JP5581473B2 - 塩基配列決定方法、塩基配列決定装置およびそのプログラム - Google Patents

Description

本発明は、塩基配列データの決定を行う技術に関する。

ＤＮＡ解析の手法の発達に伴い、多種の生物の全ゲノム塩基配列データなど、非常に長い塩基配列のデータが加速度的に蓄積されつつある。これらのデータは、シーケンサーから出力された膨大な数の短い塩基配列データをコンピュータでアセンブルして、ひとつづきの塩基配列データを構成するという手法で決定されている。

ここで、従来技術としてのアセンブリの原理を説明する。

図９を用いて、塩基配列を自然言語になぞらえて説明する。何らかの文章を表す文字列Ｆ１０を解析する場合に、まず、文字列Ｆ１０を、互いに切断パターンの異なる切り方Ａと切り方Ｂの2種の切断パターンで切断し、切断パターンＡにより文字列Ｆ１０を切断して得た第一の断片の集合Ｆ１００と、切断パターンＢにより文字列Ｆ１０を切断して得た第二の断片の集合Ｆ２００とを得る。

次に、得られた断片ごとに書かれた文字を読み出して記録する。ここでは、たとえば第一の断片の集合Ｆ１００には、「そして女性は」という断片Ｆ１０１と、「着ています」という断片Ｆ１０２と、「子供は」という断片Ｆ１０３と、「赤い服を」という断片Ｆ１０４と、「白い服を」という断片Ｆ１０５と、のそれぞれの断片が読み出されたとする。

また、第二の断片の集合Ｆ２００には、「子供」という断片Ｆ２０１と、「女性は赤い」という断片Ｆ２０２と、「は白い」という断片Ｆ２０３と、「服をそして」という断片Ｆ２０４と、「服を着ています」という断片Ｆ２０５と、のそれぞれの断片が読み出されたとする。

次に、第一の断片の集合Ｆ１００、第二の断片の集合Ｆ２００のそれぞれについて、断片を文章として成立しうるように並べた第一の文章集合Ｆ３００、第二の文章集合Ｆ４００を求める。例えば、第一の文章集合Ｆ３００には、「そして女性は」「白い服を」「子供は」「赤い服を」「着ています」という候補文Ｆ３０１と、「子供は」「赤い服を」「そして女性は」「白い服を」「着ています」という候補文Ｆ３０２と、その他の候補文と、が含まれるものとする。同様に、第二の文章集合Ｆ４００には、例えば、「子供」「は白い」「服をそして」「女性は赤い」「服を着ています」という候補文Ｆ４０１と、「女性は赤い」「服をそして」「子供」「は白い」「服を着ています」という候補文Ｆ４０２と、その他の候補文と、が含まれるものとする。

次に、第一の文章集合Ｆ３００と、第二の文章集合Ｆ４００と、に含まれる各候補文を比較して、どちらの文章集合にも含まれる文を特定する。

具体的には、このように両方の文章集合に含まれる文章を比較して一致する文章を探し出すと、「子供は」「白い服を」「そして女性は」「赤い服を」「着ています」という第一の文章集合Ｆ３００に含まれる候補文Ｆ３０３と、「子供」「は白い」「服をそして」「女性は赤い」「服を着ています」という第二の文章集合Ｆ４００に含まれる候補文Ｆ４０１と、により特定される解答文章Ｆ５００を得られる。

このように処理することで、第一の文章集合Ｆ３００と、第二の文章集合Ｆ４００と、のどちらの文章集合にも含まれるひとつの文となる組み合わせが一通りだけの場合には、この解答文章Ｆ５００が、解析対象の文字列Ｆ１０の内容であることを特定できる。

実際には、塩基配列を決定する際に、従来技術においてアセンブリを行う際には、上述した自然言語の文章を解析する場合と同じように、図１０に示す処理を実施する。

すなわち、解析対象の長い塩基配列である解析対象ゲノムＧ０１に対してシークエンシングＧ０２を行い、異なる複数の切断パターンで切断して短い断片Ｇ１１〜Ｇ１７を含む断片集合Ｇ１０を生成する。そして、断片集合Ｇ１０に含まれる短い断片の塩基配列のうち、二つずつの塩基配列を比較して重なり合う末端部分Ｇ１８を検出し、末端部分Ｇ１８が一致する一連のデータを複数得て、いずれの切断パターンで切断した断片からも矛盾無く得られる塩基配列Ｇ１９を構成し、最終的にこれを解析対象ゲノムＧ０１の塩基配列として特定する。

なお、このようなゲノムＧ０１は、例えばマグロであれば８００メガバイト程度の情報量を有する場合があり、短い断片Ｇ１１〜Ｇ１７は、平均すると４００バイト程度の情報量を有するため、約２００万の断片をつなぎ合わせてアセンブルすることになり、その計算量は非常に多い。

このようなアセンブリを行なうアルゴリズムとして、非特許文献１〜６に示すような様々な手法が開発されている。研究者は解析に際して、使用するアルゴリズムを一種類選択し、選択したアルゴリズムに従って全ゲノムの塩基配列を決定している。

The phusion assembler. Mullikin JC, Ning Z,Genome Res. [online]. November 24th 2006. 2009年2月10日検索, インターネット〈URL：http://www.sanger.ac.uk/Software/production/phusion/〉 FAKtory [online]. 2009年2月10日検索, インターネット〈URL：http://www.cs.arizona.edu/projects/faktory/〉 Jazz assembler: Jarrod Chapman, NikPutnam, Isaac Ho, Dan Rokhsar [online]. 2009年2月10日検索, インターネット〈URL：http://www.osti.gov/bridge/servlets/purl/843143-mJf92p/native/843143.PDF〉 Running Celera Assembler. [online]. 2009年2月10日検索, インターネット〈URL：http://www.cbcb.umd.edu/research/CeleraAssembler.shtml〉 Velvet: algorithms for de novo short read assembly using de Bruijn graphs. D.R. Zerbino and E. Birney. Genome Research 18:821−829 (2008). ALLPATHS: De novo assembly of whole-genome shotgun microreads. Jonathan Butler, Iain MacCallum, Michael Kleber, et al. Genome Res. 18: 810-820 (2008).

上記非特許文献１〜６に記載の各アセンブリ処理では、欠落塩基の補完および反復配列を含む複数の塩基配列の並び順の推定がなされるため、解析対象本来の塩基配列に含まれない不確かな情報が混入したり、本来の塩基配列と並び順が部分的に異なったりしてしまう。つまり、得られた塩基配列のままでは、解析対象本来の塩基配列との異同が不明であり、すなわち信頼に足るか否かを判断することができない。

得られた塩基配列の信頼性が低い場合には、当該塩基配列を利用した成果物の信頼性も低くなってしまう。例えば、得られた塩基配列を用いて研究を行う場合には、研究対象の塩基配列の正しさが、研究内容、研究結果に大きく影響を与えることがある。

本願に係る塩基配列データ決定技術は、上記課題を解決するため、解析対象の試料であるゲノムに対して、異なる複数のアセンブリ処理等の解析を施して得られた塩基配列データを複数受け付け、受け付けた塩基配列データに基づいて出力すべき塩基配列を決定し、決定した塩基配列の信頼度をあわせて出力する。

例えば、塩基配列を決定する塩基配列決定方法であって、解析対象に対して異なる複数の手段により解析して得た複数の塩基配列の情報に基づいて、前記複数の塩基配列の情報に対して、近似する塩基配列の部位が前記複数の塩基配列間で揃うよう前記複数の塩基配列を加工して出力すべき塩基配列の情報を決定するとともに、前記出力すべき塩基配列の情報の前記複数の塩基配列の情報に含まれる所定の位置の塩基を相互に比較して、一致度を算出し、算出した前記一致度に応じて信頼度を特定して、前記塩基配列の情報と共に出力する塩基配列決定工程を実施し、前記複数の塩基配列を得る解析手段として、同一の解析対象に対して異なる複数のアセンブリ・アルゴリズムを適用してアセンブリを行う、ことを特徴とする。

また例えば、塩基配列決定装置であって、記憶手段と、解析対象を異なる複数の手段により解析して得た複数の塩基配列の情報を受け付けて前記記憶手段に記憶させる塩基配列情報受付手段と、前記塩基配列情報受付手段により前記記憶手段に記憶された複数の塩基配列の情報を読み出し、前記複数の塩基配列の情報に対して、近似する塩基配列の部位が前記複数の塩基配列間で揃うよう前記複数の塩基配列を加工して出力すべき塩基配列の情報を決定する塩基配列データ決定手段と、前記塩基配列データ決定手段において決定した前記出力すべき塩基配列の情報の前記複数の塩基配列の情報に含まれる所定の位置の塩基を相互に比較して、一致度を算出し、算出した前記一致度に応じて信頼度を特定する信頼度特定手段と、前記信頼度特定手段により特定した信頼度と、前記出力すべき塩基配列の情報と、を対応付けて出力する出力手段と、を備え、前記複数の塩基配列を得る解析手段として、同一の解析対象に対して異なる複数のアセンブリ・アルゴリズムを適用してアセンブリを行う、ことを特徴とする。

また例えば、塩基配列データの提供を行うプログラムであって、コンピュータに、塩基配列データの決定をさせるプログラムであって、前記コンピュータを、制御手段と、記憶手段と、出力手段として機能させ、前記制御手段に対して、解析対象を異なる複数の手段により解析して得た複数の塩基配列の情報を受け付けて前記記憶手段に記憶させる塩基配列情報受付手順と、前記塩基配列情報受付手順により前記記憶手段に記憶された複数の塩基配列の情報を読み出し、前記複数の塩基配列の情報に対して、近似する塩基配列の部位が前記複数の塩基配列間で揃うよう前記複数の塩基配列を加工して出力すべき塩基配列の情報を決定する塩基配列データ決定手順と、前記塩基配列データ決定手順において決定した前記出力すべき塩基配列の情報の前記複数の塩基配列の情報に含まれる所定の位置の塩基を相互に比較して、一致度を算出し、算出した前記一致度に応じて信頼度を特定する信頼度特定手順と、前記信頼度特定手順により特定した信頼度と、前記出力すべき塩基配列の情報と、を対応付けて前記出力手段に出力させる出力手順と、を実行させ、
前記複数の塩基配列を得る解析手段として、同一の解析対象に対して異なる複数のアセンブリ・アルゴリズムを適用してアセンブリを行わせる、ことを特徴とする。

本発明を適用することで、より信頼度の高い塩基配列データを得ることが可能となる。

本実施形態のゲノム解析の概要を示す図である。 本実施形態における装置の概要を示す機能ブロック図である。 本実施形態におけるシークエンスデータテーブルのデータ構造を示す図である。 本実施形態における塩基配列結果テーブルのデータ構造を示す図である。 本実施形態のハードウェア構成を示す図である。 本実施形態の信頼度判定処理の処理フローを示す図である。 本実施形態における信頼度テーブルのデータ構造を示す図である。 本実施形態の出力画面例を示す図である。 アセンブル・アルゴリズムの概要を例示する図である。 アセンブル・アルゴリズムの概要を例示する図である。

以下に、本発明の実施形態について図１〜図８を用いて説明する。

図１は、本発明の実施形態の例である塩基配列データ決定システム１０を用いたゲノム解析の概要を示す図である。塩基データ決定システム１０には、アセンブル装置１００と、信頼度評価装置２００と、が含まれる。

解析対象ゲノムＧ０１を対象として、シーケンサーによりシークエンシング処理Ｇ０２を行った結果得られた断片集合Ｇ１０には、解析対象ゲノムＧ０１を対象として異なる複数の切断パターンで切断して得られた短い断片Ｇ１１〜Ｇ１７が含まれる。

アセンブル装置１００において、この断片集合Ｇ１０を対象として、互いに異なるアセンブル・アルゴリズムを複数並列に適用して、複数の連結塩基配列を得る。

例えば、アセンブル・アルゴリズムＩ（Ｇ１１１）を適用して得られた連結塩基配列Ｉ（Ｇ１２１）と、アセンブル・アルゴリズムＩＩ（Ｇ１１２）を適用して得られた連結塩基配列ＩＩ（Ｇ１２２）と、アセンブル・アルゴリズムＩＩＩ（Ｇ１１３）を適用して得られた連結塩基配列ＩＩＩ（Ｇ１２３）と、を並列的に得る。

そして、信頼度評価装置２００において、得られた複数の連結塩基配列に基づいて、信頼度の高い部分配列を特定する。具体的には、連結塩基配列Ｉ（Ｇ１２１）と、連結塩基配列ＩＩ（Ｇ１２２）と、連結塩基配列ＩＩＩ（Ｇ１２３）と、に基づいて、信頼度の高い部分配列の特定処理Ｇ２０１を実施する。

信頼度の高い部分配列の特定処理Ｇ２０１においては、信頼度評価装置２００は、複数の連結塩基配列間の相違に着目して、複数の連結塩基配列間で一致度が高い部分を信頼度が高い部分であると特定する。逆に、一致度が高くない部分は、連結塩基配列の塩基配列に誤りがある可能性が高いと判定する。

そして、特定処理Ｇ２０１により得られた信頼度が高い部分を用いて試料の成分の照合・特定、出力を行う出力処理Ｇ３０１等の後続する処理を実施する。

このようなゲノム解析方法を実施することにより、確からしい、すなわち信頼度の高い連結塩基配列を得ることが可能となり、信頼度の高い連結塩基配列データを解析依頼者に提供することができる（Ｇ４０１）。また、連結塩基配列上で、信頼度が高くない部分を特定して、その部分を再解析する等の試行錯誤を行うことができるようになる。つまり、再解析を効率的に行えるようになり、信頼度の高い部分を容易に特定することができるようになる。

以上が、本発明の第一の実施形態を含むゲノム解析の概要である。

次に、図２を用いて、上記のゲノム解析において使用するアセンブル装置１００と、信頼度評価装置２００と、の構成について説明する。

図２は、アセンブル装置１００の機能構成と、信頼度評価装置２００の機能構成とを示す図である。アセンブル装置１００と、信頼度評価装置２００は、例えば、ＰＣ（パーソナルコンピュータ）や、ワークステーションなどの汎用機、各種携帯電話端末、ＰＤＡ（Personal Digital Assistant）等を含む情報処理装置である。もちろん、汎用機でなく専用の処理装置であってもよい。

アセンブル装置１００は、制御部１１０と、記憶部１２０と、出力表示部１３０と、入力受付部１４０と、を備える。

制御部１１０には、入力処理部１１１と、出力処理部１１２と、断片接合部１１３と、接合結果比較部１１４と、が含まれる。

入力処理部１１１は、断片集合Ｇ１０の情報の入力を受け付ける。例えば、複数の断片と、各断片の塩基配列の情報とを受け付ける。

出力処理部１１２は、断片集合Ｇ１０に基づいてアセンブリを行った結果を出力する。例えば、所定のアセンブル・アルゴリズムに従って処理を行った結果得られた塩基配列を記憶部１２０に格納し、または後述する出力表示部１３０に表示させる。

断片接合部１１３は、入力処理部１１１により受け付けた複数の断片の塩基配列に対し所定のアセンブル・アルゴリズムを適用して、複数の断片の塩基配列を組み合わせて塩基配列の幾通りかの候補を特定する。なお、断片接合部１１３は、欠落情報の補完処理や、反復配列の処理等を、適用するアセンブル・アルゴリズムに従って実施する。

接合結果比較部１１４は、断片接合部１１３により特定した塩基配列の候補を比較して、すべての切断パターンにおいて矛盾しない候補を絞り込み、連結塩基配列として特定する。

記憶部１２０には、シークエンスデータ記憶部１２１と、塩基配列結果記憶部１２２と、が含まれる。

シークエンスデータ記憶部１２１は、入力処理部１１１により入力を受け付けた断片集合Ｇ１０のデータを格納する。

図３に、シークエンスデータ記憶部１２１に格納されるシークエンスデータテーブル３００の構成例を示す。シークエンスデータテーブル３００は、断片ＩＤ３０１と、塩基配列３０２と、を対応付けて格納する。

断片ＩＤ３０１は、入力処理部１１にて受け付けた断片集合Ｇ１０に含まれる断片を、他の断片から区別するための情報である。

塩基配列３０２は、断片ＩＤ３０１により区別される断片の塩基配列を特定するための情報である。例えば、Ｇ（グアニン）、Ａ（アデニン）、Ｔ（チミン）、Ｃ（シトシン）等の記号の配列データである。

図２の説明に戻る。

塩基配列結果記憶部１２２は、接合結果比較部１１４により得られた塩基配列の候補の情報を、適用したアセンブル・アルゴリズムに対応づけて格納する。

図４に、塩基配列結果記憶部１２２に格納される塩基配列結果テーブル４００の構成例を示す。塩基配列結果テーブル４００は、使用アルゴリズム４０１と、使用アルゴリズム４０１を適用した結果得られた塩基配列の候補である連結塩基配列を特定する連結塩基配列データＩＤ４０２と、連結塩基配列ごとに、その塩基配列を構成する塩基４１２とその並び順４１１と、を対応付けて格納する。

使用アルゴリズム４０１は、アセンブル装置１００がアセンブリに用いたアルゴリズムを特定する情報である。例えば、「タイプＩ」等アルゴリズムを他のアルゴリズムから識別することのできる情報である。

連結塩基配列データＩＤ４０２は、使用アルゴリズム４０１を適用して得られた結果である連結塩基配列を特定する情報である。

順番４１１は、連結塩基配列４０２で特定される連結塩基配列の内部の位置を相対的に特定する情報である。例えば、塩基配列内の塩基の数を所定の方向から数えた順番を特定する情報である。

塩基名４１２は、順番４１１で特定される位置を構成する塩基の種類を特定する情報である。例えば、Ｇ、Ａ、Ｔ、Ｃのうちいずれか一つの塩基を特定する情報である。

なお、塩基名４１２には、塩基の種類が不明である場合には、不明である旨を表す記号Ｎが格納されることがある。また、塩基が欠落している場合には、欠落していることを表す記号‐（ハイフン）が格納されることがある。

図２の説明に戻る。

出力表示部１３０は、出力処理部１１２により出力するよう指示された情報を表示出力する。例えば、コンソール画面や表示窓等に表示する。

入力受付部１４０は、入力処理部１１１により入力を受け付ける対象となる情報を受け付け、受け付けた情報を入力処理部１１１に受け渡す。

以上が、アセンブル装置１００の構成である。

次に、信頼度評価装置２００について説明する。

信頼度評価装置２００は、制御部２１０と、記憶部２２０と、出力表示部２３０と、入力受付部２４０と、を備える。

制御部２１０には、入力処理部２１１と、出力処理部２１２と、信頼度評価部２１３と、部位あわせ処理部２１４と、一致率算出部２１５と、が含まれる。

入力処理部２１１は、アセンブル装置１００の接合結果比較部１１４により特定された連結塩基配列の候補に関する情報と、当該連結塩基配列の候補に対して適用されたアセンブル・アルゴリズムを特定する情報と、の入力を受け付ける。例えば、連結塩基配列の配列情報と、当該連結塩基配列を得るために適用されたアセンブル・アルゴリズムを特定する情報と、を受け付ける。

出力処理部２１２は、後述する一致率算出部２１５により算出された、連結塩基配列の部位とその部位の一致率に関する情報を出力する。例えば、所定のアセンブル・アルゴリズムに従って処理を行った結果得られた塩基配列間の比較による一致率を塩基配列の所定の桁ごとに後述する記憶部２２０に格納する。または、後述する出力表示部２３０に表示する。

信頼度評価部２１３は、部位あわせ処理部２１４に命じてアライメントを行わせ、入力処理部２１１により受け付けた複数の連結塩基配列を整える。また、信頼度評価２１３は、整えられた複数の連結塩基配列について、部位ごとに一致率を算出する。

なお、一致率は、一致する度合いを示すための指標を定量的に示すことができる情報であればよいため、厳密に「率」に限られるものではない。

具体的には、信頼度評価部２１３は、複数の連結塩基配列上の所定の部位を特定する情報すなわち所定の塩基の順番ごとに、連結塩基配列を構成する塩基の種類を比較して連結塩基配列間の一致率を算出し、記憶部２２０の評価結果記憶部２２２に格納する。

部位あわせ処理部２１４は、複数の連結塩基配列を比較して、近似度の高い部位を対応付けて、そうでない部位について塩基の順番を調整するために塩基配列を修正・補完するアライメントを行う。この処理には、例えば複数の連結塩基配列間の近似値を用いるマルチプルアライメントの手法を適用する。

なお、マルチプルアライメントとは、特定の配列グループの機能的に重要な部位を同定したり、配列相互の進化的関連を明らかにしたりするための方法であり、複数の塩基配列の近似箇所から塩基配列を同定するものである。

一致率算出部２１５は、部位あわせ処理部２１４により整えられた複数の連結塩基配列について塩基の順番ごとに比較し、連結塩基配列の順番ごとに一致率を算出する。例えば、一致率算出部２１５は、複数の連結塩基配列から、それぞれ所定の順番に存在する塩基を特定して、特定した塩基を連結塩基配列間で比較して、連結塩基配列間で最も多く含まれる塩基（Ｇ、Ａ、Ｔ、Ｃ）を共通する塩基として特定する。

なお、前記所定の順番に存在する塩基が判別不能である場合、当該判別不能な塩基を含む塩基配列は、前記所定の位置に出現する塩基の特定を行わない。

そして、一致率算出部２１５は、特定した共通する塩基を当該順番の位置に備える連結塩基配列を計数して分子とし、連結塩基配列の数を分母に持つ数を、当該順番に位置する塩基の一致率として算出する。

なお、上述のとおり、判別不能な塩基を含む塩基配列は、前記所定の位置に出現する塩基の特定を行わないため、分子として計数されることはない。

以下に、第一の連結塩基配列のＪ（Ｊは自然数）番目の塩基がＧ（グアニン）であり、第二の連結塩基配列のＪ番目の塩基がＣ（シトシン）であり、第三の連結塩基配列のＪ番目の塩基がＧ（グアニン）である場合について一致率算出部２１５の処理の概要を説明する。

一致率算出部２１５は、当該Ｊ番目の塩基として最も多い２つの連結塩基配列（第一の連結塩基配列と、第三の連結塩基配列の２つの連結塩基配列）に含まれるＧ（グアニン）を、共通する塩基であると特定する。そして、一致率算出部２１５は、Ｇ（グアニン）がＪ番目に含まれる連結塩基配列の数（すなわち、２）を計数して分子とし、連結塩基配列の数（すなわち、３）を分母とする数、つまり３分の２を、一致率として算出する。

なお、一致率は、分数のままとしてもよいし、百分率や所定の比の値に変換して取り扱っても良い。もちろん、所定の範囲を有する重複しない複数の層に一致率を当てはめて、当該当てはまる層の情報に変換して取り扱ってもよい（例えば、所定の閾値を設けて、高信頼度層、中信頼度層、低信頼度層等の層情報として取り扱う等）。

記憶部２２０には、塩基配列候補記憶部２２１と、評価結果記憶部２２２と、が含まれる。

塩基配列候補記憶部２２１は、入力処理部２１１により入力を受け付けた連結塩基配列の候補に関する情報を格納する。

塩基配列候補記憶部２２１は、例えば、上記した塩基配列結果テーブル４００（図４）と同様の構成を備える。

評価結果記憶部２２２は、信頼度評価部２１３により得られた一致率に基づいて信頼度を特定し、信頼度を塩基番号ごとに格納する。

図７に、評価結果記憶部２２２に格納される信頼度テーブル５００の構成例を示す。

信頼度テーブル５００は、試料ＩＤ５０１ごとに、塩基番号５１１と、アルゴリズムＩ（５１２）と、アルゴリズムＩＩ（５１３）と、アルゴリズムＩＩＩ（５１４）と、信頼度５１５と、を格納する。なお、アルゴリズムＩ（５１２）〜アルゴリズムＩＩＩ（５１４）に関しては、適用したアルゴリズムの種類と数に応じて設定されるものであってよい。本実施形態においては、アセンブル装置１００においてアルゴリズムＩ〜アルゴリズムＩＩＩを適用していることに応じて、信頼度テーブル５００をアルゴリズムＩ〜アルゴリズムＩＩＩとしている。

試料ＩＤ５０１は、解析対象となるゲノムの断片集合Ｇ１０を特定する情報である。

塩基番号５１１は、解析対象のゲノムの塩基配列について、塩基の位置を所定の方向からの順番により示した番号である。

アルゴリズムＩ（５１２）〜アルゴリズムＩＩＩ（５１４）は、アセンブル装置１００にて適用したアセンブル・アルゴリズムごとに、部位あわせ処理部２１４により部位を整えられた塩基配列候補の塩基の構成情報を格納する。

信頼度５１５は、信頼度評価部２１３が算出した信頼度を格納する。

出力表示部２３０は、出力処理部２１２により出力するよう指示された情報を表示出力する。

入力受付部２４０は、入力処理部２１１により入力を受け付ける対象となる情報を受け付け、受け付けた情報を入力処理部２４０に受け渡す。

次に、図２に示したアセンブル装置１００と、信頼度評価装置２００と、を構成するハードウェアについて、図５を用いて説明する。

アセンブル装置１００は、入力装置１５１と、出力装置１５２と、演算装置１５３と、主記憶装置１５４と、補助記憶装置１５５と、それぞれを接続するバス１５６と、を有する。

入力装置１５１は、シーケンサーから出力された断片集合Ｇ１０を構成する短い断片Ｇ１１〜Ｇ１７ごとに、構成する塩基配列の情報を受け付ける装置である。例えば、キーボードやマウス、あるいはタッチペン、その他ポインティングデバイスなどの手動入力を受け付ける装置である。また例えば、入力装置１５１は、シーケンサーから出力されたスペクトル等を特定する情報を受け付けるものであってもよい。

出力装置１５２は、コンソール表示装置や記憶媒体の読み書き制御装置である。例えば、ディスプレイなどの表示を行う装置あるいは可搬記憶媒体のリーダ／ライタ装置等である。

演算装置１５３は、例えばＣＰＵ（Central Processing Unit）などの演算装置である。

主記憶装置１５４は、例えばＲＡＭ（Random Access Memory）などのメモリ装置である。

補助記憶装置１５５は、例えばハードディスク装置やフラッシュメモリなどの不揮発性記憶装置である。

アセンブル装置１００の入力処理部１１１と、出力処理部１１２と、断片接合部１１３と、接合結果比較部１１４と、は、主に演算装置１５３に処理を行わせるプログラムによって実現される。このプログラムは主記憶装置１５４または補助記憶装置１５５内に記憶され、実行にあたって主記憶装置１５４上にロードされ、演算装置１５３により実行される。

なお、出力処理部１１２と、断片接合部１１３と、接合結果比較部１１４と、は、アセンブル装置１００の構成を理解容易にするために、主な処理内容に応じて分類したものである。そのため、構成要素の分類の仕方やその名称によって、本願発明が制限されることはない。アセンブル装置１００の構成は、処理内容に応じて、さらに多くの構成要素に分類することもできる。また、１つの構成要素がさらに多くの処理を実行するように分類することもできる。

また、アセンブル装置１００の記憶部１２０は、アセンブル装置１００の主記憶装置１５４または補助記憶装置１５５により実現される。アセンブル装置１００の出力表示部１３０と、入力受付部１４０とは、それぞれ、アセンブル装置１００の出力装置１５２と、入力装置１５１と、により実現される。

また、各機能部は、ハードウェア（ＡＳＩＣ、ＧＰＵなど）により構築されてもよい。また、各機能部の処理が一つのハードウェアで実行されてもよいし、複数のハードウェアで実行されてもよい。

なお、信頼度評価装置２００についても、図５に示した構成と同様のハードウェア構成を備える。信頼度評価装置２００の入力処理部２１１と、出力処理部２１２と、信頼度評価部２１３と、部位あわせ処理部２１４と、一致率算出部２１５とは、主に演算装置１５３に処理を行わせるプログラムによって実現される。このプログラムは主記憶装置１５４または補助記憶装置１５５内に記憶され、実行にあたって主記憶装置１５４上にロードされ、演算装置１５３により実行される。

なお、入力処理部２１１と、出力処理部２１２と、信頼度評価部２１３と、部位あわせ処理部２１４と、一致率算出部２１５と、は、信頼度評価装置２００の構成を理解容易にするために、主な処理内容に応じて分類したものである。そのため、構成要素の分類の仕方やその名称によって、本願発明が制限されることはない。信頼度評価装置２００の構成は、処理内容に応じて、さらに多くの構成要素に分類することもできる。また、１つの構成要素がさらに多くの処理を実行するように分類することもできる。

また、信頼度評価装置２００の記憶部２２０は、信頼度評価装置２００の主記憶装置１５４または補助記憶装置１５５により実現される。信頼度評価装置２００の出力表示部２３０と入力受付部２４０とは、それぞれ、信頼度評価装置２００の出力装置１５２と、入力装置１５１と、により実現される。

また、各機能部は、ハードウェア（ＡＳＩＣ、ＧＰＵなど）により構築されてもよい。また、各機能部の処理が一つのハードウェアで実行されてもよいし、複数のハードウェアで実行されてもよい。

次に、本実施形態における信頼度評価装置２００が実施する信頼度判定に関する処理のフローについて、図６に基づき説明する。

図６は、信頼度判定処理を示すフロー図である。

なお、信頼度判定処理は、処理開始前に、解析対象ゲノムＧ０１を対象としてシークエンシング処理を行い（Ｇ０２）、得られた断片集合Ｇ１０を対象として、アセンブル装置１００により求められた複数の連結塩基配列を特定する情報がアセンブル装置１００の塩基配列結果記憶部１２２に格納されていることを前提とする。

まず、入力処理部２１１は、判定する対象となる連結塩基配列データを複数受け付ける。（ステップＳ１０１）。

具体的には、入力処理部２１１は、連結塩基配列データを識別する情報と、連結塩基配列の塩基情報と、アセンブル装置１００にて適用したアルゴリズムと、を特定する情報を、入力受付部２４０を介して受け付ける。

そして、入力処理部２１１は、受け付けた連結塩基配列データを識別する情報を塩基配列候補記憶部２２１の連結塩基配列データＩＤ４０２として格納し、連結塩基配列の塩基情報に含まれる塩基の情報を、順番４１１と共に塩基名４１２として格納する。また、入力処理部２１１は、受け付けたアルゴリズムを特定する情報を、使用アルゴリズム４０１に格納する。

次に、信頼度評価部２１３は、マルチプルアライメントにより、ステップＳ１０１にて受け付けた複数の連結塩基配列の部位ごとに、あわせこみを行う（ステップＳ１０２）。

具体的には、信頼度評価部２１３は、部位あわせ処理部２１４に指示して、ステップＳ１０１にて格納した連結塩基配列データの部位をあわせるアライメント処理を行わせる。例えば、アライメント処理においては、部位あわせ処理部２１４は、二つの連結塩基配列データの近似する部分を特定して、当該特定部分が同じ位置になるように補完を行う。補完処理においては、複数出現する反復部分の並べ替え等により、欠落部位の補完や位置の調整等を行う。

そして、信頼度評価部２１３は、アライメント処理を終えた連結塩基配列データの部位ごとの塩基を特定する情報を、対応するアルゴリズムＩ〜ＩＩＩ（５１２〜５１４）に、塩基番号５１１ごとの塩基の情報として格納する。その際、信頼度評価部２１３は、塩基の情報を信頼度テーブル５００の所定の試料ＩＤ５０１に対応させて格納する。

次に、信頼度評価部２１３は、部位ごとに共通する塩基の一致率を算出する（ステップＳ１０３）。

具体的には、信頼度評価部２１３は、一致率算出部２１５に指示して、ステップＳ１０２にて部位をあわせこんだそれぞれの連結塩基配列に対して、部位、すなわち所定の方向から数えた塩基の順番ごとに、上述したとおりに共通する塩基を特定し、その一致率を求める。つまり、一致率算出部２１５は、所定の方向から数えた塩基の順番ごとに、他の塩基よりも多く出現する塩基を特定し、当該塩基が前記所定の位置に出現した塩基配列の数の、受け付けた複数の塩基配列の数に対する割合を求める。

また、信頼度評価部２１３は、一致率算出部２１５により求めた一致率を、その部位に対応する塩基番号５１１に応じた信頼度５１５として、信頼度テーブル５００に格納する。

次に、信頼度評価部２１３は、ステップＳ１０３にて算出した一致率を、出力処理部２１２に表示するよう指示する（ステップＳ１０４）。

具体的には、信頼度評価部２１３は、出力処理部２１２に指示して、ステップＳ１０３にて算出した信頼度等が格納された評価結果記憶部２２２の信頼度テーブル５００を参照して、結果を表示させる画面等を出力表示部２３０に表示させる。

図８は、ステップＳ１０４において表示される画面６００の例を示す図である。

画面６００は、連結塩基配列データ表示領域６１０と、一致率表示領域６２０と、信頼度表示領域６３０と、を有する。

連結塩基配列データ表示領域６１０は、連結塩基配列データの識別情報を表示する領域６１１と、所定の部位の塩基配列を表示する領域６１２と、を有する。例えば、連結塩基配列データを表示する領域６１１には、ステップＳ１０２の部位あわせこみを行った結果得られた連結塩基配列を識別する情報が表示される。

また、塩基配列を表示する領域６１２には、信頼度テーブル５００のアルゴリズムＩ（５１２）〜アルゴリズムＩＩＩ（５１４）に格納された情報すなわち塩基を特定する情報が、部位ごとに、また、適用したアセンブル・アルゴリズムごとに、整列されて表示される。例えば、塩基を特定する情報としては、塩基の種類を特定する情報すなわちＧ、Ａ、Ｔ、Ｃのいずれかまたは判別不能な情報である旨を示すＮ、もしくは情報が欠落している旨を示す‐（ハイフン）、のいずれかが示される。

一致率表示領域６２０は、ステップＳ１０３にて算出した信頼度である一致率を表示する領域である。一致率表示領域６２０は、一目の元にその高低を判断しやすいように、視覚効果の高い形式で表示される。例えば、一致率表示領域６２０は、塩基配列を表示する領域６１２に示された塩基の順番に対応させた塩基番号を示す横軸６２１と、一致率を示す縦軸６２２と、により構成された二次元のグラフとして表示される。

例えば、カギ足チャートのように部位ごとの一致率を直線または直線を直角に曲げた線でつなげたグラフであってもよいし、折れ線グラフを用いて、部位ごとの一致率を直線で順につなげたグラフであってもよい。

信頼度表示領域６３０は、塩基番号６３１ごとに、連結塩基配列の一致度を信頼度６３２に表示する。

以上が、信頼度判定処理のフローである。

信頼度判定処理によって、画面６００は、複数の連結塩基配列と、その一部の部位の信頼度と、を一画面に表示することができる。また、画面６００は、信頼度を視覚的な注意を引き易いように表示することができる。そのため、信頼度評価装置２００の使用者は、信頼度の低い部位や高い部位を素早く確認することができるため、信頼度の検証作業を簡易かつ正確に行えるようになる。

以上、本発明の実施の形態について、実施の形態に基づき具体的に説明したが、これに限定されるものではなく、その要旨を逸脱しない範囲で種々の変更が可能である。

例えば、上記実施形態においては、画面６００の一致率表示領域６２０においてグラフを表示しているが、これに限らず、一致率を視覚的な注意を引き易いように表示することとしてもよい。

具体的には、出力処理部２１２は、連結塩基配列データ表示領域６１０に示した塩基配列を表示する領域６１２の塩基の種類を示す記号を、信頼度に応じて表示色を変え（信頼度が低い場合には赤色とする等）るものであってもよいし、信頼度に応じて記号のフォントを変更する（信頼度が高い場合には太字とする、または文字の大きさを変える等）ものであってもよい。もちろん、これらを組み合わせた表示を行うようにしてもよい。

また例えば、上記実施形態においては、画面６００によりグラフを表示する出力を行っているが、これに限らず、算出した一致率に基づいて信頼度の最も高い塩基配列を決定し、塩基配列データとして記憶部２２０の図示しない領域または外部記憶媒体等に格納することとしてもよい。

具体的には、出力処理部２１２は、塩基配列ごとに、上述した共通する塩基と合致する塩基を含む割合を算出し、当該割合が最も高い塩基配列を、信頼度の高い塩基配列として選択的に決定することとしてもよい。または、塩基番号ごとに、上述した共通する塩基配列を有する塩基配列データを新たに作成し、作成した塩基配列を信頼度の最も高い塩基配列として決定することとしてもよい。

このようにすることで、塩基配列データ提供システム１０を用いて解析したゲノムの信頼できる塩基配列データを特定し、その部位ごとの信頼度とともに解析依頼者に提供することができる。

また例えば、上記実施形態においては、一致率算出部２１５は、一致率を塩基ごとに求めているが、これに限らず、一致率を複数の塩基ごとに求めるようにしてもよい。

具体的には、一致率算出部２１５は、ゲノムを所定の数の塩基を含む塩基群に分割し、分割した塩基群ごとに一致率を求めるようにしてもよい。この場合、一致率算出部２１５は、塩基群に含まれる塩基ごとの一致率を塩基群単位で平均化して当該塩基群の一致率としてもよいし、塩基群に含まれる塩基ごとの一致率のうち、一定以上の一致率を有する塩基の数に応じて当該塩基群の一致率としてもよい。その他、一致率算出部２１５は、アミノ酸を指定する単位（コドン）で塩基群を設定し、指定するアミノ酸の一致率を当該塩基群の一致率としてもよい。

このようにすることで、より柔軟な解析が可能となる。

また例えば、上記実施形態においては、解析対象ゲノムＧ０１をシークエンシングして得られた断片集合Ｇ１０を対象とした連結塩基配列を対象として一致率を算出したが、これに限られない。すなわち、一致率算出部２１５は、連結塩基配列のうち、所定の位置にある部分配列のみを対象として一致率を算出するものであってもよい。例えば、一致率算出部２１５は、遺伝的情報を含むとされるエクソンに対して一致率を算出するようにしてもよいし、所定のＤＮＡマーカーに対して一致率を算出するようにしてもよい。

なお、その場合には、信頼度評価装置２００の記憶部２２０には、エクソンを指定する連結塩基配列上の位置を特定する情報または所定のＤＮＡマーカーの連結塩基配列上の位置を特定する情報を予め格納しておくようにする。そして、一致率算出部２１５は、それらの位置を特定する情報により示される位置についての塩基の一致率を算出する。

このようにすることで、解析目的に応じて最小限の解析処理を行うことができるようになるため、解析にかかる作業負荷を軽減させることができる。

また例えば、上記実施形態においては、同一の解析対象ゲノムＧ０１の断片集合Ｇ１０に対して、複数のアセンブル・アルゴリズム（Ｇ１１１〜Ｇ１１３）を適用した結果得られた連結塩基配列（Ｇ１２１〜Ｇ１２３）を比較して信頼度を特定しているが、これに限らず、同一種の異なる複数の断片集合Ｇ１０に対して、単一のアセンブル・アルゴリズム（例えばアセンブル・アルゴリズムＩ（Ｇ１１１））を適用して得られた複数の連結塩基配列を比較して信頼度を特定するようにしてもよい。もちろん、これらを組み合わせて信頼度を特定するようにしてもよい。

すなわち、複数の断片集合Ｇ１０に対して、それぞれ複数のアセンブル・アルゴリズムを適用して、得られた連結塩基配列を比較して信頼度を特定するようにしてもよい。

このようにすることで、より柔軟に、複数の連結塩基配列を比較することが可能となり、信頼度の確からしさをさらに高めることができる。

また例えば、上記実施形態においては、アセンブル装置１００と信頼度評価装置２００とを別のハードウェア上で実現しているが、これに限らず、同一のハードウェアを用いて実現してもよい。

なお、上記実施形態における信頼度評価装置２００は、システムとして取引対象とするだけでなく、各機器単位、または機器の動作を実現するプログラム部品単位で取引対象とすることも可能である。

Ｇ０１：解析対象ゲノム、Ｇ０２：シークエンシング処理、Ｇ１０：断片集合、Ｇ１１〜Ｇ１７：短い断片、Ｇ１１１〜Ｇ１１３：アセンブル・アルゴリズム、Ｇ１２１〜Ｇ１２３：連結塩基配列、１０：塩基配列データ決定システム、１００：アセンブル装置、１１０：制御部、１２０：記憶部、１３０：出力表示部、１４０：入力受付部、２００：信頼度評価装置、２１０：制御部、２２０：記憶部、２３０：出力表示部、２４０：入力受付部、３００：シークエンスデータテーブル、４００：塩基配列結果テーブル、５００：信頼度テーブル、６００：画面

Claims (16)

1. 塩基配列を決定する塩基配列決定方法であって、
   解析対象に対して異なる複数の手段により解析して得た複数の塩基配列の情報に基づいて、前記複数の塩基配列の情報に対して、近似する塩基配列の部位が前記複数の塩基配列間で揃うよう前記複数の塩基配列を加工して出力すべき塩基配列の情報を決定するとともに、前記出力すべき塩基配列の情報の前記複数の塩基配列の情報に含まれる所定の位置の塩基を相互に比較して、一致度を算出し、算出した前記一致度に応じて信頼度を特定して、前記塩基配列の情報と共に出力する塩基配列決定工程を実施し、
   前記複数の塩基配列を得る解析手段として、同一の解析対象に対して異なる複数のアセンブリ・アルゴリズムを適用してアセンブリを行う、
   ことを特徴とする塩基配列決定方法。
2. 請求項１に記載の塩基配列決定方法であって、
   前記出力すべき塩基配列の情報は、一つの塩基配列についての情報である、
   ことを特徴とする塩基配列決定方法。
3. 請求項１または２に記載の塩基配列決定方法であって、
   前記塩基配列決定工程において、前記複数の塩基配列の前記所定の位置にある塩基の種類のうち、他の塩基よりも多く出現する塩基を特定し、当該塩基が前記所定の位置に出現した塩基配列の数の、前記複数の塩基配列の数に対する割合を、前記所定の位置の一致度として算出する、
   ことを特徴とする塩基配列決定方法。
4. 請求項１〜３のいずれか一項に記載の塩基配列決定方法であって、
   前記塩基配列決定工程において、前記複数の塩基配列の情報に含まれる所定の位置の塩基が判別不能である場合、当該判別不能な塩基は前記所定の位置に出現する塩基として扱わない、
   ことを特徴とする塩基配列決定方法。
5. 請求項１〜４のいずれか一項に記載の塩基配列決定方法であって、
   前記塩基配列決定工程において、前記所定の位置の塩基を含む複数の塩基により構成される塩基群を対象として前記一致度を算出する、
   ことを特徴とする塩基配列決定方法。
6. 請求項１〜５のいずれか一項に記載の塩基配列決定方法であって、
   前記塩基配列決定工程において、前記複数の塩基配列に含まれるコドン単位で前記一致度を算出する、
   ことを特徴とする塩基配列決定方法。
7. 請求項１〜６のいずれか一項に記載の塩基配列決定方法であって、
   前記塩基配列決定工程において、前記塩基配列の加工には、マルチプルアライメントの手法を用いる、
   ことを特徴とする塩基配列決定方法。
8. 請求項１〜７のいずれか一項に記載の塩基配列決定方法であって、
   前記塩基配列決定工程において、前記複数の塩基配列の中から、エクソンを対象として一致度を算出する、
   ことを特徴とする塩基配列決定方法。
9. 請求項１〜８のいずれか一項に記載の塩基配列決定方法であって、
   前記塩基配列決定工程において、前記一致度の高低に応じた表示色で前記信頼度を表示する、
   ことを特徴とする塩基配列決定方法。
10. 請求項１〜８のいずれか一項に記載の塩基配列決定方法であって、
    前記塩基配列決定工程において、前記一致度の高低を表すグラフを用いて前記信頼度を表示する、
    ことを特徴とする塩基配列決定方法。
11. 請求項１〜１０のいずれか一項に記載の塩基配列決定方法であって、
    前記塩基配列決定工程において、前記信頼度は、前記出力すべき塩基配列の配列内の位置ごとに特定される、
    ことを特徴とする塩基配列決定方法。
12. 請求項１１に記載の塩基配列決定方法であって、
    前記塩基配列決定工程において、前記信頼度は、前記塩基配列の配列内の位置ごとに、前記塩基配列の情報と対応付けて出力される、
    ことを特徴とする塩基配列決定方法。
13. 請求項３〜１２のいずれか一項に記載の塩基配列決定方法であって、
    前記塩基配列決定工程において、前記所定の位置ごとに前記他の塩基よりも多く出現する塩基を有する新たな塩基配列の情報を生成し、前記出力すべき塩基配列の情報と特定する、
    ことを特徴とする塩基配列決定方法。
14. 塩基配列を決定する塩基配列決定方法であって、
    解析対象に対して異なる複数の手段により解析して得た複数の塩基配列の情報に基づいて、前記複数の塩基配列の情報に含まれる所定の位置の塩基を相互に比較して、一致度を算出し、算出した前記一致度に応じて信頼度を特定して、前記塩基配列の情報と共に出力する塩基配列決定工程を実施し、
    前記複数の塩基配列を得る解析手段として、同一の解析対象に対して異なる複数のアセンブリ・アルゴリズムを適用してアセンブリを行う、
    ことを特徴とする塩基配列決定方法。
15. 記憶手段と、
    解析対象を異なる複数の手段により解析して得た複数の塩基配列の情報を受け付けて前記記憶手段に記憶させる塩基配列情報受付手段と、
    前記塩基配列情報受付手段により前記記憶手段に記憶された複数の塩基配列の情報を読み出し、前記複数の塩基配列の情報に対して、近似する塩基配列の部位が前記複数の塩基配列間で揃うよう前記複数の塩基配列を加工して出力すべき塩基配列の情報を決定する塩基配列データ決定手段と、
    前記塩基配列データ決定手段において決定した前記出力すべき塩基配列の情報の前記複数の塩基配列の情報に含まれる所定の位置の塩基を相互に比較して、一致度を算出し、算出した前記一致度に応じて信頼度を特定する信頼度特定手段と、
    前記信頼度特定手段により特定した信頼度と、前記出力すべき塩基配列の情報と、を対応付けて出力する出力手段と、を備え、
    前記複数の塩基配列を得る解析手段として、同一の解析対象に対して異なる複数のアセンブリ・アルゴリズムを適用してアセンブリを行う、
    ことを特徴とする塩基配列決定装置。
16. コンピュータに、塩基配列データの決定をさせるプログラムであって、
    前記コンピュータを、制御手段と、記憶手段と、出力手段として機能させ、
    前記制御手段に対して、
    解析対象を異なる複数の手段により解析して得た複数の塩基配列の情報を受け付けて前記記憶手段に記憶させる塩基配列情報受付手順と、
    前記塩基配列情報受付手順により前記記憶手段に記憶された複数の塩基配列の情報を読み出し、前記複数の塩基配列の情報に対して、近似する塩基配列の部位が前記複数の塩基配列間で揃うよう前記複数の塩基配列を加工して出力すべき塩基配列の情報を決定する塩基配列データ決定手順と、
    前記塩基配列データ決定手順において決定した前記出力すべき塩基配列の情報の前記複数の塩基配列の情報に含まれる所定の位置の塩基を相互に比較して、一致度を算出し、算出した前記一致度に応じて信頼度を特定する信頼度特定手順と、
    前記信頼度特定手順により特定した信頼度と、前記出力すべき塩基配列の情報と、を対応付けて前記出力手段に出力させる出力手順と、を実行させ、
    前記複数の塩基配列を得る解析手段として、同一の解析対象に対して異なる複数のアセンブリ・アルゴリズムを適用してアセンブリを行わせる、
    ことを特徴とするプログラム。

Images