対象読者

  • ゲノム解析における機械学習の進化と、MPRAが果たす役割を理解したい方
  • DNA配列から遺伝子発現を予測・設計する技術と、その科学的な限界に関心がある方
  • 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の応用可能性を検討している方

要約

  • MPRAは、DNA配列が人工的な実験条件下で発揮する転写制御活性を、大量かつ定量的に測定する技術です。 2025年のNature論文では68万以上の制御配列候補が測定され、機械学習のための大規模な機能的教師データが構築されました。
  • DeepSEAやBassetが配列から生化学的特徴を予測する方向を発展させ、Enformer、Borzoi、AlphaGenomeが長距離のゲノム文脈や遺伝子発現の予測へ進んだ一方、MPRAは配列の制御能力を実験的に測定する方向を発展させてきました。
  • ただし、MPRAで観測される活性と、天然のゲノム環境における制御機能は同一ではありません。 配列長、クロマチン状態、プロモーター、組み込み位置、細胞状態などへの依存性があり、標的遺伝子への影響や疾患表現型まで直接検証できるわけではありません。
  • 2026年にはPARMなどの研究によって、MPRAを用いた制御配列の予測・解釈・設計がさらに発展しています。しかし、この方向性自体は2012年の初期MPRA研究から始まっており、現在の進歩は規模、精度、適用範囲の拡大として理解できます。
  • 今後の重要な課題は、MPRAの測定規模を拡大するだけでなく、MPRAで測定された制御能力が、どのような生体内の条件で実際の機能として現れるのかを解明することです。

1. はじめに：MPRAはゲノムAIの進化の中で何を変えたのか

機械学習を用いたゲノム解析は、DNA配列から転写因子の結合やクロマチン状態を予測する段階を経て、遺伝子発現の予測、さらには望ましい機能を持つDNA配列の設計へと発展しています。

この進化を理解するうえで重要な研究の一つが、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、3種類のヒト細胞において、68万以上のcis-regulatory element（cCRE、シス制御配列）候補をlentiMPRAによって測定しました。さらに、そのデータを用いてDNA配列から転写制御活性や変異効果を予測する深層学習モデルを構築しています。

この研究の重要性は、新しいAIアーキテクチャを発明したことだけにあるわけではありません。

むしろ、機械学習が学習する対象である「機能的な教師データ」を、実験によって大規模に作り出したことにあります。

ゲノムAIでは、モデルの構造だけでなく、何を正解として学習するのかが重要です。

例えば、クロマチンが開いていることを予測できるモデルと、DNA配列が転写を促進する能力を予測できるモデルでは、学習している生物学的な対象が異なります。

MPRAは、後者に関する実験データを大量に提供します。

しかし、ここで一つの重要な問いが生まれます。

MPRAが測定する「DNA配列の制御活性」は、実際の生体内でその配列が果たす機能と同じなのでしょうか。

MPRAは、DNA配列を本来のゲノム環境から切り離し、制御された実験条件で測定する技術です。

この特徴によって、配列の効果を比較しやすくなる一方、本来のクロマチン環境、標的遺伝子との相互作用、細胞状態などの情報が失われます。

つまり、MPRAの強みと限界は表裏一体です。

本記事では、この点を中心に、ゲノム機械学習とMPRAの研究史を振り返り、2025年の大規模MPRA研究の成果、MPRAが暗黙に置いている前提、現在も検証できていない問題を整理します。

そのうえで、Enformer、Borzoi、AlphaGenome、PARMなどとの関係を考察し、生体内シミュレーションや医薬品開発に向けて何が必要なのかを検討します。

2. ゲノム機械学習の進化：モチーフ探索から深層学習へ

2.1 第1段階：DNA配列のモチーフを探索する時代

2000年代から2010年代前半にかけて、DNA配列から転写制御を理解する研究では、転写因子が認識する短い配列パターンの解析が重要な役割を果たしていました。

代表的な手法には、以下があります。

  • PWM（Position Weight Matrix）
  • Motif解析
  • k-mer解析

これらの方法では、DNA配列と転写制御の関係を理解するために、人間が生物学的な知識に基づいて特徴量を定義し、その特徴を用いて解析することが一般的でした。

例えば、特定の転写因子が結合しやすいDNA配列をモチーフとして表現し、そのモチーフがゲノム上のどこに存在するかを調べます。

こうした方法によって、転写制御に関係する配列パターンを体系的に分析できるようになりました。

一方で、複数の転写因子がどのように協調するのか、モチーフの位置や間隔がどの程度重要なのか、複雑な配列の組み合わせをどう扱うのかという問題がありました。

2.2 第2段階：CNNがDNA配列から特徴を自動学習する時代

2015年前後には、DeepBind、DeepSEA、続いてBassetなどの深層学習モデルが登場しました[2][3][4]。

これらの研究では、CNN（Convolutional Neural Network、畳み込みニューラルネットワーク）を用いて、DNA配列から転写制御に関係する特徴を自動的に学習できるようになりました。

DeepBindは、DNAやRNAに結合するタンパク質の配列特異性を、CNNによって学習するモデルです[2]。

DeepSEAは、DNA配列から以下のような生化学的特徴を予測するモデルです[3]。

  • TF binding（転写因子結合）
  • DNase sensitivity（DNase感受性）
  • Histone marks（ヒストン修飾）

さらに、1塩基の変異がこれらの特徴に与える影響も評価できるようになりました。

Bassetは、多数の細胞種におけるDNase-seqデータを利用して、DNA配列からchromatin accessibility（クロマチンアクセシビリティ）を予測するモデルです[4]。

この時代の重要な進歩は、DNA配列と制御に関係する生物学的特徴の対応を、end-to-endで学習できるようになったことです。

概念的には、次の関係です。

DNA sequence → Regulatory phenotype

人間がすべての配列特徴を事前に定義しなくても、深層学習モデルが予測に有用な配列パターンを獲得できるようになりました。

2.3 従来の深層学習が抱えていた問題

しかし、この世代のゲノム深層学習には重要な制約がありました。

学習対象の多くが、以下のような観察的なbiochemical phenotype（生化学的特徴）だったことです。

  • ChIP-seq
  • DNase-seq
  • ATAC-seq
  • Histone modification

これらは非常に強力な測定技術であり、転写因子結合やクロマチン状態などを解析できます。

しかし、基本的には観察的・記述的な情報を提供するものであり、その配列が転写に与える因果的な効果を直接示すものではありません。

例えば、あるDNA配列が存在する場所でクロマチンが開いていることは分かります。

しかし、その配列自体が転写を何倍に増加させる能力を持っているのかは、必ずしも分かりません。

つまり、

「この配列が存在する場所では、転写が活発に行われている可能性があります」

という情報と、

「この配列は、特定の条件下で転写を促進する能力を持っています」

という情報は異なります。

この違いが、MPRAの重要性につながります。

ただし、ここで注意したいのは、MPRAが従来の観察的データを置き換えるわけではないことです。

クロマチン状態や転写因子結合の情報は、実際のゲノム環境を理解するうえで不可欠です。

MPRAと従来のゲノム測定技術は、異なる側面から転写制御を捉える相補的な技術と考えるべきです。

3. MPRAの研究史：何を解決するために生まれた技術なのか

3.1 従来のレポーターアッセイからMPRAへ

MPRA（Massively Parallel Reporter Assay）は、DNA配列が転写に与える影響を、多数の配列について同時に測定する技術です。

ただし、レポーター遺伝子を使って制御配列の機能を調べる方法自体は、MPRA以前から存在していました。

従来のレポーターアッセイでは、調べたいDNA配列をレポーター遺伝子に組み合わせ、細胞に導入して発現量を測定します。

例えば、あるエンハンサー候補がレポーター遺伝子の発現を増加させるかを調べることができます。

しかし、従来の方法では、個々の配列について実験を行う必要があり、数万から数十万の配列を体系的に調べることは容易ではありませんでした。

MPRAは、この問題を大規模並列測定によって解決する方向へ発展しました。

3.2 2012年：MPRAと配列設計の研究はすでに始まっていた

初期の重要な研究の一つが、Melnikovらによる2012年のNature Biotechnology論文です[12]。

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配列と誘導性エンハンサー活性の関係を体系的に調べました。

さらに、実験結果から配列と活性の関係をモデル化し、エンハンサー配列の最適化にも取り組んでいます。

この研究史は重要です。

MPRAを利用した配列の測定、モデル化、設計という方向性は、2025年や2026年の深層学習研究によって初めて生まれたものではありません。

初期のMPRA研究の時点で、すでに次の流れが存在していました。

Measure → Learn → Design

近年の研究では、深層学習や大規模データによって、この方向性がさらに発展していると理解するのが適切です。

3.3 2017年：人工的な実験環境と染色体環境の違いが明らかになる

MPRAの発展において、もう一つ重要な研究が、Inoueらによる2017年の比較研究です[13]。

従来の多くのMPRAでは、レポーター構成が染色体外に存在するepisomal MPRAが使用されていました。

しかし、染色体外のDNAは、天然のゲノムに存在するDNAと同じクロマチン環境に置かれているわけではありません。

Inoueらは、染色体外のMPRAと染色体内に組み込むMPRAを比較し、両者の測定結果に相当な違いが生じることを示しました。

この結果は、MPRAによって測定される活性が、配列だけでなく、実験系の構成にも依存していることを示しています。

この問題への対応として、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が重要な役割を果たすようになりました[5][13]。

ただし、lentiMPRAでも、本来のゲノム位置に配列を戻すわけではありません。

ランダムな位置への組み込みによって、染色体環境の影響を取り入れることはできますが、天然の遺伝子座における制御機能を完全に再現するわけではありません。

3.4 2020年：MPRAの測定値は実験方式によって変わる

Kleinらは2020年、2,440の候補エンハンサーと対照配列を使用し、9種類のMPRA方式を比較しました[14]。

この研究では、MPRAの方式によって測定値の再現性、ダイナミックレンジ、配列特徴との関係などに違いが生じることが示されました。

さらに、同じエンハンサーを192 bp、354 bp、678 bpの異なる長さで測定したところ、活性に相当な違いが生じました。

一方、配列の向きについては、この研究で評価した配列群と実験方式では、活性が概ね向きに依存しないことも確認されています。

この結果は、MPRAの限界を理解するうえで重要です。

MPRAで測定される活性は、配列そのものに完全に固有で、実験条件から独立した単一の物理量とは限りません。

どの範囲を配列として切り出すか、どのプロモーターと組み合わせるか、どの実験方式で測定するかによって、結果が変化する可能性があります。

3.5 研究史から見たMPRAの位置づけ

ここまでの研究史を整理すると、次のようになります。

時期 主な研究・技術 研究上の進歩
従来型レポーターアッセイ 個別の制御配列を用いた実験 配列がレポーター発現に与える影響を調べる
2000年代 ChIP-seqなどのゲノム解析 大量の候補制御領域を発見する
2012年 MelnikovらのMPRA研究 大量の配列を並列測定し、活性のモデル化と配列最適化を行う
2015〜2016年 DeepBind、DeepSEA、Basset DNA配列から制御に関連する特徴を深層学習する
2017年 Inoueらの比較研究 染色体外と染色体内の測定結果の違いを明らかにする
2020年 KleinらのMPRA比較研究 配列長や実験構成への依存性を体系的に評価する
2021年 Enformer 長距離のゲノム文脈を考慮した予測を発展させる
2025年 Agarwal、Inoueらの大規模MPRA 68万以上の配列の機能測定と深層学習を実現する
2025〜2026年 Borzoi、AlphaGenome 長距離配列から多様なゲノム機能を予測する
2026年 PARM MPRAを用いたプロモーター活性の予測・解釈・設計を発展させる

この研究史から分かるのは、MPRAが単なる測定の大規模化だけでなく、DNA配列の制御能力をどのように定義し、測定し、モデル化するかという研究を発展させてきた技術だということです。

同時に、MPRAの研究史は、測定技術の進歩とともに、その測定値が何を意味しているのかを検証してきた歴史でもあります。

4. MPRAとは何か：何を直接測定しているのか

4.1 MPRAの基本的な仕組み

典型的なエンハンサーMPRAでは、調べたいDNA配列をレポーター遺伝子と組み合わせ、細胞に導入します[5]。

概念的な測定の流れは、以下のようになります。

DNA element

↓

Minimal promoter + Reporter

↓

Barcode RNA量 / Barcode DNA量

↓

Regulatory activity

対象配列とバーコードを対応づけることで、多数の配列の活性を同時に測定できます。

一般的には、RNA量をDNA量で正規化した値から、配列ごとの活性を定量します。

例えば、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)は対象DNA配列、(A(s))はその配列の測定活性です。

実際の解析では、バーコード間の集約、正規化、対照配列との比較などが必要になります。

重要なのは、MPRAが単にDNA配列の存在やクロマチンの状態を調べるのではなく、実験で設定したレポーター系において、その配列がどの程度の発現出力を生み出すかを測定することです。

ただし、RNA量は転写速度だけでなく、RNAの安定性、加工、バーコード、実験構成などの影響を受ける可能性があります。

したがって、RNA/DNA比を、あらゆる条件における純粋な転写速度と同一視することはできません。

4.2 episomal MPRAとlentiMPRAの違い

MPRAには複数の実験方式があります。

代表的な違いの一つが、レポーター構成が染色体外に存在するか、染色体に組み込まれるかです。

比較項目 episomal MPRA lentiMPRA
DNAの存在位置 主に染色体外 染色体内に組み込まれる
主な特徴 プラスミドなどを利用して配列活性を測定する レンチウイルスを用いてレポーターをゲノムに導入する
クロマチン環境 天然の染色体環境とは異なる 染色体環境の影響を受ける
ゲノム位置 天然の位置を再現しない 通常は本来と異なる位置に組み込まれる
主な限界 染色体外の実験環境への依存 組み込み位置、コピー数、挿入環境への依存

lentiMPRAは、episomal MPRAよりも染色体内での配列活性を評価できる点で重要です[5][13]。

ただし、「染色体に組み込まれていること」と「天然の遺伝子座を再現していること」は異なります。

この区別は、MPRAの結果を生体内の遺伝子制御に結びつける際に非常に重要です。

4.3 観察的なゲノムデータとMPRAの教師データ

MPRAと従来のゲノム測定技術を比較すると、次のようになります。

比較項目 観察的なゲノム測定 MPRA
主な測定対象 クロマチン状態、転写因子結合、ヒストン修飾など レポーター系における配列の制御活性
代表的な技術 ATAC-seq、ChIP-seq、DNase-seq MPRA、lentiMPRA
得られる情報 天然のゲノム環境における生化学的特徴 実験条件下で配列が発揮する機能的活性
機械学習での役割 制御機能に関連する特徴を学習する レポーター活性を直接的な教師データとして学習する
主な制約 観察された特徴が因果的な機能とは限らない 天然のゲノム環境を完全には再現しない

従来の解析を概念的に表すと、次のようになります。

DNA sequence → ATAC / ChIP / Histone mark → Enhancer候補

一方、MPRAでは以下の関係を測定できます。

DNA sequence → Measured reporter activity

この違いは、機械学習の観点から重要です。

ただし、ここでいう「直接的な教師データ」とは、MPRA活性という予測対象について直接実測されたデータである、という意味です。

天然の標的遺伝子の発現量や疾患表現型について、同じように直接的な正解データになるわけではありません。

5. 2025年の大規模MPRA研究が実現したこと

5.1 68万以上の制御配列候補を測定

Agarwal、Inoueらによる2025年のNature論文は、大規模なlentiMPRAと深層学習を組み合わせた重要な研究です[1]。

この研究では、以下の3種類のヒト細胞が使用されました。

  • HepG2
  • K562
  • WTC11

これらの細胞において68万以上のcCRE候補を測定し、約41.7%が実験条件下で機能的な制御活性を示したと報告しています。

また、約6万の共通配列を3種類すべての細胞系で測定することで、cell-type specificity（細胞種特異性）を比較しています。

この規模で配列の機能を実験的に測定できたことは、ゲノム機械学習にとって大きな意味を持ちます。

ただし、41.7%という数値は、全ヒトゲノムの制御配列候補の41.7%が生体内で機能するという意味ではありません。

この割合は、研究で選択された候補配列と、特定の細胞・レポーター条件・活性判定基準に依存した結果です。

5.2 MPRAデータから深層学習モデルを構築

研究では、測定結果を教師データとして、DNA配列から制御活性を予測するモデルを学習しています。

比較されたモデルには、以下があります。

  • MPRAnn
  • MPRALegNet
  • EnformerMPRA
  • SeiMPRA

特に興味深いのがMPRALegNetです。

MPRALegNetは、約130万パラメータの比較的小さなCNNでありながら、巨大な事前学習モデルの特徴量を利用するEnformerMPRAやSeiMPRAとも競争力のある性能を示しました[1]。

また、DNA配列を利用するモデルは、生化学的特徴量のみを用いるモデルよりも高い予測性能を示しています。

この結果は、モデルの巨大化だけがゲノムAIの進歩ではないことを示しています。

何を教師データとして与えるか、どのような実験によって正解を測定するかも、モデルの性能を左右する重要な要因です。

5.3 大規模MPRAが明らかにした細胞種特異性

同一のDNA配列でも、細胞の種類によって異なる制御活性を示す場合があります。

これは、転写因子の発現量や組み合わせ、細胞の状態などが異なるためです。

2025年の研究では、共通配列を複数の細胞系で測定することで、この細胞種特異性を実験的に比較しました[1]。

その結果は、DNA配列だけでなく、細胞の条件も制御活性を考えるうえで重要であることを示しています。

一方、3種類の細胞系で測定したことは、あらゆる細胞種や生体条件への一般化が確認されたことを意味しません。

例えば、未測定の一次細胞、分化過程にある細胞、患者由来の疾患細胞、薬剤刺激を受けた細胞でも同様の予測精度が得られるかは、別途検証する必要があります。

5.4 変異効果の予測

この研究では、DNA配列の変異によってMPRA活性がどのように変化するかについても予測性能が評価されています。

MPRALegNetの変異効果予測と、既存のMPRA saturation mutagenesisデータとの比較では、次のようなPearson相関が報告されています[1]。

対象領域 Pearson相関係数
SORT1 0.49
PKLR 0.65
LDLR 0.66
F9 0.51

これらの結果は、モデルがDNA配列の変異によるレポーター活性の変化を、一定程度予測できることを示しています。

一方、予測できていない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で測定された変異効果を対象としていることです。

天然の遺伝子座での発現変化や、疾患リスク、臨床的な表現型まで同じ精度で予測できることを意味するわけではありません。

5.5 天然のエンハンサー機能との対応はどこまで確認されたのか

2025年の研究では、MPRA活性とCRISPRiによる機能検証結果との関係についても評価されています[1]。

MPRA活性が高い配列群では、CRISPRiで機能が支持されたエンハンサーの割合が高くなる傾向が見られました。

最高活性群では、低活性群と比較して、その割合は約2倍でした。

一方、既存のActivity-by-Contact（ABC）モデルにMPRA活性を追加した場合、3つのCRISPRi研究のうち2つでは、エンハンサーと標的遺伝子の関係を判別する性能の改善はわずかでした。

この結果は重要です。

MPRAは配列の制御能力に関する情報を提供しますが、その情報が天然のエンハンサーと標的遺伝子の関係を予測するうえで、常に大きな追加価値を持つとは限りません。

天然の遺伝子制御を理解するためには、配列の活性だけでなく、クロマチン状態や標的プロモーターとの関係なども必要になります。

したがって、この研究はMPRAによる機能的教師データの大規模化という成果を示すと同時に、MPRA活性から生体内の制御機能へ推論することの難しさも示しています。

6. MPRAが暗黙の前提としていること

MPRAを理解するうえで重要なのは、その測定値をどのような生物学的な意味として解釈するかです。

ここでは、MPRAそのものの実験的な仮定と、MPRAの測定値を生体内の機能予測へ利用する際に必要になる仮定を区別して整理します。

これらの前提は、すべてが否定されているわけではありません。

一部は実験によって支持されており、一部は条件によって成立範囲が異なり、さらに一部は十分な検証が必要な問題として残されています。

6.1 前提1：短いDNA配列には独立して測定できる制御能力がある

MPRAの中心的な考え方は、DNA配列を本来のゲノム位置から取り出しても、その配列が持つ制御能力の一部は測定できるというものです。

これは、intrinsic regulatory activityやautonomous regulatory activityと呼ばれる考え方に関係します。

例えば、200 bp程度のエンハンサー候補を人工的なプロモーターと組み合わせ、その配列がどの程度レポーターの発現を促進するかを測定します。

この方法によって、短いDNA配列の機能を大量に比較できます。

しかし、実際のエンハンサーの機能は、200 bp程度の配列だけで完結するとは限りません。

周辺の転写因子結合部位、隣接配列、クロマチン構造、標的プロモーターとの相互作用などが影響する可能性があります。

2020年のKleinらの研究では、配列長を192 bp、354 bp、678 bpと変えることで、測定活性に相当な違いが生じました[14]。

したがって、MPRAで測定される配列の「固有の活性」は、どの範囲を配列として定義するかに依存する可能性があります。

未解決の問いは、DNA配列の制御能力をどこまで周辺環境から独立した性質として定義できるのか、ということです。

6.2 前提2：人工的なプロモーターでの活性は天然の制御機能と関係している

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組み合わせます。

そのため、実験から直接分かるのは、対象配列がそのプロモーターと組み合わされたときの活性です。

しかし、天然のゲノムでは、異なるエンハンサーとプロモーターの組み合わせによって、異なる制御関係が生じる可能性があります。

ある人工プロモーターで強い活性を示す配列が、天然のすべてのプロモーターでも同様に機能するとは限りません。

さらに、ある配列がエンハンサーとしての能力を持つことと、実際に特定の遺伝子を制御していることは異なります。

したがって、MPRAで活性があることは、その配列が天然の標的遺伝子を制御していることの直接的な証明にはなりません。

6.3 前提3：組み込み位置の違いを平均化すれば配列の効果を推定できる

lentiMPRAでは、レポーター構成を染色体内に組み込みます。

多数の独立した組み込み位置で測定することにより、特定の位置の影響を平均化し、配列に関連する活性を推定することができます。

この考え方は有用ですが、重要な制約があります。

第一に、ゲノム上の位置による影響が完全に消えるわけではありません。

第二に、配列ごとにクロマチン環境への感受性が異なる可能性があります。

例えば、配列Aは開いたクロマチン環境でのみ強い活性を示し、配列Bはさまざまな環境で安定して働くかもしれません。

両者の平均活性が同じでも、生物学的な特性は異なります。

第三に、平均化によって位置依存性そのものに関する情報が失われる可能性があります。

したがって、lentiMPRAが測定する平均的な活性と、天然のゲノム位置における活性は区別する必要があります。

未解決の問いは、配列の平均的な制御能力だけでなく、どのゲノム環境で活性化するかという条件依存性まで予測できるのか、ということです。

6.4 前提4：RNA/DNA比は転写制御活性の適切な指標である

MPRAでは、RNA量とDNA量の比を利用して配列の活性を評価します。

しかし、測定されるRNA量には、転写速度以外の要因も影響する可能性があります。

例えば、以下のような要因です。

  • RNAの安定性
  • RNAの加工やスプライシング
  • バーコードに関連する影響
  • レポーターのコピー数
  • 実験方式による系統的な違い
  • 測定深度や正規化方法

特に、対象配列そのものが転写産物に含まれるSTARR-seq系などでは、転写活性化の効果と転写後調節の効果を区別することが重要になります。

したがって、MPRAの測定値は転写制御活性の有用な指標ですが、純粋な転写速度だけを表すとは限りません。

6.5 前提5：ある細胞条件で学習した規則は他の条件にも一般化できる

MPRAを機械学習の教師データとして利用する場合、特定の条件で測定したDNA配列と活性の関係から、学習可能な規則が得られると考えます。

しかし、同じDNA配列でも、細胞の状態によって制御活性が変わる場合があります。

例えば、以下の条件が影響します。

  • Transcription factor abundance（転写因子の存在量）
  • Cell cycle（細胞周期）
  • Developmental state（分化・発生状態）
  • 細胞への刺激
  • 薬剤処理
  • 培養環境

つまり、MPRAに基づく機械学習モデルが学習しているのは、必ずしも普遍的な

DNA sequence → Regulatory activity

という関係ではありません。

より正確には、

DNA sequence + Cell state + Assay conditions → Measured regulatory activity

という関係の、特定の条件下での断面を学習していると考えられます。

このことは、MPRAモデルの予測性能を評価するときに重要です。

同じ細胞系・同じ実験方式での予測精度が高いことと、未知の細胞種や生体条件で高い予測精度が得られることは異なります。

6.6 前提6：短い配列から転写制御の文法を学習できる

MPRAを用いると、転写因子モチーフの位置、向き、間隔、組み合わせなどを体系的に調べることができます。

これはregulatory grammar（転写制御の文法）の研究につながります。

しかし、天然の転写制御には、複数のエンハンサー間の協調や冗長性、長距離のゲノム相互作用なども関係します。

したがって、短い配列から学習した規則だけで、天然の転写制御のすべてを説明できるとは限りません。

また、深層学習モデルのattribution（予測への寄与度）によって重要と判断されたモチーフが、そのまま因果的な生物学的機構を証明するわけではありません。

モデルが発見した統計的な規則と、実際の転写因子結合や転写制御機構との対応を確認するには、追加の実験が必要になります。

7. MPRAの課題と限界：何が検証できていないのか

ここまでの前提を踏まえると、MPRAの限界は単なる測定精度の問題ではありません。

MPRAが得意とする予測対象と、最終的に解明したい生体内の機能が異なることに、より根本的な問題があります。

7.1 天然のゲノム環境を完全には再現できない

MPRAでは、対象配列を本来のゲノム位置から取り出し、人工的なレポーター構成で測定します。

そのため、以下の情報が十分に再現されない場合があります。

  • 本来のゲノム位置
  • Chromatin state
  • 3D genome structure
  • 周囲数十kbからMbにわたるDNA配列
  • Enhancerとpromoterの接触
  • 隣接する制御配列との相互作用
  • Transcription factor abundance
  • Developmental state

lentiMPRAは染色体外の測定方式に比べて、染色体環境の影響を取り入れられます。

しかし、天然のゲノム位置を完全に再現するわけではありません[13]。

この限界は、MPRAによる活性の予測結果を、実際の遺伝子発現に外挿する際に問題になります。

7.2 「活性化する能力」と「生体内で必要な機能」は異なる

MPRAで活性が認められた配列は、特定の実験条件下でレポーターの発現を変える能力を持つと解釈できます。

しかし、それだけで、その配列が天然のゲノム内で特定の遺伝子発現に必要であることは証明できません。

例えば、複数のエンハンサーが同じ遺伝子を制御している場合、あるエンハンサーを除去しても発現量が大きく変化しない可能性があります。

一方、単独のレポーター系では強い活性を示さない配列が、天然のゲノム環境では重要な役割を果たす可能性もあります。

このため、MPRAとCRISPRによる機能検証は、異なる問いに答える技術です。

技術 主に答える問い
MPRA この配列は、特定の実験条件下でレポーター発現を変える能力がありますか？
CRISPRi 天然の遺伝子座で、この領域を抑制すると遺伝子発現は変わりますか？
CRISPRによる欠失 天然の遺伝子座で、この領域を取り除くと何が変化しますか？
塩基編集 特定の塩基変異が天然の遺伝子座でどのような影響を持ちますか？
表現型解析 遺伝子制御の変化は細胞や個体の性質を変えますか？

MPRAは、制御配列の能力を調べるうえで有用です。

一方、天然の遺伝子座における因果的な役割を明らかにするためには、CRISPRなどによる相補的な検証が重要になります。

7.3 標的遺伝子を直接特定できない

エンハンサーMPRAによって、ある配列が転写活性を持つことが分かったとしても、その配列が本来どの遺伝子を制御しているかは直接分かりません。

天然のゲノムでは、エンハンサーが遠く離れたプロモーターに作用する場合があります。

また、近くに存在する遺伝子が必ずしも標的遺伝子とは限りません。

したがって、MPRAの活性情報だけでエンハンサーと標的遺伝子の対応を完全に決定することはできません。

この問題を解くには、クロマチン接触、遺伝子発現、CRISPRによる介入実験などを組み合わせる必要があります。

7.4 配列長と実験方式への依存性

短い配列を使うMPRAでは、長距離の相互作用や周辺配列の影響を十分に評価できない場合があります。

2020年のKleinらの比較研究では、配列長が測定結果に大きな影響を与えることが示されました[14]。

また、実験方式によっても測定結果に系統的な違いが生じます。

したがって、異なるMPRA研究のデータを統合して機械学習に利用する場合には、実験方式、配列長、プロモーター、細胞系などの違いを考慮することが重要です。

7.5 候補配列の選択バイアス

MPRAでは、多数のDNA配列を測定できますが、実験に使用する配列は、あらかじめ選択される場合があります。

例えば、ATAC-seq、DNase-seq、ヒストン修飾、進化的保存性などの情報を用いて、制御配列候補を選ぶことがあります。

そのため、学習データはすべてのゲノム配列を均等に代表しているとは限りません。

この選択バイアスは、未知の配列への予測の一般化に影響する可能性があります。

7.6 大規模化と測定精度のトレードオフ

MPRAの大規模化によって、より多くのDNA配列を同時に測定できるようになりました。

しかし、ライブラリの規模が大きくなると、各配列について十分な測定深度や独立した測定回数を確保することが課題になります。

また、バーコード数、細胞への導入効率、配列ごとの表現量、シーケンシング深度などによって、測定の不確実性が変化します。

したがって、機械学習の教師データとしてMPRAを利用する場合には、配列数だけでなく、測定値の再現性や不確実性も重要になります。

7.7 課題の整理

課題 主な問題 必要な検証
天然ゲノム環境の欠落 本来の位置やクロマチン構造を再現できない 天然遺伝子座での機能検証
標的遺伝子の同定 活性のある配列がどの遺伝子を制御するか分からない CRISPRi、遺伝子発現、3Dゲノム情報との統合
細胞状態への依存 測定条件が変わると活性も変わる可能性がある 異なる細胞種・刺激条件での評価
プロモーター依存性 組み合わせるプロモーターによって活性が変わり得る 複数プロモーターとの組み合わせ実験
配列長の制約 周辺配列や長距離の効果を十分に捉えられない 異なる長さの配列での比較
実験方式の違い episomal MPRA、lentiMPRAなどで結果が異なる 実験方式間の標準化・比較
RNA測定への交絡 RNA量が転写以外の要因にも影響される 測定方式や転写後調節の影響の評価
配列選択バイアス 測定対象が特定の配列群に偏る 未測定配列群への一般化評価
測定ノイズ 測定深度やバーコードなどに依存する 再現性・不確実性の定量化
疾患・個体への一般化 レポーター活性と疾患表現型の間に距離がある 患者由来細胞、組織、個体での検証

重要なのは、これらの課題がすべて未検証というわけではないことです。

例えば、実験方式や配列長への依存性は、すでに体系的な比較研究によって確認されています[13][14]。

一方、これらの要因を統合して、天然のゲノム機能をどこまで正確に予測できるかについては、なお研究課題が残されています。

8. Enformerとの関係：長距離のゲノム文脈と機能的教師データ

8.1 Enformerは何を変えたのか

2021年に発表されたEnformerは、ゲノム機械学習における重要な転換点でした[6]。

それまでのCNNモデルでは、数百から数千bp程度の比較的短いDNA配列を入力として使用するものが多くありました。

これに対してEnformerは、Transformerを利用して、より長いゲノム領域の情報を予測に取り入れることを目指しました。

約200 kbの入力配列を扱い、数十から100 kb程度離れた領域からの影響もモデル化できるようにしました。

これにより、長距離のエンハンサーとプロモーターの関係を考慮しながら、遺伝子発現やクロマチン状態を予測する方向が発展しました。

Enformerは、MPRAによるsaturation mutagenesisデータに対する変異効果予測の評価にも利用されています。

8.2 EnformerとMPRAは異なる問題を解いている

Enformerと大規模MPRAは、競合する技術ではありません。

むしろ、異なる研究課題に取り組む相補的な技術です。

技術 主な進歩 重視する点
Enformer 長距離ゲノム文脈のモデル化 より広い範囲のDNA配列を考慮する
大規模lentiMPRA 制御配列の機能を大量に直接測定 実験的な制御活性の教師データを取得する

Enformer系のモデルは、広いゲノム文脈を入力として、生化学的特徴や遺伝子発現に関係する測定値を予測します。

一方、MPRAは、条件を制御した実験環境において、配列の制御能力を測定します。

MPRA系モデルは、主に短い配列の局所的な特徴を学習することに強みがあります。

Enformer系モデルは、長距離のDNA配列を考慮した予測に強みがあります。

ただし、長い配列を入力することだけで、実際のクロマチン状態や細胞内の動的な制御機構を完全に再現できるわけではありません。

両者を組み合わせる研究では、配列の局所的な能力と、天然のゲノム文脈における機能をどのように結びつけるかが重要になります。

9. BorzoiとAlphaGenome：予測対象はどこまで広がったのか

9.1 Borzoi：DNA配列からRNA-seq coverageを予測する

Borzoiは、DNA配列から細胞種・組織特異的なRNA-seq coverageを予測するモデルです[7]。

このモデルでは、DNA配列からRNAに関係する複数の制御段階を扱います。

  • Transcription（転写）
  • Splicing（スプライシング）
  • Polyadenylation（ポリアデニル化）

また、DNA変異がこれらの過程に与える影響も評価できます。

これにより、従来の

DNA → Chromatin

という関係を中心とする予測から、

DNA → RNA production / processing

という関係へと、予測対象が拡張されています。

ただし、BorzoiによるRNA-seq coverageの予測は、生体内のあらゆるRNA制御機構を因果的に再現することを意味するわけではありません。

9.2 AlphaGenome：長距離文脈と多様なゲノム機能を統合

AlphaGenomeは、2026年にNatureで発表された大規模なDNA配列モデルです[8]。

AlphaGenomeでは、約1 MbのDNA配列を入力として、多数の機能的ゲノム測定値を予測します。

対象には、以下が含まれます。

  • 遺伝子発現
  • 転写開始
  • クロマチンアクセシビリティ
  • ヒストン修飾
  • 転写因子結合
  • クロマチン接触
  • スプライシング関連の特徴

さらに、noncoding variant（非コード領域の変異）が、これらの機能に与える影響も評価できます。

これは、従来は別々に扱われることが多かった複数のゲノム測定対象を、統合的に予測する方向への進歩です。

ただし、AlphaGenomeも、DNA配列から生体内のすべての分子状態や細胞応答を再現するシミュレーターではありません。

予測するのは、主として学習された測定対象に対応するゲノム機能の指標です。

したがって、実際の細胞状態や治療応答を理解するためには、追加の実験や別の階層のモデルが必要になります。

9.3 技術的な発展の整理

ゲノム機械学習の進化を整理すると、次のようになります。

技術・モデル 主な予測対象・役割
PWM、Motif解析 転写因子が認識する配列パターン
DeepBind DNA・RNA結合タンパク質の配列特異性
DeepSEA 転写因子結合、DNase感受性、ヒストン修飾
Basset クロマチンアクセシビリティ
Basenji DNA配列からのゲノム機能予測
Enformer 長距離文脈を考慮した遺伝子発現・クロマチン関連の予測
MPRA・lentiMPRA 実験条件下における配列の制御活性の測定
MPRAnn・MPRALegNet MPRA活性の配列ベース予測
EnformerMPRA・SeiMPRA 既存の配列モデルの特徴をMPRA予測に利用
Borzoi DNA配列からRNA-seq coverageやRNA制御に関係する特徴を予測
AlphaGenome 長距離DNA配列から多様なゲノム機能を統合的に予測
PARM プロモーター活性の予測、制御文法の解釈、人工プロモーター設計

これらは一つの技術が別の技術を単純に置き換えてきた歴史ではありません。

予測対象、入力するDNA配列の長さ、実験的な教師データ、機能の解釈可能性など、異なる方向の研究が並行して発展してきました。

10. ゲノム文脈を切り離すことが機械学習のメリットになる理由

10.1 天然のゲノム環境には多くの要因が混在する

MPRAでゲノム文脈が失われることは、確かに重要な限界です。

しかし、regulatory grammarを学習するという目的に限れば、環境を単純化することは大きなメリットにもなります。

例えば、天然のゲノムにおいて、あるエンハンサーと関連する遺伝子が強く発現しているとします。

その発現量には、さまざまな要因が関係します。

Sequence

＋ TF concentration

＋ Chromatin

＋ 3D contact

＋ Promoter

＋ Neighboring elements

↓

Gene expression

このような状況では、観測された発現量に対して、DNA配列そのものがどの程度寄与しているかを切り分けることは容易ではありません。

10.2 MPRAは学習問題を単純化する

MPRAでは、プロモーターやレポーター構成、測定条件などを、実験内で可能な限り統一できます。

その結果、通常のゲノムデータに比べて、対象配列の違いによる影響を分析しやすくなります。

概念的には、

Sequence → Reporter expression

という関係に近づけることができます。

もちろん、実際には細胞状態や実験方式の影響も残ります。

それでも、複雑なゲノム環境の多くの要因を固定することにより、DNA配列と測定活性の関係を比較的明確な教師あり学習問題として定義できます。

この点に、MPRAの機械学習上の重要性があります。

10.3 Regulatory grammarの解読

MPRAデータを使って学習したモデルを解析することで、以下のような特徴を調べることができます。

  • どの転写因子のmotifが重要か
  • Motifの向き
  • Motifの位置
  • Motif同士の組み合わせ
  • Motif間の距離
  • Promoterとenhancerの違い

モデルのattributionを分析することで、DNA配列のどの部分が予測された制御活性に寄与しているかを推定できます。

これがregulatory grammarの研究です。

ただし、モデルが重要と判断したモチーフが、実際に転写因子によって結合され、予測された機能を果たしているかについては、追加の実験が必要になる場合があります。

また、MPRAから学習したregulatory grammarは、まずその実験条件で成立する配列の規則として理解する必要があります。

天然の遺伝子座でも同じ規則が成立するかは、別の検証課題です。

11. 2026年の進展：制御配列を予測するだけでなく設計する

11.1 PARMによるプロモーター活性の学習

2026年には、Nature論文「Regulatory grammar in human promoters uncovered by MPRA-based deep learning」が発表されました[9]。

この研究では、約1,000万のMPRA promoter fragmentsを使用して、PARM（Promoter Activity Regulatory Model）というCNNベースのモデルを学習しています。

PARMは、DNA配列からプロモーターの自律的な活性を予測するモデルです。

また、以下のような解析を行っています。

  • 転写因子motifの位置依存性
  • Motif同士の相互作用
  • 転写制御に重要な配列の特定
  • Synthetic promoter（人工プロモーター）の設計

特に重要なのは、転写因子のモチーフが存在するかどうかだけでなく、その位置や他のモチーフとの組み合わせが、制御活性にどう影響するかを調べている点です。

11.2 Measure → Learn → Interpret → Design

PARMのような研究の流れは、次のように整理できます。

Measure → Learn → Interpret → Design

つまり、以下の段階です。

  1. DNA配列の活性を実験的に測定します。
  2. 測定結果から機械学習モデルを構築します。
  3. モデルを解析し、転写制御に関係する配列の規則を推定します。
  4. 学習した規則を利用して、新しいDNA配列を設計します。

この方向性は重要ですが、2012年のMelnikovらの研究でも、MPRAを利用した配列の最適化が行われていました[12]。

したがって、2026年に初めて設計という段階が加わったわけではありません。

近年の進歩は、より大規模な測定データと深層学習を利用することで、複雑な制御文法を解析し、細胞種や条件に対応した配列設計を高度化していることにあります。

11.3 設計した配列は天然のゲノムでも機能するのか

PARMの研究では、強い活性を持つ人工プロモーターの設計が示されています[9]。

また、細胞への刺激や薬剤処理によって、プロモーターの制御関係が変化することも解析しています。

これは、制御配列の予測から設計へと研究を発展させる重要な成果です。

一方、設計した配列が特定のレポーター系で高い活性を示すことと、天然のゲノム環境や生体内で望ましい機能を果たすことは異なります。

例えば、肝細胞で強く働き、他の細胞では働かないエンハンサーを設計したい場合、限られた培養細胞での活性評価だけでは十分ではありません。

実際の組織や個体における細胞種特異性、安全性、長期的な安定性なども検証する必要があります。

この意味で、DNA配列の設計技術が進歩するほど、人工的な実験環境から天然の生体環境への一般化が重要になります。

12. 生体内シミュレーションに向けて何が不足しているのか

12.1 MPRA活性と生体内の遺伝子制御は異なる階層にある

生体内シミュレーションを考える際には、DNA配列から表現型までを、複数の階層に分けて捉えることが重要です。

概念的には、次のようになります。

第1階層：DNA配列の制御能力

↓

第2階層：天然のゲノム環境における活性

↓

第3階層：標的遺伝子の発現変化

↓

第4階層：細胞内の分子ネットワークの応答

↓

第5階層：細胞・組織・個体の表現型

MPRAが得意とするのは、主に第1階層です。

EnformerやAlphaGenomeのようなモデルは、長距離のゲノム文脈を考慮して、第2階層や第3階層に関係する測定対象を予測する方向を発展させています。

Borzoiは、RNA産生や加工に関係する予測を発展させています。

しかし、遺伝子発現の変化から、タンパク質量、代謝、シグナル伝達、細胞間相互作用、組織機能、疾患表現型までを説明するには、さらに多くの情報が必要になります。

したがって、MPRAの測定規模やモデルの予測精度が向上することだけで、生体内シミュレーションが完成するわけではありません。

12.2 MPRAの予測精度が高くても生体内の予測精度が高いとは限らない

機械学習モデルの性能を評価するときには、何を正解として評価しているかを明確にする必要があります。

例えば、MPRA活性を高精度に予測できるモデルがあったとします。

そのモデルは、同じMPRA方式で測定された未知の配列について、高い予測性能を示すかもしれません。

しかし、次の問題は別です。

  • 未知の細胞系におけるMPRA活性を予測できますか？
  • 天然のゲノム位置における制御機能を予測できますか？
  • 標的遺伝子の発現変化を予測できますか？
  • 非コード領域の変異による疾患リスクを予測できますか？
  • 治療目的で設計した配列の生体内での働きを予測できますか？

これらは、それぞれ異なる検証を必要とします。

2025年のAgarwal、Inoueらの研究でも、MPRA活性が天然のエンハンサー機能と関連することは確認されていますが、標的遺伝子の予測を大きく改善するとは限らないことが示されています[1]。

この結果は、異なる予測階層を区別する必要性を示しています。

12.3 MPRAの測定値を中間的な情報として利用する

ここからは、既存研究を踏まえた今後の研究方向に関する考察です。

MPRAの測定値を、生体内の機能についての最終的な正解と考えるのではなく、DNA配列の制御能力を表す中間的な実験情報として利用することが考えられます。

概念的には、次のような関係です。

[ A = f_{\mathrm{MPRA}}(S,C,R) ]

[ Y = g(A,G,P,X) ]

ここで、

  • (S)：DNA配列
  • (C)：細胞状態
  • (R)：レポーター実験条件
  • (A)：MPRAで測定されたレポーター活性
  • (G)：天然のゲノム・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・環境要因
  • (Y)：天然のゲノム環境における遺伝子制御への影響

を表します。

この式は、実証された生物学的法則ではなく、研究課題を整理するための概念モデルです。

また、MPRA活性という単一の値だけで、天然の機能を説明するために必要なすべての情報を表現できるとは限りません。

それでも、MPRAによって測定できる情報と、天然の遺伝子座における機能との違いを明示的にモデル化することは、重要な研究方向と考えられます。

13. 今後の研究課題：MPRAでまだ検証できていないこと

MPRAの研究をさらに発展させるには、測定できる配列の数を増やすことに加えて、測定結果がどの条件で天然の機能に一般化するのかを明らかにする必要があります。

特に重要と考えられる研究課題を整理します。

13.1 MPRA活性と天然ゲノム機能の対応関係を検証する

最も重要な課題の一つは、同じ配列についてMPRAと天然の遺伝子座での機能を比較することです。

例えば、MPRAで高い活性を示した配列が、CRISPRiによって抑制されたときに、実際の標的遺伝子の発現を変化させるかを調べます。

さらに、特定の塩基変異についてMPRAで予測された効果が、天然の遺伝子座における塩基編集でも再現されるかを確認します。

このような検証によって、MPRAの予測が成立する条件と、成立しにくい条件を体系的に調べることができます。

13.2 MPRAの予測が破綻する条件を学習する

MPRAの予測誤差そのものを研究対象にすることも重要です。

例えば、ある配列がMPRAでは強い活性を示すにもかかわらず、天然の遺伝子座では標的遺伝子への影響が小さい場合があります。

この不一致には、以下のような要因が関係している可能性があります。

  • クロマチン状態
  • 3Dゲノム構造
  • 標的プロモーターとの接触
  • 周辺制御配列との協調や冗長性
  • 細胞の状態
  • 対象配列の長さ

このような不一致を大量に収集できれば、配列の潜在的な制御能力が、どの条件で実際の機能として現れるかを学習できる可能性があります。

これは、MPRAの限界を単に補正するだけでなく、遺伝子制御の文脈依存性そのものを理解する研究につながります。

13.3 未測定の細胞種や疾患条件への一般化を検証する

2025年の大規模MPRA研究では、3種類の細胞系が使用されました[1]。

しかし、実際の生体には、多様な細胞種と状態があります。

また、正常な細胞と疾患状態の細胞では、転写因子の存在量や制御ネットワークが異なる可能性があります。

今後は、以下のような条件での検証が重要になります。

  • 未学習の細胞種
  • 一次細胞
  • 分化過程にある細胞
  • 患者由来の疾患細胞
  • 薬剤処理を受けた細胞
  • オルガノイド

特に、学習時に使用していない細胞種や疾患条件に対する予測精度を、独立したデータで評価することが重要です。

13.4 エンハンサーとプロモーターの組み合わせを検証する

MPRAでは、人工的な最小プロモーターを使用することがあります。

しかし、実際の遺伝子制御では、エンハンサーとプロモーターの組み合わせが重要になる可能性があります。

したがって、同じエンハンサーを複数のプロモーターと組み合わせて測定する研究が重要です。

こうした実験によって、配列に共通する制御能力と、特定のプロモーターに依存する機能を分離できる可能性があります。

13.5 MPRAデータが長距離配列モデルにどれだけ追加価値を与えるか

EnformerやAlphaGenomeのようなモデルは、広いDNA配列の文脈から多様なゲノム機能を予測します。

一方、MPRAは、短い配列の実験的な制御能力について、大量の情報を提供します。

両者を組み合わせることで予測精度が向上する可能性があります。

しかし、どの予測課題で、どの程度の追加価値が得られるかは、実験的に評価する必要があります。

特に重要なのは、MPRA活性そのものの予測性能だけでなく、天然の標的遺伝子の発現や変異効果に対する予測性能が改善するかどうかです。

13.6 AIが設計したDNA配列の生体内機能を検証する

MPRAに基づく機械学習は、望ましい活性を持つDNA配列の設計に利用できます。

例えば、特定の細胞種で強く発現するプロモーターやエンハンサーの設計が考えられます。

しかし、設計した配列がレポーター系で望ましい活性を示すことと、実際の生体内で望ましい機能を示すことは異なります。

特に、医療応用を考える場合には、以下のような問題を評価する必要があります。

  • 目的の細胞種で機能するか
  • 他の細胞種でも意図しない活性を示さないか
  • 長期的に安定した発現を維持できるか
  • 生体内の環境変化に対してどのように応答するか
  • 安全性上の問題が生じないか

13.7 研究課題の優先順位

生体内シミュレーションや創薬への応用という観点では、次のように研究課題を整理できます。

優先度 研究課題 主な検証方法
1 MPRA活性と天然の遺伝子制御機能の対応 MPRA、CRISPRi、塩基編集の比較
2 MPRA予測が成立しない条件の特定 クロマチン、3D接触、周辺配列との統合解析
3 未知の細胞種・疾患条件への一般化 一次細胞、患者由来細胞、オルガノイドでの検証
4 エンハンサーとプロモーターの適合性 複数の組み合わせによるMPRA
5 設計したDNA配列の生体内での妥当性 独立した実験系、組織、個体での検証
6 MPRAと長距離モデルの統合 MPRA情報の追加による独立した機能予測性能の比較

ここで示した優先度は、既存論文で確立された順位ではなく、生体内シミュレーションへの接続を重視した研究上の整理です。

14. 医薬品開発とSynthetic Biologyへの応用可能性

14.1 Genome annotationからsequence designへ

ゲノム解析の研究目的は、段階的に拡張してきました。

初期の重要な課題は、

Genome → Annotation

でした。

DNA配列のどこに遺伝子や制御配列が存在するのかを調べることが中心でした。

次に、機械学習の発展によって、

Genome → Prediction

という方向が進みました。

DNA配列から転写因子結合、クロマチン状態、遺伝子発現などを予測します。

さらに、MPRAによって、

Genome sequence → Experimentally calibrated function

という関係を、大量の機能測定データから学習できるようになりました。

そして現在は、

Desired function → Sequence design

という逆問題に取り組む研究が発展しています。

つまり、DNA配列から機能を予測するだけでなく、望ましい機能からDNA配列を設計する方向です。

14.2 望ましい発現特性を持つDNA配列の設計

例えば、従来は次のような問いが中心でした。

「このDNA配列は、どのくらい強く遺伝子発現を促進しますか？」

一方、配列設計では、次のような問いを扱います。

「肝細胞でだけ強く発現し、他の細胞では発現しないエンハンサーを設計できますか？」

また、特定の刺激に応答するプロモーターや、特定の細胞状態でのみ活性化する制御配列を設計することも考えられます。

PARMなどの研究は、こうした配列設計の方向性を発展させています[9]。

ただし、レポーター実験で実現した活性や細胞種特異性が、天然の組織や個体においても維持されるかについては、独立した検証が必要です。

14.3 医薬品開発で期待される応用

MPRAとゲノムAIの進歩は、以下のような分野への応用につながる可能性があります。

  • Gene therapyにおけるpromoterやenhancerの設計
  • Cell-type-specific vectorの開発
  • Synthetic Biology
  • 治療目的の遺伝子発現制御
  • Noncoding variantの機能評価

Agarwal、Inoueらの研究でも、大規模な機能測定データが制御配列の設計や治療目的のdeliveryにつながる可能性が指摘されています[1]。

また、PARMの研究では、細胞への刺激や薬剤処理などによるpromoter制御の変化を解析しています[9]。

将来的には、患者由来の細胞やオルガノイドを利用し、疾患進行、治療応答、創薬標的の理解に応用することも期待されます。

しかし、ここで重要なのは、応用可能性と、臨床的な有効性が実証されていることを区別することです。

MPRA活性の予測が高精度であっても、そのまま治療効果を予測できるわけではありません。

医薬品開発に利用するためには、天然のゲノム環境における制御機能、細胞の応答、疾患との因果関係、安全性などを段階的に検証する必要があります。

15. まとめ：MPRAはゲノムAIの教師データ側の革新であり、生体内機能との橋渡しが次の課題

Agarwal、Inoueらによる2025年のNature論文「Massively parallel characterization of transcriptional regulatory elements」は、ゲノムAIの研究史において重要な成果です。

その意義は、単にモデルの構造を大規模化したことではなく、DNA配列の制御活性を大量に実測し、機械学習が学習できる機能的な教師データの規模と質を向上させたことにあります。

一方、MPRAの研究史を振り返ると、この技術には従来のレポーターアッセイから受け継いだ根本的な課題があります。

それは、人工的な実験条件で測定した配列の制御能力が、天然のゲノム環境における制御機能とどこまで対応するのか、という問題です。

MPRAは、DNA配列の効果を比較しやすくするために、周囲のゲノム文脈を切り離します。

この単純化によって、配列と制御活性の関係を大量に学習できるようになります。

しかし、同時に、クロマチン構造、エンハンサーとプロモーターの相互作用、細胞状態、周辺の制御配列などの情報が失われます。

2017年と2020年の比較研究は、実験方式や配列長によって測定結果が変わることを示しました[13][14]。

2025年の大規模MPRA研究は、配列活性の測定と予測を飛躍的に発展させましたが、天然の標的遺伝子の予測に対する追加的な価値が限定的な場合もあることを示しました[1]。

このことは、MPRAの価値を否定するものではありません。

むしろ、MPRAが測定する対象と、天然の遺伝子制御機能を明確に区別することの重要性を示しています。

現在のゲノムAIの発展には、少なくとも次の2つの重要な方向があります。

第一は、長距離のゲノム文脈を考慮し、多様な機能を予測する方向です。

Enformer、Borzoi、AlphaGenomeなどがこの方向を発展させています。

第二は、機能的な実験データからDNA配列の制御文法を学び、望ましい機能を持つ配列を設計する方向です。

大規模MPRA、MPRALegNet、PARMなどがこの方向を発展させています。

これらは相補的な技術であり、今後は両者の接続が重要になると考えられます。

ただし、より重要なのは、単純に長距離配列モデルとMPRAデータを組み合わせることではありません。

MPRAによって測定された配列の制御能力が、どのようなゲノム環境、細胞状態、標的遺伝子との関係の中で、実際の生物学的機能として現れるのかを解明することです。

そのためには、MPRAとCRISPRによる天然遺伝子座の機能検証、クロマチン情報、遺伝子発現データ、細胞・組織レベルの実験を組み合わせる必要があります。

また、MPRAによる予測が成立する条件だけでなく、予測が成立しない条件を体系的に研究することも重要です。

この視点に立つと、MPRAの限界は単なる技術的な欠点ではありません。

DNA配列に潜在する制御能力が、どのような条件で実際の生命現象として現れるのかという、遺伝子制御の根本的な問いにつながっています。

MPRAは、生体内の遺伝子制御を完全に再現する技術ではありません。

しかし、DNA配列と機能の関係を実験的に解明するための重要な基盤です。

今後の生体内シミュレーションや医薬品開発においては、MPRAで得られる大量の機能データと、天然のゲノム環境での因果的な機能検証を結びつけることが、重要な研究方向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] Alipanahi, B., Delong, A., Weirauch, M. T., and Frey, B. J., “Predicting the sequence specificities of DNA- and RNA-binding proteins by deep learning,” Nature Biotechnology, 33, 831–838, 2015. https://doi.org/10.1038/nbt.3300

[3] 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

[4] Kelley, D. R., Snoek, J., and Rinn, J. L., “Basset: learning the regulatory code of the accessible genome with deep convolutional neural networks,” Genome Research, 26, 990–999, 2016. https://doi.org/10.1101/gr.200535.115

[5] Gordon, M. G., Inoue, F., Martin, B. et al., “lentiMPRA and MPRAflow for high-throughput functional characterization of gene regulatory elements,” Nature Protocols, 15, 2387–2412, 2020. https://www.nature.com/articles/s41596-020-0333-5

[6] 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

[7] Linder, J., Srivastava, D., Yuan, H. et al., “Predicting RNA-seq coverage from DNA sequence as a unifying model of gene regulation,” Nature Genetics, 57, 949–961, 2025. https://www.nature.com/articles/s41588-024-02053-6

[8] 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

[9] Barbadilla-Martínez, L., Klaassen, N., Franceschini-Santos, V. H. et al., “Regulatory grammar in human promoters uncovered by MPRA-based deep learning,” Nature, 651, 1107–1116, 2026. https://www.nature.com/articles/s41586-025-10093-z

[10] Agarwal, V., Inoue, F., Schubach, M. et al., “Massively parallel characterization of transcriptional regulatory elements,” PubMed Central, 2025. https://pmc.ncbi.nlm.nih.gov/articles/PMC11903340/

[11] “Massively parallel reporter assays for investigating gene regulation,” Nature Reviews Genetics, 2026. https://www.nature.com/articles/s41576-026-00944-4

[12] Melnikov, A., Murugan, A., Zhang, X. 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

[13] Inoue, F., Kircher, M., Martin, B. 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

[14] Klein, J. C., Agarwal, V., Inoue, F. 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