機器學習揭示冠狀動脈疾病的「罕見基因變異」—實現高精度風險預測的個人化預防

千葉大學研究所醫學研究科的伊藤薫教授（理化學研究所生命醫科學研究中心客座主管研究員）與理化學研究所生命醫科學研究中心的研究生家城博隆（研究當時）的研究團隊，為了解罕見基因變異對日本族群罹患冠狀動脈疾病（註1）的影響，進行了利用機器學習的全基因組分析。結果顯示，他們大幅提高了傳統方法難以實現的罕見基因變異疾病風險分層的準確性。這項成果預期能實現針對個人遺傳特徵的精確評估，進而實現未來的個人化預防和最佳醫療策略。

本研究成果已於2026年6月4日在學術期刊Circulation：Genomic and Precision Medicine上發表。 （論文連結：10.1161/CIRCGEN.125.005341）

圖：冠狀動脈疾病全基因組分析的機器學習框架

研究背景

心肌梗塞等冠狀動脈疾病是全球主要的死因之一。據估計，其發病有超過50%的比例與遺傳因素有關（參考文獻）。為了預防此類疾病，準確預測「罹病傾向」至關重要，但傳統方法未能全面闡明每個人所擁有的罕見基因變異如何影響疾病。因此，本研究試圖透過利用機器學習詳細檢查日本族群的遺傳資訊，捕捉先前被忽略的層面，以建立一種能更精確預測未來疾病風險的新方法。

研究成果重點

1. 突破了傳統分析方法的限制，確定了59個相關基因。這揭示了不僅脂質代謝，還有免疫功能和血小板功能等多樣機制與疾病有關。

2. 基於已確定的罕見基因變異數據，新開發了量化個人疾病風險的「罕見變異分數（RVS）」（右上圖）。RVS不僅能區分疾病是否存在，還能預測長期的心血管疾病死亡率，顯示其在臨床上預測疾病嚴重程度的潛在價值。

3. 將RVS與目前主流的多基因風險分數（註3）（PRS）進行比較後發現，RVS反映了PRS無法捕捉的獨特遺傳風險。此外，透過結合這兩個分數構建的「整合風險分數」，實證了疾病預測準確性的大幅提升（右下图）。

未來展望

本研究成果為基於先前被忽略的罕見基因變異進行高精度個人化風險預測，以及構建精準個人化醫療的基礎提供了可能。未來，我們希望透過多組學分析來闡明更全面的疾病系統。

術語解釋

註1）冠狀動脈疾病：指心臟肌肉的血液和氧氣供應血管（冠狀動脈）因動脈硬化等原因變窄或阻塞的疾病總稱。代表性的疾病包括心肌梗塞和心絞痛。

註2）罕見基因變異：個人遺傳資訊（基因組）中與疾病相關的微小差異稱為「基因變異」。其中，僅極少數人擁有的罕見基因差異稱為「罕見基因變異」。

註3）多基因風險分數：透過加總數萬至數百萬個基因組（遺傳資訊）上的個體差異，量化該個體未來罹患特定疾病風險的指標。

論文資訊

標題：Machine Learning Reveals the Contribution of Rare Genetic Variants and Enhances Risk Prediction for Coronary Artery Disease in the Japanese Population

作者：Hirotaka Ieki, Sai Zhang, Satoshi Koyama, Martin Kjellberg, Hiroki Yoshida, Ryo Kurosawa, Hiroshi Matsunaga, Kazuo Miyazawa, Nobuyuki Enzan, Changhoon Kim, Jeong-Sun Seo, Koichiro Higasa, Kouichi Ozaki, Yoshihiro Onouchi, The Biobank Japan Project, Koichi Matsuda, Yoichiro Kamatani, Chikashi Terao, Fumihiko Matsuda, Michael Snyder, Issei Komuro, Kaoru Ito

期刊：Circulation: Genomic and Precision Medicine

DOI：10.1161/CIRCGEN.125.005341

參考文獻

標題：Heritability of death from coronary heart disease: a 36-year follow-up of 20 966 Swedish twins

期刊：Journal of Internal Medicine

DOI：10.1046/j.1365-2796.2002.01029.x.

研究項目介紹

本研究由日本醫療研究開發機構（AMED）的創新尖端研究開發支援事業（PRIME）「闡明性別差異、個體差異的機制與創造預測技術」研究開發領域下的課題「由靜態、動態多組學融合驅動的循環器多因子疾病系統的闡明與預防醫療的實現」提供支援。 關鍵詞: