UKシリーズ Part 2：データで走る英国：UK Biobank WGSと多集団GWASが変える創薬地図

要旨｜英国の強みは「質と量を兼ね備えた公的データ基盤」にあります。約49万人規模の全ゲノムシーケンス（WGS）で非コード・希少変異・構造変異まで射程を広げ、さらに多集団GWAS（Pan-UK Biobank）が祖先集団の多様性を前提とした解析を推進。RAP（UKB Research Analysis Platform）や公開ポータル群が「持ち出さない解析環境」を整え、Genomics England／Our Future Healthとの接続で、標的妥当性・安全性予測・層別化・再配置（リポジショニング）までの実務を前倒しにします。

1. 英国のデータ基盤：三本柱の全体像

• UK Biobank（UKB）：バイオバンク横断の表型・生活歴・画像・検体に加え、全ゲノム配列（WGS）を提供。解析は原則クラウド上の安全環境で実施。
• Genomics England（GEL）：臨床ゲノミクス（Rare/Oncology等）とNHS現場に近い実装を担当。診断・治療への直結が強み。
• Our Future Health（OFH）：大規模予防コホート。生活習慣・予防医療・早期介入の観点でUKBと補完。

この三者は役割が重ならず、研究から臨床・予防までの縦断的なデータ動線を形成します。

2. UK Biobank WGSの核心：網羅性が変える探索の精度

2-1. カバレッジとスケール

• 規模：約49万人のWGS。平均30倍を超える深さでシーケンス。
• 変異の広がり：約10億～15億スケールのバリアントが可視化され、アレイやWESでは取りこぼす領域まで到達。

2-2. 非コード・希少変異・構造変異

• 非コード領域：調節配列の希少変異が疾患感受性や薬理反応を左右しうる。機能アノテーションと併用して標的確度を高める。
• 希少変異：ロスオブファンクションやミスセンスの人間ノックアウトは、標的の有効性・安全性仮説の強力な材料。
• 構造変異（SV）：コピー数変化、インデル、転座などのイベントが、従来のパネルでは把握困難だった疾患表現型や薬効差の説明に寄与。

2-3. マルチモーダル連携

• 医療記録・処方歴・検査値：縦断的な実臨床データとWGSの接続で因果仮説を補強。
• 画像・オミクス：MRIやプロテオーム、メタボロームとの統合で、Variant → Pathway → Phenotypeの流れを立体化。

3. Pan-UK Biobank：多集団GWASが開く公平性と移植性

3-1. なぜ多集団か

• 祖先集団多様性：効果量や疾患リスクは祖先集団により偏ることがある。多集団解析は真の因果座位の特定と外挿性の向上に有効。
• PRS（多遺伝子リスクスコア）：欧州系のみで学習したPRSは他集団で性能劣化しがち。多集団学習で公平性・再現性を底上げ。

3-2. 解像度の向上と細分化

• ファインマッピング：連鎖不平衡の違いを利用すれば、因果候補バリアントの絞り込みが進む。
• 祖先特異的効果：ancestry-enriched effectsの発見により、層別化や薬剤反応の分布理解が深まる。

4. 使い方の実務：RAPと公開ポータル群

4-1. RAP（UKB Research Analysis Platform）

• データ持ち出し不可型：研究者はクラウド環境に入り、承認データをその場で解析。セキュアで再現可能。
• 標準ツール群：Jupyter/Spark/BigQuery等で大規模ゲノムと表型を統合解析。

4-2. 公開ポータルの活用

• アリル頻度ブラウザ：稀少変異の背景頻度を素早く確認。
• GWASカタログ／PheWAS：関連座位と多表現型関連を俯瞰し、オフターゲット様シグナルも早期に把握。
• SVサマリー：構造変異の分布と表現型リンクの手がかりを探索。

5. 創薬・臨床のユースケース

• 標的妥当性の強化：LoFキャリアの表現型や安全性プロキシを読み解き、Go/No-Goの判断を前倒し。
• バイオマーカー設計：バリアント情報を組み込んだ層別化で、試験サイズ・期間を最適化。
• 安全性予測：薬物標的周辺遺伝子の自然変異から、オン／オフターゲットの安全限界を推定。
• 再配置（リポジショニング）：表現型の多面性から新適応を抽出。

6. データガバナンスと倫理：信頼される基盤

• 同意と透明性：参加者の同意枠組みと、研究目的外利用の制限を明確化。
• プライバシー：疑似匿名化・アクセス監査・成果物審査でリスクを最小化。
• 公平性：多集団設計で集団間バイアスを緩和し、外挿性を担保。

7. 実務チェックリスト（保存版）

1. リサーチクエスチョンを因果仮説まで言語化（対象表現型・候補経路・安全性懸念）。
2. WGSと表型の最小必要セットを定義（共変量・除外基準・QC基準）。
3. 多集団での再現性計画（転移学習／メタ解析／PRS移植性テスト）。
4. RAP上の解析計画（必要計算資源・セキュリティ・成果物申請フロー）。
5. 臨床試験・アクセス戦略との往復設計（第3・4部と接続）。

8. 第3部へのブリッジ：研究成果のトランスレーション

次回は、WGSと多集団GWASから生まれる具体的な研究成果を、標的妥当性・バイオマーカー・適応設計・安全性の観点で整理し、創薬・臨床へと翻訳する実務の流れを解説します。

---

次回予告：第3部「WGS×GWASの実力：創薬標的、バイオマーカー、適応設計の最前線」では、ケース断片も交えて“使い方”に踏み込みます。

本記事は Morningglorysciences チームによって編集されました。