| 平成７年度 委託研究ソフトウェアの提案 |
同じ生物種内には多数の個体が存在するが，それらの中では，同一種類の遺伝 子といっても，個体によって微妙に塩基配列が異なっている。このため，同一 の遺伝子でも，生物種ごとに多個体の遺伝子系統樹（遺伝子系図と呼ぶことが 多い）を作成することがよく行なわれる。もっとも多く研究されているのは， ミトコンドリアＤＮＡであり，ヒトではすでにミトコンドリアＤＮＡ（約５０ ０塩基の領域）が１０００人以上で調べられている。
ひとつの生物を構成しているすべての遺伝子セットの最小単位を「ゲノム」と 呼ぶが，ヒトゲノムの場合，約３０億個の塩基からなりたっている。このなか には，約７万〜８万個の遺伝子が含まれると推定されている。したがって，潜 在的な遺伝子系統樹の種類数は数万個にのぼる。
このように，遺伝子系統樹を作成するというのは，進化学のみならず，現代生 物学にとって重要な課題である。しかしながら、実際の分子系統樹の可能な樹 形数は，比較する配列を増やしてゆくと急速に増加する。例えば、ｎ本の配列 に対して可能な無根系統樹の樹形数は，(2n - 5)! / [2(n-3)乗× (n - 3)!] である。従って、このような組み合わせ爆発を克服し、実際の遺伝情報データ ベースのデータに適用可能なアルゴリズムを構築することが重要である。
分子進化系統樹の作成法には、大きくわけてふたつのカテゴリーが存在する。 ひとつが距離行列法であり、もうひとつが形質状態法の一種である最尤法であ る。本研究は信頼性は高いが非常に高い計算コストの点で見捨てられていた最 尤法に焦点をあて、その並列環境上での実装を考える。その際、信頼性は乏し いが経験的アプローチで高速推論可能な距離行列法の融合を考え、実際の遺伝 情報データに対して適用可能にする。
最尤法を用いた分子進化系統樹作成法は、他の方法に比較してロバストネス が高く、今まで扱いにくかった遺伝子データの解析手法として期待されている。 しかし、この方法は非常に高い計算コストを要求するため、実際のデータ解析 に使われることは少なかった。本研究では、KL1/KLICを用い、この方法の並列 マシンへの実装を行い、現実的な遺伝情報解析プログラムの実現を目指してい る。今まで、アミノ酸データを扱える、最尤法による分子進化系統樹作成プロ グラムが並列環境に実装された例はほとんどないが、本プログラムはDNA、ア ミノ酸両データを扱うことが可能である。現在、予備実験により、PIM/m上で 64PE当たり約35倍の台数効果を達成している。
もし全く恣意的に仮説空間を生成した場合、ほとんど無意味な探索に膨大な 時間を割かねばならない。今後の課題はいかに最尤系統樹の候補を絞り込み、 探索空間を縮小するかである。その方法のひとつは、積極的に距離行列法と組 み合わせることにより、両者の短所を補い合うアルゴリズムを構築することで あろう。二つ目の課題は、本プログラムがサーバマシン上で動作する可能性が 高いことから、系統樹というグラフィカルな情報を扱うための、適切なユーザ インターフェースをいかに提供するかということである。これ以外にも、マル チプルアラインメントやアミノ酸置換行列の推定を分子進化系統樹作成アルゴ リズムに取り込むことなど課題は山積みしているが、上に述べた二つの点が当 面の重点課題となる。
分子進化系統樹とは、生命がいかに進化してきたかを分子レベルで表現した 系統樹である。古典的な意味での系統樹は、生物の表現型（つまり形態）の変 化を化石資料などをもとに推定して得られたものであった。したがって、この 方法論には、基準となるべき客観的な尺度が必ずしもあるわけではなかった。 一方、分子生物学の発展にともない、我々は生命の設計図である遺伝情報を容 易に手に入れることができるようになった。この離散的な遺伝情報をもとに生 命の進化を分子レベルで調べようとする学問が分子進化遺伝学であり、そのた めの強力な表現手段となるのが分子進化系統樹である。
分子進化系統樹の作成法には、大きくわけてふたつのカテゴリーが存在する。 ひとつが距離行列法であり、もうひとつが形質状態法である。
距離行列とはDNAやアミノ酸配列間の遺伝的な距離（推定突然変異数）を行 列にしたものである。距離行列法はこの遺伝的な距離を用いて進化系統樹を推 定する。一般に、距離行列法では、距離行列そのものの計算を非常に簡単にで きるので、高速な推論が可能である。しかし、遺伝情報の持つすべての情報を 使っているわけではないので、進化的な変異が大きくなると誤った結果を導く 可能性がある。
一方、形質状態とは、遺伝情報のつらなり（配列）そのものを指す。形質状 態法では配列の一座位ごとに進化的関係を推定し、これをもとに全体の進化系 統樹を再構成する。特に最尤法は、あからじめ与えた進化モデルと矛盾しない 範囲内で、信頼性の高い系統樹の推定が期待できる。しかし、それとは裏腹に 非常に高い計算コストが要求され、現在のところまだ一般的な方法とは言えな い。
最尤法の計算量の問題を緩和する方法のひとつは、最尤系統樹推定アルゴリ ズムの並列環境への実装であろう。本研究では、新世代コンピューター開発機 構で開発した並列論理型言語KL1/KLICを用いて、最尤系統樹推定プログラム群 go/0（仮名）を作成する。使用する計算機環境は、UNIXワークステーション、 PIMOS(PIM/m)である。UNIXベースの超並列マシンを使用することも考慮に入れ ている。
現段階においては、traverse/3とcontour/1という試作プログラムの開発がほ ぼ終了している。この試作プログラムでは、樹形空間の生成は人手で行わなく てはならない。現実のデータ解析においては、樹形空間（つまり仮説空間）の 生成の自動化を行う必要がある。樹形空間はきわめて膨大であるので、完全探 索は現在の計算機技術をもってしては不可能であると思われる。仮説空間を縮 小するためのヒューリスティックスとしては、簡単な樹形に次々に新しい枝を つけ加えてゆく方法や、星型系統樹を用いる方法がある。特に前者は、枝の交 換と組み合わせることにより、ローカルマシキマムに陥る可能性をある程度排 除することができる。また、枝長空間の探索を捨てて、樹形空間の完全探索の みを行う方法も提案されている。しかし、いずれの方法も最適解を保証してい るわけではない。より根本的で効率的な方法の研究が必要である。上に述べた ように、正しい多重整列やアミノ酸の置換行列の推定方法に関する問題も解決 しなければならない。厳密に言えば、この二つを含めた統合的なシステムの構 築なしには、理想的な進化モデル推定プログラムの実現は不可能であるが、あ まりに膨大な計算量を扱わなければならないことが予想されるので、本研究で は扱わない予定である。
本研究では、現実のデータから進化モデルを推定するための枠組みとして、並 列環境における最尤法の有効性を確認する。このことを第一ステップとして、 複雑かつ多様な大量データを効率的に処理するシステムのインプリメント言語 としてKL1/KLICが有効であることを実証する。
このプログラムのプロトタイプである性能評価用試作版についての特徴は以 下のようになっている。
traverse/3にはver.0.1とver.0.2のふたつの版がある。ver.0.1は基本的で 単純なアルゴリズムを採用し、ver.0.2は高速化のために改良したアルゴリズ ムを採用している。用いる配列の数が多いほど、ver.0.2のver.0.1に対する効 率は際だってくる。配列の数が6のとき、ver.0.2はver.0.1の約320倍の速さで 処理を行うことができる。
現実のデータを適度な時間内に処理するためには、ver.0.2を用いる必要が あるが、より多くのメモリを消費するので、公開されるtraverse/3はこの点に ついて考慮をする必要がある。
また、このプログラムのもう一つの目的は、多量の対数尤度計算を通して、 効果的な負荷分散の方法を見つけることである。contour/1はデータに応じて、 いくつかの並列実行方法のいずれかを選択することができ、その比較が可能で ある。つまりこのプログラムは、疑似的にトポロジー空間の探索の際の負荷分 散の様子を実現しているので、この結果から実際の最尤系統樹探索の効率につ いてある程度の予想を立てることができる。
www-admin@icot.or.jp