MPRAの暗黙の前提・限界・未検証課題

対象読者#

• MPRA（Massively Parallel Reporter Assay）の仕組みや研究史、現在の研究課題に関心がある方
• 機械学習を用いたゲノム解析や、DNA配列から遺伝子発現を予測する技術に関心がある方
• 生体内シミュレーション、遺伝子治療、医薬品開発、Synthetic Biology（合成生物学）へのAIの応用可能性を知りたい方

要約#

• MPRAは、DNA配列の転写制御能力を人工的な実験条件下で大量・定量的に測定し、ゲノムAIの学習に利用できる機能的な教師データを提供する技術です。
• MPRAには、短いDNA配列が周囲のゲノム環境から切り離されても制御活性を示すことや、その活性が天然の遺伝子制御と関係していることなど、複数の暗黙の前提があります。
• 実験方式、配列長、プロモーター、クロマチン環境、細胞状態などによってMPRAの測定結果は変わり得るため、MPRA活性と生体内の制御機能を同一視することはできません。
• 2025年の大規模MPRA研究では、68万以上の配列の機能測定と機械学習による活性・変異効果予測が実現しましたが、天然の標的遺伝子への影響や未知の細胞状態への一般化には、引き続き検証が必要です。
• 今後は、MPRAで測定した制御能力が、どのようなゲノム環境や細胞状態で実際の機能として現れるのかを解明し、CRISPR実験や長距離ゲノムモデルと統合することが重要です。

1. はじめに：MPRAは何を解明し、何をまだ解明できていないのか#

MPRA（Massively Parallel Reporter Assay）は、数千から数十万以上のDNA配列について、転写制御活性を大量に測定する実験技術です。

近年では、MPRAによって得られた大規模な測定データを機械学習に利用することで、DNA配列から転写制御活性を予測したり、望ましい活性を持つ配列を設計したりする研究が進んでいます。

その代表的な研究が、Agarwal、Inoueらによる2025年のNature論文「Massively parallel characterization of transcriptional regulatory elements」です[1]。

この研究では、68万以上の制御配列候補をlentiMPRAによって測定し、その結果を利用してDNA配列から制御活性や変異効果を予測するモデルを構築しました。

このような研究の進展により、MPRAは単なる測定技術ではなく、ゲノムAIにおける機能的な教師データの供給基盤として重要な役割を果たすようになっています。

しかし、ここには根本的な問題があります。

MPRAが測定する「人工的な実験条件でのDNA配列の活性」と、実際の生体内でその配列が果たす「制御機能」は、同じなのでしょうか。

MPRAの本質は、生体内の遺伝子発現をそのまま再現することではありません。

複雑な制御環境から一部の条件を切り離し、DNA配列が持つ制御能力を独立に測定しやすくすることにあります。

つまり、MPRAの価値と限界は表裏一体です。

概念的には、MPRAが測定するものと、最終的に解明したい生体内の機能には、次のような違いがあります。

MPRAで測定するもの

DNA配列 + レポーター構成 + 実験細胞

↓

MPRA活性

↓

実験条件下で観測されるRNA出力

最終的に解明したいもの

DNA配列 + 本来のゲノム位置 + クロマチン + 3D構造 + 細胞状態

↓

生体内の遺伝子制御機能

↓

標的遺伝子への影響・細胞応答・表現型

この2つの間には、まだ十分に解明されていない一般化の問題があります。

特に重要なのは、次の5つの論点です。

1. 配列の自律性：短いDNA配列に、周囲のゲノム環境からある程度独立した制御能力があるのでしょうか。
2. 文脈を変えた場合の再現性：人工的なプロモーターやランダムな組み込み位置で測った活性は、本来のゲノム位置でも成立するのでしょうか。
3. 測定値の意味：RNA/DNA比は、転写活性をどの程度正確に表しているのでしょうか。
4. 機械学習の一般化：MPRAで高精度な予測モデルを構築できても、未知の細胞・疾患・生体条件で予測できるのでしょうか。
5. 因果関係と創薬への接続：配列がレポーターを活性化できることから、実際の標的遺伝子や疾患表現型への影響まで説明できるのでしょうか。

これらは単なる技術的な欠点ではなく、今後のゲノムAI研究で解かなければならない科学的な問題です。

実際、MPRAの実験方式を比較した研究では、測定方式や配列長によって結果に系統的な違いが生じることが確認されています[2]。

また、近年のレビューでも、天然のクロマチン環境や遠距離の制御相互作用を再現できないことが、MPRAの主要な限界として挙げられています[3]。

本記事では、MPRAの研究史を振り返ったうえで、MPRAが暗黙に前提としていること、実験的・生物学的な限界、現在も十分に検証できていない課題を整理します。

さらに、生体内シミュレーションや医薬品開発に向けて、今後どのような研究が重要になるのかを考察します。

2. 研究史の中でMPRAはどのような問題を解決しようとしてきたのか#

MPRAを正しく位置づけるには、DeepSEAやEnformerなどのAIモデルの歴史だけでなく、遺伝子制御の因果関係を実験的に解明しようとしてきた研究史を見る必要があります。

2.1 従来型レポーターアッセイからMPRAへ#

1980年代以降、特定のDNA配列が遺伝子発現にどのような影響を与えるのかを調べるために、レポーターアッセイが広く利用されてきました。

この方法では、調べたいDNA配列をレポーター遺伝子と組み合わせ、その発現量を測定します。

例えば、あるDNA配列をレポーター遺伝子につなぎ、その配列が存在する場合と存在しない場合で発現量を比較します。

これにより、その配列が転写を促進または抑制する能力を持つかどうかを調べられます。

ただし、従来のレポーターアッセイでは、基本的に少数の配列を個別に検証する必要がありました。

2000年代には、ChIP-seqなどの技術や進化的保存性の解析によって、ゲノム全体から多数の候補制御領域を発見できるようになりました。

一方で、発見された候補領域が実際に制御活性を持つかどうかを、大量に検証することは容易ではありませんでした。

この問題を解決するために発展したのがMPRAです。

MPRAでは、DNA配列とバーコードを組み合わせ、次世代シーケンシングによって多数の配列の活性を並列に定量します。

2.2 2012〜2013年：MPRAによる大規模並列化#

MPRAの初期の重要な研究として、Melnikovらによる2012年のNature Biotechnology論文があります[4]。

この研究では、27,000以上のエンハンサー変異体を解析し、DNA配列と転写制御活性の関係を大規模に測定しました。

さらに、測定結果から配列と活性の関係を定量的にモデル化し、制御配列の最適化にも取り組んでいます。

ここで重要なのは、MPRAと機械学習・配列設計の結合は、近年になって初めて始まったものではないという点です。

DNA配列を大量に測定し、その結果から制御ルールを学習し、新しい配列の設計につなげるという研究の方向性は、2012年の段階ですでに存在していました。

2.3 2015〜2017年：深層学習の発展とlentiMPRAの登場#

2015年前後には、DeepSEAなどの深層学習モデルが登場し、DNA配列から転写因子結合、クロマチン状態、ヒストン修飾などを予測する方向が発展しました[5]。

一方、MPRAの研究では、人工的な実験条件が測定結果にどのような影響を与えるのかが重要な問題になりました。

特に、従来のMPRAでは、導入したDNAが染色体外に存在する場合がありました。

このようなepisomal MPRAでは、天然のゲノムに存在するDNAとは異なるクロマチン環境で測定される可能性があります。

この課題に対して、レンチウイルスを利用してレポーター構成をゲノムに組み込むlentiMPRAが発展しました。

Inoueらによる2017年の研究では、2,236の候補エンハンサーについて、染色体外での活性と染色体に組み込まれた状態での活性を比較しました[6]。

その結果、両者の測定値には相当な違いがあることが示されました。

この研究は、MPRAの実験方式によって得られる活性が異なることを明らかにした重要な研究です。

2.4 2020〜2021年：実験条件の依存性と長距離モデルの発展#

2020年には、Kleinらが9種類のMPRA方式を比較する研究を発表しました[2]。

この研究では、2,440配列を対象に、実験構成や配列長の違いが測定結果に与える影響を検討しました。

多くの方式では一定の一致が見られた一方、測定方式による系統的な違いも確認されました。

また、同じエンハンサーを192、354、678塩基長で比較すると、配列長によって測定活性が大きく変わる場合があることも示されました。

一方、ゲノム機械学習では、2021年にEnformerが登場しました[7]。

Enformerは、長距離のDNA配列情報を考慮して遺伝子発現やクロマチン状態を予測するモデルです。

この時期には、次の2つの研究方向が並行して発展していました。

• MPRA：人工的な条件下でDNA配列の機能を実験的に測定し、その測定方式や文脈依存性を検証する方向
• Enformerなどの長距離モデル：周辺のゲノム配列を広く考慮し、複雑な遺伝子制御を予測する方向

2.5 2025年：大規模MPRAと機械学習の結合#

2025年、Agarwal、Inoueらは、68万以上の制御配列候補を対象とした大規模lentiMPRA研究を発表しました[1]。

この研究では、HepG2、K562、WTC11の3種類のヒト細胞系を使用し、配列ごとの制御活性を測定しました。

さらに、そのデータを利用して、DNA配列から活性や変異効果を予測する機械学習モデルを構築しています。

この研究の重要性は、MPRA自体を発明したことではありません。

大規模な機能測定データを構築し、そのデータからDNA配列と転写制御活性の関係を学習できることを示した点にあります。

2.6 2026年：予測・設計から生体内での妥当性検証へ#

2026年には、MPRAを用いた配列設計や、長距離ゲノムモデルの研究がさらに発展しています。

一方で、エンハンサーと標的遺伝子の対応、プロモーターとの適合性、元のゲノム位置での機能をどのように評価するかという課題も引き続き研究されています[8][9]。

この研究史から、3つの重要な点が分かります。

第一に、MPRAは深層学習の登場によって生まれた技術ではありません。

従来のレポーター実験を大量並列測定へ拡張した技術です。

第二に、MPRAの課題は、大規模化によって新しく生まれたものだけではありません。

人工的なレポーターで測定した機能が、天然のゲノム環境でも成立するのかという問題は、レポーター実験そのものに内在しています。

第三に、近年のMPRA研究は、測定規模を拡大するだけでなく、測定値がどの程度生体内の機能を反映しているのかを検証する方向にも発展しています。

したがって、研究史上のMPRAの役割は、単に「生体内の機能を直接測る技術」というよりも、制御配列の機能について、操作可能で定量的な実験系を確立し、配列と機能の関係を検証する技術と捉えることが適切です。

3. MPRAが暗黙の前提としていること#

MPRAが暗黙に依存している前提を、実験生物学、測定論、機械学習の3つの観点から整理します。

ここでいう「暗黙の前提」は、すべての研究者が無批判に信じているという意味ではありません。

MPRAの測定値を本来のゲノム機能の理解や予測に利用するとき、成立する必要がある仮定という意味です。

3.1 前提1：DNA配列には、周辺環境から切り離しても測定できる固有の制御活性がある#

MPRAの中心となる考え方は、例えば200 bp程度の配列を本来の位置から取り出しても、その配列が持つ制御能力の少なくとも一部は残る、というものです。

この性質は、autonomous regulatory activity（自律的な制御活性）と呼ばれます。

しかし、本来のエンハンサーの活性には、局所的なDNA配列だけでなく、次のような要因が影響します。

• 隣接するDNA配列
• クロマチン状態
• 標的プロモーター
• 3次元的なゲノム接触
• 転写因子の存在量や活性

したがって、MPRAはDNA配列に完全に文脈から独立した機能があることを証明しているわけではありません。

特定の条件を固定したときに、配列間で再現可能な活性差が生じることを示しているのです。

2020年のKleinらの研究では、同じエンハンサーを192、354、678塩基長で比較したところ、測定活性に相当な違いが生じました[2]。

これは、どこまでを一つの制御配列として切り出すかが重要であることを示しています。

未解決の問い：DNA配列の制御能力を、どこまで文脈から独立した「固有の性質」として定義できるのでしょうか。

3.2 前提2：人工的なレポーター系で得られた活性は、天然の遺伝子制御と関係している#

典型的なエンハンサーMPRAでは、対象配列を人工的な最小プロモーターとレポーターに組み合わせます。

この場合、実験から直接分かるのは、その配列が、使用したプロモーターと組み合わされたときに、レポーターの発現をどの程度変化させたかということです。

しかし、エンハンサーとプロモーターの関係は必ずしも普遍的ではありません。

あるエンハンサーが特定のプロモーターに対して強く働いても、別のプロモーターでは同じ活性を示すとは限りません。

2026年の研究でも、エンハンサーとプロモーターの適合性を調べる際に、レポーター構成そのものが結果に影響することが検討されています[8]。

未解決の問い：ある人工プロモーターに対して強く働く配列は、天然の別のプロモーターに対しても強く働くのでしょうか。

3.3 前提3：lentiMPRAでは、ランダムな組み込み位置の影響を平均化できる#

lentiMPRAは、レンチウイルスを利用してレポーター構成を染色体に組み込みます。

多数の独立した組み込み位置で測定すれば、特定の位置に依存しない配列の平均的な活性を推定できる、という考え方です。

これは有用ですが、厳密には「位置の影響が消える」という意味ではありません。

例えば、次のような2つの配列を考えます。

• 配列A：開いたクロマチン環境でだけ強く機能する配列
• 配列B：さまざまなクロマチン環境で安定して機能する配列

両者の平均活性が同じであっても、生物学的な特性は異なります。

さらに、挿入位置の分布やコピー数に偏りがあれば、単純な平均は普遍的な活性を表しません。

また、平均化によって、配列がゲノム環境に対してどの程度敏感であるかという情報が失われる可能性もあります。

未解決の問い：配列ごとの平均活性だけでなく、ゲノム環境に対する感受性や活性のばらつきまで把握できるのでしょうか。

3.4 前提4：RNA/DNA比は、対象配列による転写制御活性を適切に表している#

MPRAでは一般に、バーコードRNAの量を対応するDNA量で正規化し、活性指標を計算します。

概念的には、次のように表せます。

[ A(s)=\log_2\left(\frac{\mathrm{RNA}(s)}{\mathrm{DNA}(s)}\right) ]

ここで、(s) は測定対象のDNA配列、(A(s)) はその配列のMPRA活性を表します。

RNA/DNA比は、DNAの導入量などの違いを補正しながら、配列ごとの活性を比較するための実用的な指標です。

ただし、観測されるRNA量は転写速度だけで決まるわけではありません。

例えば、次のような要因が影響する可能性があります。

• RNAの安定性
• RNAの加工やスプライシング
• バーコードの配列や配置
• レポーター構成
• DNAコピー数
• 測定方式による技術的なバイアス

特に、対象配列自体が転写産物に含まれるSTARR-seq系では、転写促進作用と転写後調節作用を区別することが重要になります。

2020年の比較研究では、測定系によってRNA安定性やスプライシングに関連する要因が結果に影響し得ることが示されています[2]。

未解決の問い：観測されたRNA量の変化のうち、純粋な転写活性化による部分はどれくらいなのでしょうか。

3.5 前提5：細胞の状態を揃えれば、DNA配列と活性の関係を安定して学習できる#

MPRAを機械学習の教師データとして利用するためには、同じ細胞条件でのDNA配列と活性の関係に、学習可能な規則性が存在する必要があります。

しかし、実際の転写制御には、次のような要因が関係します。

• 転写因子の濃度
• 細胞周期
• 分化状態
• 細胞への刺激
• 薬剤処理
• 培養条件

これらが変われば、同じDNA配列でも異なる活性を示す可能性があります。

つまり、MPRAから学習する関係は、必ずしも普遍的な

[ f(\mathrm{DNA}) ]

ではありません。

実際には、次のような関係の、特定条件下での断面を学習していると考えられます。

[ f(\mathrm{DNA},\ \mathrm{cell\ state},\ \mathrm{assay}) ]

ここで、cell stateは細胞状態、assayは実験条件を表します。

未解決の問い：限られた細胞条件で学んだ規則を、未測定の細胞状態や薬剤刺激へどこまで移せるのでしょうか。

3.6 前提6：短い配列に現れる規則から、複雑な遺伝子制御の文法を理解できる#

MPRAの大規模な測定データを利用すると、転写制御に関係する配列パターンを学習できます。

例えば、次のような要素です。

• 転写因子結合モチーフの種類
• モチーフの位置
• モチーフの向き
• モチーフ同士の間隔
• 複数のモチーフの組み合わせ

こうした配列上の規則性は、regulatory grammar（転写制御の文法）と呼ばれます。

しかし、MPRAで学習できるのは、主に短い配列の局所的なregulatory grammarです。

実際の遺伝子制御には、さらに次のような要因が関係します。

• 複数のエンハンサー間の協調
• エンハンサー間の機能的な冗長性
• 標的プロモーターの選択
• クロマチンの高次構造
• 時間的な細胞状態の変化

また、機械学習モデルのattributionによって重要と判断されたモチーフが、そのまま因果的な結合機構を証明するわけではありません。

モデルが高い予測精度を示していても、その内部で学習した特徴が、実際の生物学的な機構を正しく表現しているとは限らないためです。

未解決の問い：モデルが見つけた配列規則は生物学的な機構を表しているのでしょうか。それとも、特定の実験データを予測するための統計的な特徴なのでしょうか。

4. MPRAの課題・限界を体系的に整理する#

MPRAの課題を、実験的な制約、生物学的な限界、機械学習への影響という観点から整理します。

以下の重要度は、特に生体内シミュレーションや創薬への応用を考えた場合の評価です。

課題	具体的な問題	重要度
天然ゲノム環境の欠落	本来の遺伝子座、クロマチン、3D接触を再現できません。	最重要
標的遺伝子の同定	レポーター活性だけでは、どの遺伝子が制御されるか分かりません。	最重要
細胞状態の限定	特定の培養細胞での活性が他の細胞・組織に一般化するとは限りません。	最重要
エンハンサー・プロモーター依存性	使用するプロモーターと実験構成によって活性が変わります。	高
配列長の制約	長距離の相互作用や隣接配列の効果を取り逃す可能性があります。	高
実験方式によるバイアス	episomal MPRA、lentiMPRA、STARR-seq間で結果が異なります。	高
RNA測定上の交絡	転写後調節、コピー数、バーコードなどが測定値に影響します。	高
候補配列の選択バイアス	ATAC-seqやDNase-seqなどで選んだ配列が中心になりやすいという問題があります。	高
サンプル深度と測定ノイズ	配列数を増やすと、1配列当たりの測定精度が低下する可能性があります。	中〜高
個体・疾患への外挿	動物・患者・疾患組織での予測性能が未確立な場合があります。	最重要

これらを検討するときには、「方法としてのMPRAの限界」と「特定の大規模MPRA研究に残された課題」を区別する必要があります。

4.1 実験方式による違いは、すでに実証されている#

2017年のInoueらの研究では、2,236の候補エンハンサーについて、染色体外での活性と染色体組み込み後の活性が比較されました[6]。

その結果、両者の測定結果に相当な違いがあることが示されました。

また、2020年のKleinらの研究では、9種類のMPRA方式を用いて2,440配列を比較しました[2]。

多くの方式では一定の一致が見られた一方、測定方式による系統的な違いが確認されました。

さらに、配列長の違いによる影響も大きいことが示されています。

2025年の複数のMPRAデータセットを対象とした比較研究でも、実験方式や解析手順の違いによって、活性を持つエンハンサーの判定に不一致が生じることが報告されています[10]。

したがって、「MPRA活性」という値は、実験系から独立した単一の物理量とは考えない方が適切です。

MPRAの測定結果を異なる研究間で比較したり、複数のデータセットを機械学習に統合したりする場合には、実験方式の違いを考慮する必要があります。

4.2 200 bp前後の配列は、完全なエンハンサーとは限らない#

MPRAでは、200 bp程度の短いDNA配列を測定することがあります。

しかし、その短い配列に活性が認められても、天然の制御領域に必要な情報がすべて含まれているとは限りません。

長いエンハンサーには、次のような要素が含まれている可能性があります。

• 複数の転写因子結合部位
• 協調的に働く配列
• 抑制的なモチーフ
• 隣接配列との相互作用

短い断片では、これらの相互作用を部分的にしか観測できない場合があります。

反対に、天然のゲノム位置では抑制されている配列が、人工的なレポーター環境では活性化することも考えられます。

そのため、次の点に注意が必要です。

• MPRAで活性が検出されないことは、天然のゲノム環境でも機能が存在しないことを必ずしも意味しません。
• MPRAで活性が検出されることも、天然の標的遺伝子の発現に実際に寄与していることを証明するものではありません。

このような限界は、MPRAのレビューでも重要な課題として整理されています[3]。

4.3 「機能がある」と「その機能が必要である」は異なる#

ここは特に重要な論点です。

あるDNA配列がレポーターの発現を増やすことは、その配列が特定の条件下で転写を促進する能力を持つことを示します。

これは、sufficiency（十分性）に関する証拠と捉えることができます。

しかし、その配列が本来のゲノム内で必要な機能を果たしていることまでは証明しません。

例えば、複数のエンハンサーが冗長に働いている場合、ある配列を除去しても標的遺伝子の発現が大きく変わらない可能性があります。

逆に、単独ではレポーターを活性化しない配列が、天然のゲノム構造の中では重要な役割を果たしている場合も考えられます。

この違いを整理すると、次のようになります。

技術	主に検証できること
MPRA	特定の実験条件下で、DNA配列がレポーター発現を変える能力
CRISPRi・欠失・塩基編集	天然のゲノム位置で対象配列が機能しているか、またその変化が遺伝子発現に与える影響
表現型解析	遺伝子制御の変化が細胞や個体に生物学的な影響を与えるか

したがって、MPRAとCRISPR系の実験は競合する技術ではありません。

異なる因果的な問いに答える、相補的な実験技術です。

MPRAによる活性測定だけでは、天然の遺伝子座における必要性や標的遺伝子との関係を完全には説明できないため、CRISPR系の機能検証との統合が重要になります[3]。

5. 2025年の大規模MPRA研究では、何が検証され、何が残ったのか#

ここでは、Agarwal、Inoueらによる2025年のNature論文について、実際に確認された成果と、残された課題を整理します[1]。

5.1 実際に確認された成果#

この研究では、68万以上の制御配列候補について、lentiMPRAによる大規模な機能測定が行われました。

研究の主な数値は、次のとおりです。

項目	内容
測定対象	68万以上の制御配列候補
活性ありと判定された割合	約41.7%
対象細胞系	HepG2、K562、WTC11の3種類
細胞系間で比較した共通配列	約6万配列

ここでの41.7%は、実験上の判定基準に基づく値です。

全ヒト制御配列の41.7%が機能を持つという意味ではありません。

この研究では、次のような検証も行われています。

• MPRA測定の再現性
• 既知の制御領域との整合性
• 細胞種特異的な制御活性
• DNA配列からの活性予測
• DNA変異がMPRA活性に与える影響の予測

これらは、大規模な実験データを機械学習と組み合わせることで、配列と転写制御活性の関係を学習できることを示す成果です。

ただし、天然の遺伝子制御に対する予測能力を評価すると、重要な限界も見えてきます。

5.2 問題1：MPRA活性を追加しても、天然のエンハンサー・プロモーター関係の予測改善は限定的だった#

この研究では、MPRA活性が実際のエンハンサー・プロモーター関係の予測に役立つかどうかを、CRISPRi実験の結果と比較しています[1]。

その結果、MPRA活性が高い配列群ほど、CRISPRiで機能が支持されたエンハンサーの割合は高くなりました。

最高活性群では、低活性群の約2倍でした。

一方、既存のActivity-by-Contact（ABC）モデルにMPRA活性を加えても、3つのCRISPRi研究のうち2つでは、判別性能の向上はわずかでした。

論文では、その理由の一つとして、ABCモデルがすでに使用しているH3K27acの情報に、局所的な活性だけでなく、周辺の制御情報も反映されている可能性を挙げています。

これは非常に重要な結果です。

MPRAは制御配列の活性を測れますが、その情報が天然の標的遺伝子との関係を予測するうえで、既存のゲノム文脈情報に対して常に大きな追加価値を持つとは限りません。

つまり、配列の活性について詳細なデータを追加すれば、天然の遺伝子制御を必ず高精度に予測できるようになる、とは言えないのです。

5.3 問題2：変異効果予測は進歩したが、完全な精度ではない#

同研究では、MPRALegNetによる変異効果予測も評価されています[1]。

4つの領域について、従来のMPRA saturation mutagenesisデータと予測結果を比較したPearson相関は、次のとおりでした。

領域	Pearson相関（r）
SORT1	0.49
PKLR	0.65
LDLR	0.66
F9	0.51

これらの結果は、モデルがDNA配列の変異によるMPRA活性の変化を、ある程度捉えていることを示します。

ただし、相関係数が0.49〜0.66である以上、未説明の変動も残されています。

さらに重要なのは、この評価が主にMPRA実測変異効果に対するものであるという点です。

天然の標的遺伝子の発現変化や、疾患リスクそのものを同等の精度で予測したことを意味しません。

したがって、MPRA上の変異効果予測と、天然のゲノム環境での変異効果予測は区別する必要があります。

5.4 この論文だけでは十分に確認できないこと#

2025年の研究で検証された項目と、未検証または十分に確立していない項目を整理すると、次のようになります。

検証対象	2025年論文から言えること
多数の配列のレポーター活性	大規模に実測・検証されています。
測定再現性	実験内・実験間で評価されています。
細胞系間の活性差	3細胞系で一部検証されています。
変異によるMPRA活性の変化	一部の既存実測データで評価されています。
天然の標的遺伝子への影響	CRISPRiなどとの比較はありますが、包括的に確立したとは言えません。
未知の一次細胞・疾患細胞への一般化	十分な検証とは言えません。
生体内での治療効果	この研究の直接の検証対象ではありません。
個体の疾患表現型予測	未確立です。

なお、この論文は変異予測と生体由来データとの関連も評価しており、天然の機能との比較を全く行っていないわけではありません。

ただし、その検証の対象と範囲は限定的です。

この研究の重要性は、膨大な制御配列の機能的な測定データを構築したことにあります。

その一方で、そのデータを天然の遺伝子制御や疾患表現型の予測へどこまで利用できるのかという問題は、引き続き研究が必要な課題です。

6. ゲノムAI・生体内シミュレーションという観点で、何が不足しているのか#

MPRAとEnformer、AlphaGenomeなどの長距離ゲノムモデルを組み合わせれば、生体内シミュレーションがそのまま実現するわけではありません。

なぜなら、制御配列の活性予測、標的遺伝子の発現予測、細胞表現型の予測は、異なる階層の問題だからです。

6.1 DNA配列から疾患表現型までには複数の階層がある#

概念的には、生体内の機能予測には、次のような階層があります。

階層1：DNA配列の制御能力

MPRAが強みを持つ領域です。

人工的なレポーター実験条件下で、DNA配列がどの程度の転写制御活性を示すかを測定します。

↓

階層2：天然のゲノム環境での活性

同じDNA配列でも、クロマチン状態、細胞状態、ゲノム位置などによって活性が変わります。

↓

階層3：標的遺伝子の同定と発現変化

エンハンサーとプロモーターの関係、遠距離のゲノム接触、複数のエンハンサーの冗長性などを考慮する必要があります。

↓

階層4：細胞内の分子ネットワークの応答

遺伝子発現の変化は、タンパク質、シグナル伝達、代謝、フィードバックなどの分子ネットワークに影響します。

↓

階層5：組織・個体・疾患表現型

複数の細胞間の相互作用、発生、組織環境、薬剤応答などを考慮する必要があります。

MPRAによって階層1のデータが大量に増えることは、大きな進歩です。

しかし、階層1での予測精度が高いからといって、階層5まで予測できるとは限りません。

AlphaGenomeなどの長距離ゲノムモデルは、階層2〜3に関わる情報を扱う方向へ発展しています[11]。

ただし、これらも完全な分子機構モデルや生体内シミュレーターではありません。

6.2 各階層をどのようにつなぐかが重要になる#

MPRAは、DNA配列と実験上の制御活性の関係を大量に測定できます。

一方、長距離ゲノムモデルは、より広いゲノム文脈を考慮した予測を行います。

さらに、CRISPRによる機能検証では、天然の遺伝子座における配列の役割を調べられます。

これらの情報を統合することで、次のような問いに取り組める可能性があります。

• MPRAで高い活性を示す配列は、天然のゲノム位置でも活性を持つのでしょうか。
• どのようなクロマチン環境で、その活性は抑制または促進されるのでしょうか。
• どの標的遺伝子に影響するのでしょうか。
• その影響は細胞の状態によって変わるのでしょうか。
• 遺伝子発現の変化は、細胞や個体の表現型にどのようにつながるのでしょうか。

この階層間の接続をどのように学習・実験検証するかが、生体内シミュレーションに向けた重要な研究課題です。

7. 今後、何を検証すべきか：研究課題の優先順位#

MPRAの研究をさらに発展させるなら、単純に測定するDNA配列数を増やすだけではなく、どの条件でMPRAの予測が生体内の機能に一般化するのかを系統的に調べることに価値があります。

以下は、既存研究を踏まえた研究計画の提案です。

7.1 優先して検証すべき研究課題#

優先度	研究課題	具体的な検証方法
1	MPRA活性は天然のゲノム機能をどこまで予測するか	同一配列をMPRA・CRISPRi・塩基編集で比較します。
2	どのゲノム文脈でMPRAの予測が破綻するか	クロマチン状態、3D接触、プロモーター距離別に予測誤差を解析します。
3	細胞種をまたぐ予測は可能か	未学習の一次細胞、分化細胞、患者由来細胞で評価します。
4	エンハンサーとプロモーターの組み合わせは重要か	複数プロモーターとの組み合わせを同一条件で測定します。
5	AIが設計したDNA配列は生体内でも機能するか	独立のレポーター実験から、標的遺伝子・組織での検証へ進みます。
6	MPRA由来データは長距離モデルに追加価値を与えるか	AlphaGenomeなどのベースラインにMPRA情報を加え、独立した実測データで比較します。

7.2 特に重要な研究：MPRAと天然ゲノム機能の差をモデル化する#

今後の研究で特に重要だと考えられるのは、MPRAの予測誤差そのものを研究対象にすることです。

例えば、同じDNA配列に対して、次のような不一致があったとします。

• MPRAでは強い活性を持ちます。
• 天然のゲノム位置では活性が弱くなります。

従来は、このような不一致をMPRAの限界として扱っていました。

しかし、この不一致を大量に集め、周辺のクロマチン状態、プロモーターとの接触、転写因子環境、配列長などと照合すれば、どのような条件で配列の潜在的な制御能力が実際の機能として発現するのかを学べる可能性があります。

概念的には、次のようなモデルとして整理できます。

[ \begin{aligned} A &= f_{\mathrm{MPRA}}(S,C,R)\ Y &= g(A,G,P,X) \end{aligned} ]

ここで、各変数は次の意味を持ちます。

変数	意味
(S)	DNA配列
(C)	細胞状態
(R)	レポーター実験条件
(A)	実験条件下のレポーター活性
(G)	本来のゲノム・クロマチン環境
(P)	標的プロモーターとの関係
(X)	その他の細胞内・環境因子
(Y)	天然の遺伝子制御への影響

この式は、実証済みの生物学的法則ではありません。

MPRAと天然の遺伝子制御をつなぐための、研究上の概念モデルです。

特に、MPRA活性という単一の値が、天然の機能を表現するための十分な情報を含んでいるとは限りません。

それでも、MPRAを最終的な正解として捉えるのではなく、生体内の制御機能を説明するための中間的な実験情報として位置づけることで、より発展的な研究が可能になります。

実際、2026年には、MPRA情報を用いて、文脈依存的なエンハンサーと標的遺伝子の関係を予測する研究も報告されています[9]。

この方向性は、すでに具体的な研究領域として発展し始めています。

7.3 大規模測定から、文脈依存性の解明へ#

これまでのMPRA研究では、測定できる配列数の拡大が重要な進歩の一つでした。

しかし、測定する配列数を数十万から数百万へ増やしたとしても、それだけで天然のゲノム環境における機能を完全に予測できるようになるわけではありません。

今後は、単純なデータ量だけでなく、次のようなデータの多様性も重要になります。

• 異なるプロモーターとの組み合わせ
• 異なるクロマチン環境
• 異なる細胞種や細胞状態
• 異なる配列長
• 天然のゲノム位置での機能検証
• 薬剤刺激や疾患状態に対する応答

こうした条件を系統的に変化させることで、DNA配列そのものの効果と、周囲の環境との相互作用を分離して理解できる可能性があります。

また、MPRAで予測性能が高いモデルと、天然の遺伝子制御を高精度に予測できるモデルは、必ずしも同じではありません。

したがって、機械学習の評価でも、MPRA活性の予測精度だけでなく、独立したCRISPR実験や天然の遺伝子発現データに対する予測性能を評価することが重要です。

8. まとめ：MPRAの位置づけをどのように考えるべきか#

MPRAは、DNA配列が持つ転写制御能力を人工的な条件下で大量・定量的に測定し、配列と機能の関係を学習可能にした技術です。

その重要性は、機械学習のモデル構造を革新したことではなく、DNA配列と転写制御活性の関係について、大規模な機能的教師データを提供できるようにしたことにあります。

一方、MPRAは従来のレポーター実験から、根本的な限界も受け継いでいます。

特に重要なのが、天然のゲノム環境からDNA配列を切り離すことによる文脈の喪失です。

lentiMPRAは、レポーター構成を染色体に組み込むことで、この問題の一部を改善しました。

しかし、元の遺伝子座における機能を完全に再現するものではありません。

今回整理した暗黙の前提と限界を踏まえると、MPRAについて、次のように考えることができます。

第一に、MPRAはDNA配列の制御能力を測定する技術ですが、天然の遺伝子制御機能そのものを完全に測定する技術ではありません。

第二に、MPRAの測定値は、実験方式、プロモーター、配列長、細胞状態などに依存します。

そのため、MPRA活性を実験条件から独立した普遍的な値として扱うことには注意が必要です。

第三に、MPRAで高精度な機械学習モデルを構築できたとしても、天然の標的遺伝子への影響や疾患表現型まで高精度に予測できるとは限りません。

第四に、MPRA、CRISPRによる天然遺伝子座の機能検証、EnformerやAlphaGenomeなどの長距離配列モデルは、互いに競合する技術ではなく、異なる階層の情報を提供する相補的な技術です。

そして第五に、今後の研究では、単にMPRAの測定規模を拡大するだけでなく、MPRAと天然のゲノム機能の間にある違いを明示的に扱うことが重要になります。

この観点から考えると、今後の研究の中心課題は、単に

「DNA配列からMPRA活性を高精度に予測すること」

だけではなく、

「MPRAで測定された制御能力が、どの細胞・ゲノム環境・標的遺伝子・条件で実際の機能として現れるのかを予測すること」

へと発展していくべきだと考えられます。

生体内シミュレーションや医薬品開発への応用では、MPRAの測定精度を高めることだけでなく、MPRAで何を観測できていて、何をまだ観測できていないのかを明示することが重要です。

そして、それらをつなぐモデルと検証実験を設計することが、今後のゲノムAI研究における重要な方向性になると考えられます。

参考文献#

[1] Agarwal, V., Inoue, F., Schubach, M. et al., “Massively parallel characterization of transcriptional regulatory elements,” Nature, 639, 411–420, 2025. https://www.nature.com/articles/s41586-024-08430-9

[2] Klein, J. C. et al., “A systematic evaluation of the design and context dependencies of massively parallel reporter assays,” Nature Methods, 17, 1083–1091, 2020. https://doi.org/10.1038/s41592-020-0965-y

[3] “Applications of high-throughput reporter assays to gene regulation studies,” Current Opinion in Structural Biology, 2025. https://doi.org/10.1016/j.sbi.2025.103105

[4] Melnikov, A. et al., “Systematic dissection and optimization of inducible enhancers in human cells using a massively parallel reporter assay,” Nature Biotechnology, 30, 271–277, 2012. https://doi.org/10.1038/nbt.2137

[5] Zhou, J., and Troyanskaya, O. G., “Predicting effects of noncoding variants with deep learning–based sequence model,” Nature Methods, 12, 931–934, 2015. https://doi.org/10.1038/nmeth.3547

[6] Inoue, F. et al., “A systematic comparison reveals substantial differences in chromosomal versus episomal encoding of enhancer activity,” Genome Research, 27, 38–52, 2017. https://doi.org/10.1101/gr.212092.116

[7] Avsec, Ž., Agarwal, V., Visentin, D. et al., “Effective gene expression prediction from sequence by integrating long-range interactions,” Nature Methods, 18, 1196–1203, 2021. https://doi.org/10.1038/s41592-021-01252-x

[8] “Enhancer–promoter compatibility study,” 2026. 文献の詳細は要確認。

[9] DeGroat, E., and Kreimer, A., “Massively parallel reporter assay–informed modeling improves prediction of context-specific enhancer–gene regulatory interactions,” Nucleic Acids Research, 2026. https://doi.org/10.1093/nar/gkag554

[10] “Comprehensive evaluation of diverse massively parallel reporter assays to functionally characterize human enhancers genome-wide,” Genome Biology, 2025. https://doi.org/10.1186/s13059-025-03828-8

[11] Avsec, Ž., Latysheva, N., Cheng, J. et al., “Advancing regulatory variant effect prediction with AlphaGenome,” Nature, 649, 1206–1218, 2026. https://www.nature.com/articles/s41586-025-10014-0