵＫ１，ＳＤＣＣＡＧ３）において発現低下傾向が確認された。残りの２遺伝子（ＣＦＬ１，ＬＥＭＤ２）においては発現の低下は検出されなかった。次に、本マイクロＲＮＡ標的遺伝子予測装置１００の有用性を検証するため、ｈａｓ−ｍｉＲ−３７３と発現において逆相関の関係にあり（ｒ＜−０．７５）、かつ、ｈａｓ−ｍｉＲ−３７３の標的サイトを有していない２遺伝子（ＡＰ２Ｍ１，ＨＮＲＰＫ）においても同様の解析を行ったところ、これらの遺伝子においてはいずれもｈａｓ−ｍｉＲ−３７３の導入による発現の減弱は検出されなかった。以上のことから、本マイクロＲＮＡ標的遺伝子予測装置が実際に高精度にマイクロＲＮＡの標的遺伝子を予測していることが示された。なお、以下の［細胞培養］、［ＲＮＡの導入］、［ＲＮＡの抽出］、［１ｓｔ ｓｔｒａｎｄ ｃＤＮＡ合成］、［定量的 ＰＣＲによる発現解析］、および、［プライマー・リスト］の項において、検証実験に用いた試料および条件を示す。

［細胞培養］
ヒト肝癌由来細胞株ＨｅｐＧ２細胞は、非動化処理（５６℃，３０ｍｉｎ）された１０％牛胎児血清（ＦＢＳ）を含むＤｕｌｂｅｃｃｏ'ｓ Ｍｏｄｉｆｉｅｄ Ｅａｇｌｅ's Ｍｅｄｉｕｍ（ＤＭＥＭ）培地（Ｓｉｇｍａ−Ａｌｄｒｉｃｈ（会社名），Ｓａｉｎｔ Ｌｏｕｉｓ， ＭＯ）を用いて５％ＣＯ₂、湿度１００％の条件下３７℃の培養器内で培養する。

［ＲＮＡの導入］
非動化処理を行った１０％ＦＢＳを含むＤＭＥＭ培地中、コラーゲンコートされた３．５ｃｍの培養ディッシュ（旭テクノグラス（会社名），Ｔｏｋｙｏ， Ｊａｐａｎ）にＨｅｐＧ２細胞（１．０ｘ１０⁵ｃｅｌｌｓ）を播種し、５％ＣＯ₂、湿度１００％の条件下３７℃の培養器内で培養する。２４時間後、ＣｏｄｅＢｒｅａｋｅｒ ｓｉＲＮＡ Ｔｒａｎｓｆｅｃｔｉｏｎ Ｒｅａｇｅｎｔ（商品名）（Ｐｒｏｍｅｇａ（会社名），Ｍａｄｉｓｏｎ，ＷＩ）を用い、Ｐｒｅ−ｍｉＲ ｍｉＲＮＡ Ｐｒｅｃｕｒｓｏｒ Ｍｏｌｅｃｕｌｅ−ｈｓａ−ｍｉＲ−３７３（商品名）（Ａｐｐｌｉｅｄ Ｂｉｏｓｙｓｔｅｍｓ（会社名），Ｆｏｓｔｅｒ Ｃｉｔｙ，ＣＡ，ＵＳＡ）３００ｐｍｏｌを定法に従いＨｅｐＧ２細胞に導入する。また、実験のネガティブコントロールとして、Ｐｒｅ−ｍｉＲ ｍｉＲＮＡ Ｐｒｅｃｕｒｓｏｒ Ｍｏｌｅｃｕｌｅｓ−Ｎｅｇａｔｉｖｅ Ｃｏｎｔｒｏｌ ＃１（商品名）（Ａｐｐｌｉｅｄ Ｂｉｏｓｙｓｔｅｍｓ（会社名））をＨｅｐＧ２細胞に導入する。

［ＲＮＡの抽出］
ＲＮＡを導入した細胞を４８時間後に回収し、ＩＳＯＧＥＮ（日本ジーン（会社名），Ｔｏｋｙｏ，Ｊａｐａｎ）を用いて定法に従いｔｏｔａｌ ＲＮＡを抽出する。ＲＮＡの純度はＡｇｉｌｅｎｔ ２１００ Ｂｉｏａｎａｌｙｚｅｒ（商品名）とＲＮＡ ６０００ Ｎａｎｏ ＬａｂＣｈｉｐ（商品名）（Ａｇｉｌｅｎｔ Ｔｅｃｈｎｏｌｏｇｉｅｓ（会社名），Ｐａｌｏ Ａｌｔｏ，ＣＡ）を用いて確認する。

［１ｓｔ ｓｔｒａｎｄ ｃＤＮＡ合成］
ｔｏｔａｌ ＲＮＡ，２μｇにｒａｎｄｏｍ ｐｒｉｍｅｒ（商品名）（タカラバイオ株式会社（会社名），Ｋｙｏｔｏ，Ｊａｐａｎ），１ｎｍｏｌを加え、７０℃で１０分間インキュベートした後に氷冷する。５ｘ１ｓｔ ｓｔｒａｎｄ ｂｕｆｆｅｒ（商品名）（ｉｎｖｉｔｒｏｇｅｎ（会社名）,ＳａｎＤｉｅｇｏ，ＣＡ），６μｌ、ＤＴＴ（ｉｎｖｉｔｒｏｇｅｎ（会社名）），３００ｎｍｏｌ、ｄＮＴＰｓ（タカラバイオ株式会社（会社名））,１．２５ｎｍｏｌとＳｕｐｅｒｓｃｒｉｐｔＩＩ ｒｅｖｅｒｓｅ ｔｒａｎｓｃｒｉｐｔａｓｅ（商品名）（ｉｎｖｉｔｒｏｇｅｎ（会社名）），２００ｕｎｉｔｓを加えて２５℃で１０分間インキュベートし、続いて４２℃で９０分間反応させ、その後７０℃で１５分間インキュベートする。

［定量的 ＰＣＲによる発現解析］
各遺伝子のプライマーは全てイントロンを挟み込み、かつ、特異的ＰＣＲ増幅産物が約２００−４００ｂｐになるように設計する（以下の［プライマー・リスト］の項参照）。定量的 ＰＣＲの検量線にはＨｅｐＧ２細胞のｃＤＮＡを段階希釈したものを用いた。定法に従い、ＡＢｓｏｌｕｔｅ ＱＰＣＲＳＹＢＲ Ｇｒｅｅｎ ＲＯＸ Ｍｉｘ（商品名）（ＡＢｇｅｎｅ（会社名），Ｅｐｓｏｍ，ＵＫ）とＤＮＡ Ｅｎｇｉｎｅ Ｏｐｔｉｃｏｎ２ Ｓｙｓｔｅｍ（商品名）（Ｂｉｏ−Ｒａｄ Ｌａｂｏｒａｔｏｒｉｅｓ（会社名），Ｈｅｍｅｌ Ｈｅｍｐｓｔｅａｄ，ＵＫ）を用いて定量的 ＰＣＲを行う。増幅されたＰＣＲ産物は、Ｔｍ値と電気泳動によるサイズの同定により、その特異性を確認する。各遺伝子の発現量についてはＧＡＰＤＨ（glyceraldehyde-3-phosphate dehydrogenase）を用いてサンプル間の補正を行う。有意差検定はＳｔｕｄｅｎｔ ｔ検定を用いて行う。

［プライマー・リスト］
ＰＣＲプライマーには、以下の表１に示す配列のオリゴヌクレオチドを用いる。なお、配列表において、それぞれ対応する配列を示す。すなわち、ＡＰ２Ｍ１センス配列（配列番号１）、ＡＰ２Ｍ１アンチセンス配列（配列番号２）、ＣＦＬ１センス配列（配列番号３）、ＣＦＬ１アンチセンス配列（配列番号４）、ＧＡＰＤＨセンス配列（配列番号５）、ＧＡＰＤＨアンチセンス配列（配列番号６）、ＧＵＫ１センス配列（配列番号７）、ＧＵＫ１アンチセンス配列（配列番号８）、ＨＮＲＰＫセンス配列（配列番号９）、ＨＮＲＰＫアンチセンス配列（配列番号１０）、ＬＥＭＤ２センス配列（配列番号１１）、ＬＥＭＤ２アンチセンス配列（配列番号１２）、ＰＨＰＴ１センス配列（配列番号１３）、ＰＨＰＴ１アンチセンス配列（配列番号１４）、ＰＲＭＴ２センス配列（配列番号１５）、ＰＲＭＴ２アンチセンス配列（配列番号１６）、ＳＤＣＣＡＧ３センス配列（配列番号１７）、ＳＤＣＣＡＧ３アンチセンス配列（配列番号１８）である。
［表１］（プライマー・リスト）
遺伝子記号 センス配列 アンチセンス配列 ＰＣＲ産物(bp)
AP2M1 5' AGCAAGAGCGGGAAGCAATC 3' 5' GAGCCAGCAGTGAGGGTTTA 3' 253
CFL1 5' GGCTGTCTCTGATGGTGTC 3' 5' GCTTCTTCTTGATGGCGTC 3' 368
GAPDH 5' TCAAGATCATCAGCAATGCC 3' 5' TTGAAGTCAGAGGAGACCAC 3' 440
GUK1 5' AGCACAGCGGCATCTTTGG 3' 5' TCTCCTCGGTTTCAGTGTTG 3' 351
HNRPK 5' AGAATGGCAGATGGCTTATG 3' 5' CTGTAATGGTAATGATCCGA 3' 251
LEMD2 5' TAGCCAATGTGACCAGCAG 3' 5' CTTCTAACTTTCGCCACCG 3' 291
PHPT1 5' GACCTCGCTCTCATTCCTG 3' 5' TCAGTAGCCGTCGTTAGCC 3' 366
PRMT2 5' GCCACGAACAACTAAATACC 3' 5' CCCCATCCACTCAGACACC 3' 286
SDCCAG3 5' CTGAAGACCAAGAACCTCG 3' 5' CCTCATCCTCCTCCTCATC 3' 199

［他の実施の形態］
さて、これまで本発明の実施の形態について説明したが、本発明は、上述した実施の形態以外にも、上記特許請求の範囲に記載した技術的思想の範囲内において種々の異なる実施の形態にて実施されてよいものである。

特に、本実施の形態においては、上記数式１を用いた検定法以外に、他の尤度検定方法を用いてもよい。例えば、対数尤度比（ＬＬＳ）の指標を用いる他に、相関係数や、相互情報量や、結合エントロピーなど共起性を示す指標を用いてもよい。

また、マイクロＲＮＡ標的遺伝子予測装置１００は、記憶部１０６に記憶されたデータベースおよびプログラムを用いて処理を行うよう説明したが、これに限られず、マイクロＲＮＡ標的遺伝子予測装置１００は、外部システム２００の記憶装置に格納された発現パターン情報等のデータベースやマイクロＲＮＡ標的遺伝子予測プログラムを参照して、処理を行ってもよい。

また、マイクロＲＮＡ標的遺伝子予測装置１００がスタンドアローンの形態で処理を行う場合を一例に説明したが、マイクロＲＮＡ標的遺伝子予測装置１００とは別筐体で構成されるクライアント端末からの要求に応じて処理を行い、その処理結果を当該クライアント端末に返却するように構成してもよい。

また、実施の形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。

このほか、上記文献中や図面中で示した処理手順、制御手順、具体的名称、各処理の登録データやパラメータを含む情報、データベース構成については、特記する場合を除いて任意に変更することができる。

また、マイクロＲＮＡ標的遺伝子予測装置１００の各装置が備える処理機能、特に制御部１０２にて行われる各処理機能については、その全部または任意の一部を、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）および当該ＣＰＵにて解釈実行されるプログラムにて実現することができ、あるいは、ワイヤードロジックによるハードウェアとして実現することも可能である。尚、プログラムは、後述する記録媒体に記録されており、必要に応じてマイクロＲＮＡ標的遺伝子予測装置１００に機械的に読み取られる。すなわち、ＲＯＭまたはＨＤなどの記憶部１０６などは、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）として協働してＣＰＵに命令を与え、各種処理を行うためのコンピュータプログラムが記録されている。このコンピュータプログラムは、ＲＡＭにロードされることによって実行され、ＣＰＵと協働して制御部を構成する。

また、このコンピュータプログラムは、マイクロＲＮＡ標的遺伝子予測装置１００に対して任意のネットワーク３００を介して接続されたアプリケーションプログラムサーバに記憶されていてもよく、必要に応じてその全部または一部をダウンロードすることも可能である。

また、本発明に係るプログラムを、コンピュータ読み取り可能な記録媒体に格納することもできる。ここで、この「記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ等の任意の「可搬用の物理媒体」、あるいは、ＬＡＮ、ＷＡＮ、インターネットに代表されるネットワークを介してプログラムを送信する場合の通信回線や搬送波のように、短期にプログラムを保持する「通信媒体」を含むものとする。

また、「プログラム」とは、任意の言語や記述方法にて記述されたデータ処理方法であり、ソースコードやバイナリコード等の形式を問わない。なお、「プログラム」は必ずしも単一的に構成されるものに限られず、複数のモジュールやライブラリとして分散構成されるものや、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）に代表される別個のプログラムと協働してその機能を達成するものをも含む。なお、実施の形態に示した各装置において記録媒体を読み取るための具体的な構成、読み取り手順、あるいは、読み取り後のインストール手順等については、周知の構成や手順を用いることができる。

記憶装置に格納される各種のデータベース等は、ＲＡＭ、ＲＯＭ等のメモリ装置、ハードディスク等の固定ディスク装置、フレキシブルディスク、光ディスク等のストレージ手段であり、各種処理やウェブサイト提供に用いる各種のプログラムやテーブルやデータベースやウェブページ用ファイル等を格納する。

また、マイクロＲＮＡ標的遺伝子予測装置は、既知のパーソナルコンピュータ、ワークステーション等の情報処理装置を接続し、該情報処理装置に本発明の方法を実現させるソフトウェア（プログラム、データ等を含む）を実装することにより実現してもよい。

更に、装置の分散・統合の具体的形態は図示するものに限られず、その全部または一部を、各種の付加等に応じた任意の単位で、機能的または物理的に分散・統合して構成することができる。

以上詳述に説明したように、本発明によれば、大量の擬陽性の予測結果を排除して十分に絞り込んだ標的遺伝子の予測結果を得ることができ、マイクロＲＮＡの転写産物分解機能に関する標的遺伝子を予測することができる、マイクロＲＮＡ標的遺伝子予測装置、マイクロＲＮＡ標的遺伝子予測方法、および、プログラムを提供することができる。

また、マイクロＲＮＡと複数遺伝子間の機能的ネットワークの予測を行うことができる、マイクロＲＮＡ標的遺伝子予測装置を提供することができる。

マイクロＲＮＡの機能の一例を示す図である。 本発明の基本原理を示す概念図である。 本発明の処理の概要を示すフローチャートである。 本発明の本実施の形態が適用される本マイクロＲＮＡ標的遺伝子予測装置の構成の一例を示すブロック図である。 本マイクロＲＮＡ標的遺伝子予測装置１００のマイクロＲＮＡ標的遺伝子予測処理の一例を示すフローチャートである。 積集合の求め方の一例を示す図である。 相関係数算出処理の一例を示すフローチャートである。 共起関係によるマイクロＲＮＡ標的遺伝子予測処理の一例を示すフローチャートである。 本発明の本実施の形態の一例を示すフローチャートである。 本実施の形態における本実施例の原理を示す概念図である。 本実施の形態における本実施例の一例を示すフローチャートである。 標的サイト数において、横軸に遺伝子間相関係数、縦軸に対数尤度比（ＬＬＳ）をプロットしたグラフである。 マイクロＲＮＡ−遺伝子相関係数の範囲において、横軸に遺伝子間相関係数、縦軸に対数尤度比（ＬＬＳ）をプロットしたグラフである。 横軸に遺伝子間相関係数、縦軸に対数尤度比（ＬＬＳ）をプロットした図である。 横軸に遺伝子間相関係数、縦軸に対数尤度比（ＬＬＳ）をプロットした図である。 ネットワーク構築部１０２ｉの処理により構築された機能的ネットワークの一例を示す図である。 本実施例で用いた１６種類の細胞における、ｍｉＲ−３７３と遺伝子の発現状態を示す図である。 ＨｅｐＧ２細胞にｈａｓ−ｍｉＲ−３７３を導入した結果を示す図である。

符号の説明

１００ マイクロＲＮＡ標的遺伝子予測装置
１０２ 制御部
１０２ａ アライメント予測部
１０２ｂ 標的サイト数遺伝子抽出部
１０２ｃ マイクロＲＮＡ−遺伝子相関係数算出部
１０２ｄ 遺伝子間相関係数算出部
１０２ｅ 逆相関遺伝子抽出部
１０２ｆ 積集合選出部
１０２ｇ 尤度検定抽出部
１０２ｈ 最尤抽出部
１０２ｉ ネットワーク構築部
１０４ 通信制御インターフェース部
１０６ 記憶部
１０６ａ ゲノム配列データベース
１０６ｂ 標的遺伝子候補ファイル
１０６ｃ 発現パターンデータベース
１０６ｄ マイクロＲＮＡ−遺伝子相関係数ファイル
１０６ｅ 遺伝子間相関係数ファイル
１０６ｆ マイクロＲＮＡ−遺伝子共起指数ファイル
１０６ｇ 遺伝子間共起指数ファイル
１０８ 入出力制御インターフェース部
１１２ 入力装置
１１４ 出力装置
２００ 外部システム
３００ ネットワーク

Claims (21)

1. 動的計画法に基づくローカルアライメントおよび／またはＲＮＡ二重鎖の熱力学的安定性を基準にした熱力学的アライメントに基づいて、ゲノム配列からマイクロＲＮＡの標的となる遺伝子を予測する、制御部と記憶部を少なくとも備えたマイクロＲＮＡ標的遺伝子予測装置において、
   上記記憶部は、
   任意のマイクロＲＮＡの発現量と任意の遺伝子の発現量との相関係数をマイクロＲＮＡ−遺伝子相関係数として記憶するマイクロＲＮＡ−遺伝子相関係数記憶手段、
   を備え、
   上記制御部は、
   上記ローカルアライメントおよび／または上記熱力学的アライメントに基づいて、上記予測された上記遺伝子のうち、上記マイクロＲＮＡの標的サイトを所定の複数以上有する上記遺伝子を抽出する標的サイト数遺伝子抽出手段と、
   上記マイクロＲＮＡ−遺伝子相関係数記憶手段に記憶された上記マイクロＲＮＡ−遺伝子相関係数が負の所定数以下である上記遺伝子を抽出する逆相関遺伝子抽出手段と、
   上記標的サイト数遺伝子抽出手段によって抽出された上記遺伝子と、上記逆相関遺伝子抽出手段によって抽出された上記遺伝子と、の積集合を求め、上記積集合のうち、２つの上記遺伝子の組み合わせを遺伝子ペアとして選出する積集合選出手段と、
   上記積集合選出手段により選出された上記遺伝子ペアについて、上記遺伝子ペアの相関関係または共起関係と、当該遺伝子ペアが上記マイクロＲＮＡを共通とすることと、の間には関連があるとの尤度を検定し、上記尤度に基づいて上記遺伝子ペアを抽出する尤度検定抽出手段と、
   を備えたことを特徴とするマイクロＲＮＡ標的遺伝子予測装置。
2. 請求項１に記載のマイクロＲＮＡ標的遺伝子予測装置において、
   上記尤度検定抽出手段は、
   最尤推定法により、下記の数式１に基づいて上記尤度の対数尤度比（ＬＬＳ）を求め、上記対数尤度比が正の所定数以上である上記遺伝子ペアを抽出する最尤抽出手段、
   

   

   （上記数式１において、Ｐ（Ｌ）は全事象において上記遺伝子ペアが上記マイクロＲＮＡを共通とする全体確率を表し、~Ｐ（Ｌ）は全事象において上記遺伝子ペアが上記マイクロＲＮＡを共通としない全体確率を表す。また、Ｐ（Ｌ｜Ｅ）は、特定の事象（Ｅ）において上記遺伝子ペアが上記マイクロＲＮＡを共通とする条件付確率を表し、~Ｐ（Ｌ｜Ｅ）は、特定の事象（Ｅ）において上記遺伝子ペアが上記マイクロＲＮＡを共通としない条件付確率を表す。）
   を更に備えたことを特徴とするマイクロＲＮＡ標的遺伝子予測装置。
3. 請求項１または２に記載のマイクロＲＮＡ標的遺伝子予測装置において、
   上記記憶部は、
   任意の一方の遺伝子の発現量と他方の遺伝子の発現量との上記相関係数を遺伝子間相関係数として記憶する遺伝子間相関係数記憶手段、
   を更に備え、
   上記尤度検定抽出手段は、
   上記遺伝子間相関係数記憶手段に記憶された上記遺伝子間相関係数に基づく上記相関関係を用いて、上記尤度を検定すること、
   を特徴とするマイクロＲＮＡ標的遺伝子予測装置。
4. 請求項１乃至３のいずれか一つに記載のマイクロＲＮＡ標的遺伝子予測装置において、
   上記記憶部は、
   複数の細胞における、遺伝子の発現パターン情報を記憶する発現パターン記憶手段、
   を更に備え、
   上記制御部は、
   上記発現パターン記憶手段に記憶された上記発現パターン情報に基づいて、上記遺伝子間相関係数を算出し上記遺伝子間相関係数記憶手段に格納する遺伝子間相関係数算出手段、
   を更に備えたことを特徴とするマイクロＲＮＡ標的遺伝子予測装置。
5. 請求項１乃至４のいずれか一つに記載のマイクロＲＮＡ標的遺伝子予測装置において、
   上記発現パターン記憶手段は、
   更に、マイクロＲＮＡの発現パターン情報を記憶し、
   上記制御部は、
   上記発現パターン記憶手段に記憶された上記発現パターン情報に基づいて、上記マイクロＲＮＡ−遺伝子相関係数を算出し上記マイクロＲＮＡ−遺伝子相関係数記憶手段に格納するマイクロＲＮＡ−遺伝子相関係数算出手段、
   を更に備えたことを特徴とするマイクロＲＮＡ標的遺伝子予測装置。
6. 請求項４または５に記載のマイクロＲＮＡ標的遺伝子予測装置において、
   上記マイクロＲＮＡ−遺伝子相関係数算出手段または上記遺伝子間相関係数算出手段は、
   上記相関係数として、ピアソンの積率相関係数、スピアマンの順位相関係数、または、ケンドール順位相関係数を算出すること、
   を特徴とするマイクロＲＮＡ標的遺伝子予測装置。
7. 請求項１乃至６のいずれか一つに記載のマイクロＲＮＡ標的遺伝子予測装置において、
   上記尤度検定抽出手段は、
   上記尤度の検定に、相互情報量または結合エントロピーを用いること、
   を特徴とするマイクロＲＮＡ標的遺伝子予測装置。
8. 請求項１乃至７のいずれか一つに記載のマイクロＲＮＡ標的遺伝子予測装置において、
   上記記憶部は、
   マイクロＲＮＡと遺伝子との上記共起関係を示すマイクロＲＮＡ−遺伝子共起指数を記憶するマイクロＲＮＡ−遺伝子共起指数記憶手段、
   を更に備え、
   上記積集合選出手段は、
   上記積集合に含まれる上記遺伝子と、更に、上記マイクロＲＮＡ−遺伝子共起関係記憶手段に記憶された上記マイクロＲＮＡ−遺伝子共起指数が所定値以上である上記遺伝子と、の上記積集合を求めること、
   を特徴とするマイクロＲＮＡ標的遺伝子予測装置。
9. 請求項１乃至８のいずれか一つに記載のマイクロＲＮＡ標的遺伝子予測装置において、
   上記記憶部は、
   任意の一方の遺伝子と他方の遺伝子との上記共起関係を示す遺伝子間共起指数を記憶する遺伝子間共起指数記憶手段、
   を更に備え、
   上記尤度検定抽出手段は、
   上記遺伝子間共起指数記憶手段に記憶された上記遺伝子間共起指数に基づいて、上記対数尤度比を求めること、
   を特徴とするマイクロＲＮＡ標的遺伝子予測装置。
10. 請求項１乃至９のいずれか一つに記載のマイクロＲＮＡ標的遺伝子予測装置において、
    上記制御部は、
    上記尤度検定抽出手段によって抽出された上記遺伝子ペアと、上記共通する上記マイクロＲＮＡとに基づいて、上記マイクロＲＮＡと上記遺伝子との機能的ネットワークを構築するネットワーク構築手段、
    を更に備えたことを特徴とするマイクロＲＮＡ標的遺伝子予測装置。
11. 動的計画法に基づくローカルアライメントおよび／またはＲＮＡ二重鎖の熱力学的安定性を基準にした熱力学的アライメントに基づいて、ゲノム配列からマイクロＲＮＡの標的となる遺伝子を予測する、制御部と記憶部を少なくとも備えたマイクロＲＮＡ標的遺伝子予測装置において実行されるマイクロＲＮＡ標的遺伝子予測方法であって、
    上記記憶部は、
    任意のマイクロＲＮＡの発現量と任意の遺伝子の発現量との相関係数をマイクロＲＮＡ−遺伝子相関係数として記憶するマイクロＲＮＡ−遺伝子相関係数記憶手段、
    を備えており、
    上記制御部において実行される、
    上記ローカルアライメントおよび／または上記熱力学的アライメントに基づいて、上記予測された上記遺伝子のうち、上記マイクロＲＮＡの標的サイトを所定の複数以上有する上記遺伝子を抽出する標的サイト数遺伝子抽出ステップと、
    上記マイクロＲＮＡ−遺伝子相関係数記憶手段に記憶された上記マイクロＲＮＡ−遺伝子相関係数が負の所定数以下である上記遺伝子を抽出する逆相関遺伝子抽出ステップと、
    上記標的サイト数遺伝子抽出ステップにおいて抽出された上記遺伝子と、上記逆相関遺伝子抽出ステップにおいて抽出された上記遺伝子と、の積集合を求め、上記積集合のうち、２つの上記遺伝子の組み合わせを遺伝子ペアとして選出する積集合選出ステップと、
    上記積集合選出ステップにおいて選出された上記遺伝子ペアについて、上記遺伝子ペアの相関関係または共起関係と、当該遺伝子ペアが上記マイクロＲＮＡを共通とすることと、の間には関連があるとの尤度を検定し、上記尤度に基づいて上記遺伝子ペアを抽出する尤度検定抽出ステップと、
    を含むことを特徴とするマイクロＲＮＡ標的遺伝子予測方法。
12. 請求項１１に記載のマイクロＲＮＡ標的遺伝子予測方法において、
    上記尤度検定抽出ステップは、
    最尤推定法により、下記の数式１に基づいて上記尤度の対数尤度比（ＬＬＳ）を求め、上記対数尤度比が正の所定数以上である上記遺伝子ペアを抽出する最尤抽出ステップ、
    

    

    （上記数式１において、Ｐ（Ｌ）は全事象において上記遺伝子ペアが上記マイクロＲＮＡを共通とする全体確率を表し、~Ｐ（Ｌ）は全事象において上記遺伝子ペアが上記マイクロＲＮＡを共通としない全体確率を表す。また、Ｐ（Ｌ｜Ｅ）は、特定の事象（Ｅ）において上記遺伝子ペアが上記マイクロＲＮＡを共通とする条件付確率を表し、~Ｐ（Ｌ｜Ｅ）は、特定の事象（Ｅ）において上記遺伝子ペアが上記マイクロＲＮＡを共通としない条件付確率を表す。）
    を更に含むことを特徴とするマイクロＲＮＡ標的遺伝子予測方法。
13. 請求項１１または１２に記載のマイクロＲＮＡ標的遺伝子予測方法において、
    上記記憶部は、
    任意の一方の遺伝子の発現量と他方の遺伝子の発現量との上記相関係数を遺伝子間相関係数として記憶する遺伝子間相関係数記憶手段、
    を更に備えており、
    上記尤度検定抽出ステップは、
    上記遺伝子間相関係数記憶手段に記憶された上記遺伝子間相関係数に基づく上記相関関係を用いて、上記尤度を検定すること、
    を特徴とするマイクロＲＮＡ標的遺伝子予測方法。
14. 請求項１１乃至１３のいずれか一つに記載のマイクロＲＮＡ標的遺伝子予測方法において、
    上記記憶部は、
    複数の細胞における、遺伝子の発現パターン情報を記憶する発現パターン記憶手段、
    を更に備えており、
    上記制御部において実行される、
    上記発現パターン記憶手段に記憶された上記発現パターン情報に基づいて、上記遺伝子間相関係数を算出し上記遺伝子間相関係数記憶手段に格納する遺伝子間相関係数算出ステップ、
    を更に含むことを特徴とするマイクロＲＮＡ標的遺伝子予測方法。
15. 請求項１１乃至１４のいずれか一つに記載のマイクロＲＮＡ標的遺伝子予測方法において、
    上記発現パターン記憶手段は、
    更に、マイクロＲＮＡの発現パターン情報を記憶し、
    上記制御部において実行される、
    上記発現パターン記憶手段に記憶された上記発現パターン情報に基づいて、上記マイクロＲＮＡ−遺伝子相関係数を算出し上記マイクロＲＮＡ−遺伝子相関係数記憶手段に格納するマイクロＲＮＡ−遺伝子相関係数算出ステップ、
    を更に含むことを特徴とするマイクロＲＮＡ標的遺伝子予測方法。
16. 請求項１４または１５に記載のマイクロＲＮＡ標的遺伝子予測方法において、
    上記マイクロＲＮＡ−遺伝子相関係数算出ステップまたは上記遺伝子間相関係数算出ステップは、
    上記相関係数として、ピアソンの積率相関係数、スピアマンの順位相関係数、または、ケンドール順位相関係数を算出すること、
    を特徴とするマイクロＲＮＡ標的遺伝子予測方法。
17. 請求項１１乃至１６のいずれか一つに記載のマイクロＲＮＡ標的遺伝子予測方法において、
    上記尤度検定抽出ステップは、
    上記尤度の検定に、相互情報量または結合エントロピーを用いること、
    を特徴とするマイクロＲＮＡ標的遺伝子予測方法。
18. 請求項１１乃至１７のいずれか一つに記載のマイクロＲＮＡ標的遺伝子予測方法において、
    上記記憶部は、
    マイクロＲＮＡと遺伝子との上記共起関係を示すマイクロＲＮＡ−遺伝子共起指数を記憶するマイクロＲＮＡ−遺伝子共起指数記憶手段、
    を更に備えており、
    上記積集合選出ステップは、
    上記積集合に含まれる上記遺伝子と、更に、上記マイクロＲＮＡ−遺伝子共起関係記憶手段に記憶された上記マイクロＲＮＡ−遺伝子共起指数が所定値以上である上記遺伝子と、の上記積集合を求めること、
    を特徴とするマイクロＲＮＡ標的遺伝子予測方法。
19. 請求項１１乃至１８のいずれか一つに記載のマイクロＲＮＡ標的遺伝子予測方法において、
    上記記憶部は、
    任意の一方の遺伝子と他方の遺伝子との上記共起関係を示す遺伝子間共起指数を記憶する遺伝子間共起指数記憶手段、
    を更に備えており、
    上記尤度検定抽出ステップは、
    上記遺伝子間共起指数記憶手段に記憶された上記遺伝子間共起指数に基づいて、上記対数尤度比を求めること、
    を特徴とするマイクロＲＮＡ標的遺伝子予測方法。
20. 請求項１１乃至１９のいずれか一つに記載のマイクロＲＮＡ標的遺伝子予測方法において、
    上記制御部において実行される、
    上記尤度検定抽出ステップにおいて抽出された上記遺伝子ペアと、上記共通する上記マイクロＲＮＡとに基づいて、上記マイクロＲＮＡと上記遺伝子との機能的ネットワークを構築するネットワーク構築ステップ、
    を更に含むことを特徴とするマイクロＲＮＡ標的遺伝子予測方法。
21. 動的計画法に基づくローカルアライメントおよび／またはＲＮＡ二重鎖の熱力学的安定性を基準にした熱力学的アライメントに基づいて、ゲノム配列からマイクロＲＮＡの標的となる遺伝子を予測する、制御部と記憶部を少なくとも備えたマイクロＲＮＡ標的遺伝子予測装置にマイクロＲＮＡ標的遺伝子予測方法を実行させるプログラムであって、
    上記記憶部は、
    任意のマイクロＲＮＡの発現量と任意の遺伝子の発現量との相関係数をマイクロＲＮＡ−遺伝子相関係数として記憶するマイクロＲＮＡ−遺伝子相関係数記憶手段、
    を備えており、
    上記制御部において実行される、
    上記ローカルアライメントおよび／または上記熱力学的アライメントに基づいて、上記予測された上記遺伝子のうち、上記マイクロＲＮＡの標的サイトを所定の複数以上有する上記遺伝子を抽出する標的サイト数遺伝子抽出ステップと、
    上記マイクロＲＮＡ−遺伝子相関係数記憶手段に記憶された上記マイクロＲＮＡ−遺伝子相関係数が負の所定数以下である上記遺伝子を抽出する逆相関遺伝子抽出ステップと、
    上記標的サイト数遺伝子抽出ステップにおいて抽出された上記遺伝子と、上記逆相関遺伝子抽出ステップにおいて抽出された上記遺伝子と、の積集合を求め、上記積集合のうち、２つの上記遺伝子の組み合わせを遺伝子ペアとして選出する積集合選出ステップと、
    上記積集合選出ステップにおいて選出された上記遺伝子ペアについて、上記遺伝子ペアの相関関係または共起関係と、当該遺伝子ペアがマイクロＲＮＡを共通とすることと、の間には関連があるとの尤度を検定し、上記尤度に基づいて上記遺伝子ペアを抽出する尤度検定抽出ステップと、
    を含むマイクロＲＮＡ標的遺伝子予測方法を実行させることを特徴とするプログラム。

Images