〜 おへその乱読1000本ノック #0056 ～ 脊椎動物の寿命を予測するゲノム指標

　第56回『おへその乱読1000本ノック』へようこそ。
　今回取り上げる Mayne et al. (2019) は、脊椎動物の寿命がどのようなゲノム上の特徴と結びついているのかを、種をまたいで検討した興味深い研究です。著者らは、プロモーター領域における CpG 密度に注目し、この情報から脊椎動物の最大寿命を予測できる可能性を示しました。寿命という、一見すると長期の観察なしには捉えにくい生命史的な性質が、ゲノム配列そのものからかなりの精度で読み解けるかもしれないという発見はとても印象的です。本稿ではこの論文を手がかりに、脊椎動物の寿命を規定する要因について見ていきます。

1. イントロダクション

1.1 老化と寿命の種間差

　老化はほとんどすべての動物でみられる現象であり、その進行はさまざまな生物機能の低下を伴い、種ごとの最大寿命に反映される。ところが、脊椎動物の寿命は種によって大きく異なるにもかかわらず、その違いを生み出す要因は十分に説明されていない。しかも最大寿命は、野生個体では年齢推定が難しいため把握しにくく、重要な生命史形質でありながら、多くの動物で情報が不足している。

1.2 DNAメチル化と寿命研究

　著者らは、老化が DNA メチル化の変化と深く関わることに注目する。とくに CpG 部位のメチル化は、遺伝子発現を調節することで、寿命に関わる過程に影響しうる。実際、加齢に伴って CpG 部位のメチル化状態が一定の傾向で変化することを利用して、ヒトや他の動物では年齢を推定するエピジェネティッククロックが開発されてきた。

1.3 CpG密度への着目

　本論文が注目するのは、個々の CpG 部位がどの程度メチル化されているかではなく、プロモーター領域にどれだけ CpG が密に存在しているかというゲノム配列上の特徴である。CpG が高密度に集まる領域は遺伝子発現の制御に重要であり、しかも CpG 部位は変異しやすいため、寿命の進化に関わる選択圧の影響を受けている可能性がある。

1.4 本研究の狙い

　先行研究では、哺乳類の保存されたプロモーターにおいて、CpG 密度と寿命の間に相関があることが示されていた。これは、CpG 密度が長寿命種でのメチル化異常に対する緩衝的な役割をもつ可能性を示唆している。ただし、この関係が脊椎動物全体に共通するかは不明であり、CpG 密度そのものを使って寿命を予測する試みも行われていなかった。そこで著者らは、複数のデータベースと参照ゲノムを用いて、脊椎動物の最大寿命を予測するモデルを構築することを目的とした。

2. CpG密度による脊椎動物の最大寿命の予測

2.1 42プロモーターからなる寿命時計の構築

　既知の最大寿命をもつ脊椎動物 252 種の参照ゲノムを用い、プロモーター領域における CpG 密度と寿命との関係を解析した。対象には両生類、鳥類、魚類、哺乳類、爬虫類の 5 綱が含まれ、寿命は 1.1 年から 205 年まで大きく分布していた（Supplementary Table 1）。解析では、ヒトのプロモーター配列を基準として各種の対応領域を同定し、CpG 密度を算出したうえで、10-fold cross validation を用いた elastic net 回帰により寿命予測に有用な 42 個のプロモーターを選抜した（Supplementary Table 2）。著者らは、これらの座位を lifespan loci、このモデル全体を lifespan clock と呼んでいる。こうして構築された寿命時計は、脊椎動物全体に共通する最大寿命予測モデルとして提示された。

Supplementary Table 1 寿命時計の構築に用いた脊椎動物 252 種の一覧
解析対象とした脊椎動物各種について、分類群、既知の最大寿命、および関連するゲノム情報を示す。

Supplementary Table 2 寿命時計を構成する42プロモーターと各座位の情報
寿命予測モデルに選抜された 42 個のプロモーターについて、各座位の CpG 密度、重みづけ、および寿命との関連情報を示す。

2.2 寿命時計の予測精度と脊椎動物各群での妥当性

　構築した寿命時計は、学習データと検証データのいずれにおいても、既知寿命と予測寿命の間に高い一致を示した。訓練データでは R² = 0.78、独立した検証用データでも R² = 0.76 であり、プロモーター領域の CpG 密度という限られたゲノム情報のみから、脊椎動物の最大寿命をかなり高い精度で推定できることが示された（Fig. 1）。さらに、脊椎動物各綱に分けた検討では、哺乳類および爬虫類でとくに高い一致がみられ、鳥類と魚類でも有意な回帰関係が確認された。一方、両生類では検証データ数が少なく、十分な評価は困難であった。

　予測誤差の検討では、検証データにおける中央値の絶対誤差は 3.72 年、最大相対誤差は 5.9% であり、学習データと検証データの誤差に有意差は認められなかった。また、寿命推定値が飼育個体由来であるか野生個体由来であるかによっても、誤差に有意差はみられなかった。これらの結果は、本モデルがデータ分割や寿命情報の由来に大きく左右されず、一定の頑健性を有することを示している（Fig. 2）。

3. 寿命時計を支えるCpG密度の生物学的意味

3.1 寿命関連プロモーターの重みづけと CpG 密度の方向性

　寿命時計を構成する 42 個のプロモーターは、それぞれ異なる重みでモデルに寄与していた（Fig. 3a）。一方で、各プロモーターの CpG 密度と寿命との単純相関係数は、その重みと必ずしも一致しなかった（Fig. 3b）。このことは、寿命予測が単独の強い相関マーカーではなく、複数のプロモーターの組み合わせによって支えられていることを示している。実際、42 個のうち 34 個で CpG 密度と寿命との有意な相関が認められ、その内訳は正の相関が 22 個、負の相関が 12 個であった。一方、残る 8 個では有意な相関は認められなかった。したがって、長寿命種に共通する CpG 密度の変化は一方向ではなく、増加する座位と減少する座位の両方を含むと考えられる。著者らは、このような構造が既存の年齢予測モデルにも共通すると述べ、個々の指標ではなく統合モデル全体として高い予測力が生まれる点を重視している。

3.2 CpG 密度による寿命依存的な種の分離

　42 個の寿命関連プロモーターにおける CpG 密度を用いて主成分分析を行うと、種は既知の寿命に応じてある程度分離して配置された（Fig. 4）。すなわち、寿命の短い種と長い種では、寿命時計を構成するプロモーター群の CpG 密度パターンに系統的な違いがあることが示された。この結果は、寿命時計が単なる統計的当てはめではなく、寿命差を反映するゲノム上の構造的特徴を捉えている可能性を支持する。

　さらに著者らは、この分離が分類群や技術的要因による見かけの差ではないかを検討した。その結果、主成分空間における種の分布は、脊椎動物クラス、ゲノム GC 含量、またはゲノムビルドレベルで色分けしても明確なクラスターを示さなかった（Supplementary Fig. 4）。また、ゲノム GC 含量と種ごとの絶対誤差率との間にも、学習データ・検証データのいずれにおいても相関は認められなかった（Supplementary Fig. 5）。このことから、寿命時計が捉えているシグナルは、単なる分類群の違いや配列品質、塩基組成の偏りだけでは説明しにくいと考えられる。

　一方、寿命関連プロモーターに対応する遺伝子群について Gene Ontology 解析を行ったところ、発生やエネルギー代謝に関連する遺伝子が多く含まれていたものの、有意な機能濃縮は認められなかった。したがって、本研究で同定された CpG 密度シグナルは、特定の単一機能群に集約されるものではなく、より広範な遺伝子制御ネットワークの一部として寿命と関わっている可能性が示唆された。

4. 寿命予測モデルの適用範囲と限界

4.1 脊椎動物における有効性と分類群差

　構築した寿命時計は、脊椎動物 5 綱にわたってプロモーターの CpG 密度から最大寿命を予測可能であり、訓練データおよび検証データの双方で高い予測精度を示した（Fig. 1）。さらに、分類群ごとの解析においても、各群で有意な回帰関係が確認され、脊椎動物全体に適用可能なモデルであることが示された。
　一方で、分類群ごとに回帰式の傾きと切片に差があることが確認された。そこで著者らは、最大寿命の推定式を、傾きと切片をそれぞれ a および b の補正値で調整し、以下のように表した。
　　ln(maximum lifespan) = −4.38996 + 2.57328 × x + a x + b
　ここで x は、寿命時計を構成する 42 個のプロモーターの CpG 密度から算出された予測値であり、鳥類、魚類、哺乳類、爬虫類における補正値 a、b は Table 1 に示した。

　このことは、CpG 密度と寿命の関係が脊椎動物間で完全に共通ではなく、分類群ごとに系統的な差をもつことを示している。この差は、ヒトのプロモーター配列を基準として解析を行ったことにより、特に哺乳類で適合度が高くなった可能性を示唆する。したがって、本モデルは脊椎動物全体に適用可能である一方で、分類群ごとに最適化されたモデルを構築することで、さらなる精度向上が期待される。

4.2 非脊椎動物への適用限界と寿命推定上の注意点

　著者らは、構築した寿命時計を非脊椎動物にも適用し、その予測性能を検証した。その結果、多くの種で寿命が過大に推定される傾向が認められた。たとえば、ショウジョウバエでは実際の寿命が数十日であるのに対し、本モデルでは平均で十数年と推定され、大幅な過大評価となった。
　著者らは、この不一致の背景として、脊椎動物と非脊椎動物のあいだにある CpG パターンおよび DNA メチル化機構の違いを挙げている。脊椎動物ではメチル化がゲノム全体に広く分布するのに対し、昆虫などでは主に遺伝子内部に限局する傾向が知られている。さらに、転写開始点周辺における CpG 密度の分布も、脊椎動物とは異なるパターンを示した。これらの結果から、本モデルが前提とする CpG 密度と寿命の関係は、非脊椎動物には適用できないと考えられる。
　さらに、寿命データ自体にも注意が必要である。本研究で用いられた最大寿命には飼育条件下での記録が含まれており、野生個体の寿命とは必ずしも一致しない。また、種によっては寿命情報そのものが十分でない可能性もある。したがって、寿命時計の予測結果は有用な推定値を与える一方で、その解釈にはデータの不確実性を考慮する必要がある。

5. 絶滅種・長寿種・野生動物管理への応用可能性

5.1 絶滅種の寿命推定への応用

　著者らは、寿命時計を絶滅種に適用することで、古代 DNA から寿命という生命史形質を推定できる可能性を示した。ケナガマンモスおよび straight-tusked elephant ではいずれも約 60 年、リョコウバトでは約 28 年と推定され、既存の知見と大きく矛盾しない結果が得られた。さらに、デニソワ人やネアンデルタール人についても、現生人類やチンパンジーに近い寿命が示唆された。これらの結果は、観察不可能な絶滅種に対しても、ゲノム情報から寿命を推定できることを示している。

5.2 長寿種の寿命推定とモデルの説得力

　寿命推定が困難な長寿種に対しても本モデルは適用可能であり、ピンタ島ゾウガメでは約 120 年、ホッキョククジラでは約 268 年と推定された。長寿種では個体追跡が難しく、従来の推定には大きな不確実性が伴う。したがって、本モデルは既存手法を補完し、寿命情報が乏しい種に対しても独立した推定値を与える手段となりうる。

5.3 野生動物管理・保全生物学への応用可能性

　寿命は、個体群存続可能性解析や自然死亡率の推定など、野生動物管理および保全生物学における基盤的な生命史形質である。しかし多くの種で寿命情報は不足している。寿命時計によりゲノム配列から寿命を推定できれば、この情報ギャップを補完し、絶滅リスク評価や資源管理モデルの精度向上に寄与する可能性がある。著者らは、この点を本研究の実用的意義として位置づけている。

6. 結論

　本研究は、プロモーター領域における CpG 密度というゲノム配列上の特徴から、脊椎動物の最大寿命を予測できることを示した。とくに、42 個のプロモーターから構成される寿命時計は、分類群をまたいで高い予測精度を示し、寿命がゲノムに刻まれた情報として一定程度読み解ける可能性を示唆した。
　一方で、この関係は脊椎動物に特異的であり、非脊椎動物には適用できないこと、また分類群ごとに補正を必要とすることから、寿命と CpG 密度の関係には系統依存的な差が存在することが明らかとなった。
　以上より、本研究は、寿命という生命史形質がエピジェネティック制御と結びついたゲノム特徴として表現されうることを示すとともに、絶滅種の推定や保全生物学への応用可能性を拓くものである。