目次
📚 入門シリーズ
この記事は「遺伝病を理解するためのヒトゲノム入門編」の1本です。全記事の一覧と学ぶ順番はヒトゲノム入門編・索引ページからご覧いただけます。
「遺伝子型」はいわば体の設計図（レシピ）で、「表現型」はそのレシピから実際にできあがった料理（体の特徴）です。同じレシピでも食材や調理環境で料理が変わるように、同じ遺伝子型でも、環境や体内のさまざまな要因によって表れる特徴は変わります。この記事では、遺伝子型と表現型の違いをやさしく整理したうえで、なぜ両者がずれるのか、そしてゲノム情報が最終的な体質や病気へと「翻訳」されていく最新のしくみまでを、臨床遺伝専門医の視点でわかりやすく解説します。
Q. 遺伝子型と表現型の違いは何ですか？まず結論だけ知りたいです
A. 遺伝子型（genotype）は「その人がもつ遺伝情報そのもの」、表現型（phenotype）は「その情報が環境と相互作用して実際に表れた体の特徴」です。遺伝子型はレシピ、表現型はできあがった料理にたとえられます。同じ遺伝子型でも、環境・浸透率・表現度・修飾因子などによって表現型は変わり得ます。両者のずれこそが、遺伝病の多様性を理解する鍵になります。
- ➤基本の違い → 遺伝子型＝設計図、表現型＝完成した形質。早見表で一目でわかる
- ➤なぜずれる → 環境要因・不完全浸透率・表現度・多面発現・修飾遺伝子が関与
- ➤翻訳の階層 → 非コード領域・スプライシング・エピゲノム・miRNAが多段階で調整
- ➤親由来で決まる例 → ゲノムインプリンティング（プラダー・ウィリー／アンジェルマン症候群）
- ➤最新動向 → 多遺伝子リスク背景による浸透率修飾、AI（AlphaGenome）による予測
1. 遺伝子型と表現型の違いをわかりやすく
遺伝子型と表現型は、遺伝学のいちばん土台にある2つの言葉です。まず遺伝子型（genotype）とは、その人がもっているDNA上の遺伝情報そのものを指します。私たちの体は約2万個の遺伝子という「設計図の集まり」でできていて、この設計図の内容が遺伝子型です。一方の表現型（phenotype）とは、その設計図をもとに実際に表れた体の特徴のことです。身長・体重・目の色・血液型といった見た目の特徴だけでなく、酵素の働きや病気へのなりやすさといった体質も、すべて表現型に含まれます。
この関係は、料理にたとえると直感的に理解できます。遺伝子型はレシピ（設計図）、表現型はできあがった料理（完成した形質）です。同じレシピでも、使う食材の質や火加減、調理する台所の環境が違えば、仕上がる料理の味や見た目は変わります。まったく同じ遺伝子型をもつ一卵性双生児が、別々の環境で育つと身長・体重・健康状態に差が出るのは、まさにこのためです。表現型は「遺伝子型が示す可能性の範囲」の中で、環境という条件が具体的な形として作用した結果なのです。
🌸 遺伝子型と表現型（不完全優性の例）
RR・Rr・rr が遺伝子型、それぞれに対応する花の色（赤・ピンク・白）が表現型です。ここでのピンクは環境ではなく「Rr という遺伝子型そのもの」が決める中間の表現型で、これを不完全優性（顕性）と呼びます。
下の早見表で、両者の違いを整理しておきましょう。この2語をきちんと区別できると、「なぜ同じ病気の遺伝子をもっていても症状の重さが人によって違うのか」という、遺伝診療でいちばん多い疑問の入り口が見えてきます。より専門的な、特定の遺伝子と症状の対応関係については遺伝子型-表現型相関のページもあわせてご覧ください。
💡 用語解説：バリアント（遺伝子の個人差）
DNA配列は人によって少しずつ違い、この違いをバリアント（variant）と呼びます。かつては「変異（mutation）」とまとめて呼ばれていましたが、その多くは病気とは無関係な個人差です。バリアントには血液型のような無害なものから、病気の原因となるもの（病的バリアント）までさまざまな段階があります。バリアントの種類や影響については遺伝子のバリアントとは？で詳しく解説しています。
2. なぜ同じ遺伝子型でも表現型が違うのか
「同じ病気の遺伝子をもっているのに、片方は発症し、もう片方は生涯無症状だった」——遺伝診療の現場で日常的に出会う現象です。これを説明する概念が、遺伝学の古典であり今も臨床の背骨となる浸透率と表現度です。まずこの2語を押さえると、遺伝子型と表現型がずれる理由の大半が整理できます。
💡 用語解説：浸透率と表現度
浸透率（penetrance）とは、ある病的バリアントをもつ人のうち、実際に症状が出る人の「割合」を表します。100人が同じ変異をもち、90人が発症するなら浸透率90%です。全員が発症しない状態を不完全浸透と呼びます。
表現度（expressivity）とは、発症した人の中での「症状の重さや現れ方のばらつき」を指します。浸透率が「発症するかどうか（オンかオフか）」、表現度が「発症した場合にどれくらい強く出るか」という違いです。両者は別の概念で、混同しないことが臨床では重要です。
この浸透率や表現度を左右する要因は、大きく分けて4つあります。1つ目が環境要因です。栄養状態・運動量・ストレス・喫煙・感染などの外部条件が、同じ遺伝子型に対して異なる結果をもたらします。家庭菜園で同じ品種のトマトの種をまいても、日当たりや水やりで実の大きさや甘さが変わるのと同じ原理です。2つ目が修飾遺伝子（モディファイア）です。主たる原因遺伝子とは別の場所にある無数の遺伝子が、症状をわずかに強めたり弱めたりします。修飾遺伝子の存在が、同じ変異をもつきょうだいでも症状の重さが違う一因になります。
3つ目が多面発現（プレイオトロピー）です。1つの遺伝子が、体のまったく異なる複数の器官に影響を及ぼす現象で、たとえば結合組織の遺伝子の変化が、骨格・眼・心血管という一見無関係な部位に同時に症状を出すことがあります。多面発現があるため、1つの遺伝子検査結果が全身の複数の症状を説明できることがあります。4つ目が遺伝的異質性です。これは逆に、見た目が同じ1つの病気（表現型）が、複数の異なる遺伝子や異なる変異によって引き起こされる現象を指します。同じ「難聴」でも原因遺伝子が数十種類あるのはこのためで、正確な診断には網羅的な遺伝子解析が欠かせません。
遺伝子型と表現型をつなぐ要因
浸透率・表現度／多面発現
近年は、こうした多数の要因を統計的に統合して表現型を予測する試みが急速に進んでいます。英国の大規模コホート「UKバイオバンク」のデータを用いた研究では、数十万〜数百万のありふれたバリアントの効果を足し合わせる線形モデルに、遺伝子どうしの相互作用や非線形な効果を扱える機械学習を組み合わせることで、喘息や甲状腺機能低下症といった多因子疾患の予測精度が向上することが報告されています[1]。ゲノム配列という1ナノメートルスケールの小さな変化が、タンパク質複合体・細胞・臓器という高次のネットワークをドミノ倒しのように伝わって表現型に至る過程を、中間の階層ごとに記述しようとする枠組みも提案されています[2]。
3. 遺伝子型から表現型への「翻訳」は多階層で起こる
🔍 関連記事：エピジェネティクス／選択的スプライシング／マイクロRNA
遺伝子型が表現型へと翻訳される過程は、DNAをそのままタンパク質に置き換える単純な作業ではありません。かつて「遺伝子」といえば、タンパク質の設計図となるゲノム領域（全ゲノムのわずか2%未満）だけを指していました。しかし全ゲノム解析が普及した今では、残り98%を占める非コード領域（ノンコーディング領域）からも膨大な調節情報が生み出され、遺伝子のオン・オフを間接的に決めていることがわかっています。この「翻訳」は、いくつもの調節の階層を通って進みます。全ゲノムを読む検査については全ゲノムシーケンスで解説しています。
遺伝子型 → 表現型の多階層の翻訳
各段階に調節のしくみがあり、非コード領域のわずかな変化でも下流の表現型が大きく変わり得ます。
第一の階層がエピゲノム（DNAの上に書き込まれる第二の情報）です。DNAそのものの配列は変えずに、DNAのメチル化やヒストン（DNAを巻き取るタンパク質）の化学修飾によって、遺伝子を読むか読まないかを細胞ごとに切り替えます。がんではこのしくみが破綻し、本来働くべき腫瘍抑制遺伝子が異常なメチル化で沈黙してしまうことが数多く観察されています[3]。この分野の基礎はエピジェネティクスやヒストンメチル化のページで扱っています。
💡 用語解説：スプライシングと擬似エクソン
遺伝子は、意味のある部分（エクソン）と、間に挟まれた不要部分（イントロン）が交互に並んでいます。RNAができる際に、イントロンを切り取ってエクソンをつなぎ合わせる編集作業をスプライシングと呼びます。イントロンの奥深くに変化が起こると、本来は使われないはずの擬似エクソン（pseudoexon）が紛れ込み、タンパク質の設計図が壊れて病気を引き起こすことがあります。こうした隠れたスプライス部位（クリプティック部位）の活性化は、通常のエクソン解析では見逃されやすい重要な原因です。
第二の階層がスプライシングの異常です。タンパク質をつくる部分の外側、すなわちイントロンの深部にあるバリアント（ディープイントロニック変異）が、異常なスプライシングを介して重い遺伝病を起こすことが近年わかってきました。銅の代謝に関わるATP7A遺伝子のイントロン深部の変化を調べた家系研究では、変異アレルの約86.1%が異常なスプライシング（エクソン5の飛ばし68.0%、擬似エクソンの挿入18.1%）を起こす一方、正常な産物もわずかに供給される「漏れ性」を伴うことが示されました[4]。この漏れの程度に個体差があるため、同じ変異でも重い神経変性のメンケス病になるか、比較的軽い後頭骨角症候群になるかが分岐すると考えられています。
こうしたイントロン深部の変化は、コンピューターによる予測が難しい領域です。代表的なスプライス予測ツール SpliceAI は、エクソン近くの変化には高い感度（約71%）を示すものの、イントロン深部では感度が約41%まで低下することが知られており、深部に特化した病原性予測モデル（PDIVAS など）の重要性が高まっています[5]。実際、571名の網膜症患者を対象とした解析では、非コード領域のスプライシング異常が、これまで診断がつかなかった症例の重要な原因であることが実証されています[6]。SpliceAI のしくみはSpliceAI（スプライシング予測AI）で解説しています。
第三の階層がマイクロRNA（miRNA）による微調整です。RNAができた後も、その運命は miRNA という小さな非コードRNAによって細かく制御されています。miRNA は標的RNAにくっついて、つくられるタンパク質の量をわずかに増減させる「微調整役」として働きます[7]。タンパク質の量がしきい値を超えるかどうかで発症が決まるような、量に敏感な表現型では、miRNA の働きの個人差や、miRNA応答配列（結合部位）の小さな違いが、不完全浸透率や表現度の個人差を生む一因になります。遺伝子発現におけるアレル不均衡もこの階層に関わる現象です。
4. 親のどちらから来たかで決まる：ゲノムインプリンティング
🔍 関連記事：ゲノムインプリンティング関連疾患／片親性ダイソミー／ゲノム病
遺伝子型と表現型の関係を語るうえで、もっとも劇的な例がゲノムインプリンティングです。私たちは父由来・母由来の遺伝子を1つずつもっていますが、一部の遺伝子では「どちらの親から受け継いだか」によって、働くか眠るかがあらかじめ決められています。つまり、まったく同じ配列でも、父から来たか母から来たかで表現型が正反対に分かれることがあるのです。メンデルの法則（両親からの寄与は等価）が破られる現象です。
💡 用語解説：ゲノムインプリンティング（刷り込み）
遺伝子に「これは父から」「これは母から」という親由来の目印（DNAメチル化のマーク）が付けられ、その目印に従って片方のアレルだけが働くしくみです。この目印を管理する領域をインプリンティング制御領域（ICR）と呼びます。目印の付け間違いや、片方の親からだけ染色体を受け継ぐ片親性ダイソミーがあると、正常な配列でも病気になります。
この現象を最もよく示すのが、15番染色体の同じ領域（15q11-q13）から生じる2つの異なる病気です。父由来の遺伝子が働かなくなるとプラダー・ウィリー症候群に、母由来の遺伝子（UBE3A）が働かなくなるとアンジェルマン症候群になります[8]。同じ染色体領域の異常でありながら、DNAメチル化という親由来の目印の違いだけで、認知・行動の特徴がまったく別の病気として現れる——遺伝子型と表現型の関係が、いかに単純な配列だけで決まらないかを象徴する例です。
同じ15q11-q13領域が親由来で分岐する
臨床的に重要なのは、これらインプリンティング異常の第一選択検査がメチル化解析である点です。通常の配列を読む検査だけでは、親由来の目印の異常を見つけられないためです。染色体レベルの微細な欠失・重複による病気（ゲノム病）についてはゲノム病（微細欠失・重複症候群）で解説しています。
5. 単一遺伝子疾患でも「多遺伝子背景」で発症が変わる
🔍 関連記事：多遺伝子リスクスコア（PRS）／GWAS／アルポート症候群の浸透率
「1つの強力な変異があれば発症は決まる」という単一遺伝子疾患の常識も、いま見直されつつあります。原因となる主変異が特定のシグナル系に大きな打撃を与える一方で、ゲノム全体に散らばる何万ものありふれたバリアントが、それを補う経路の強さや細胞のストレス耐性を少しずつ底上げ・底下げしており、この「背景」の良し悪しが発症のしきい値を動かしているのです。この背景を数値化したものが多遺伝子リスクスコア（PRS）です。
💡 用語解説：多遺伝子リスクスコア（PRS／GPS）
1つの強力な変異ではなく、効果の小さいありふれたバリアントを何万個も足し合わせて、ある病気へのなりやすさを1つの数値にまとめたものです。これらのバリアントは、多数の人のゲノムと病気の関連を調べるGWAS（ゲノムワイド関連解析）によって見つかります。同じ病的変異をもっていても、この背景スコアが低い（＝守りが強い）人は発症しにくい、という関係が近年定量的に示されています。
腎臓病を対象にした大規模研究は、この効果を鮮やかに示しました。常染色体顕性（優性）多発性嚢胞腎の患者では、多遺伝子背景が高リスク群（上位3分の1）の人は、非保因者の平均に比べて発症リスクが約54倍に達する一方、低リスク群（下位3分の1）では約3倍にとどまりました[9]。同じ病的変異をもっていても、背景次第でリスクが十数倍も動くのです。
多発性嚢胞腎：多遺伝子背景による発症リスクの差
非保因者の平均に対するオッズ比（同じ病的変異保有者でも背景で変わる）
高リスク背景
上位1/3
平均的背景
中央値
低リスク背景
下位1/3
さらに顕著なのが、COL4A関連腎症（アルポート症候群を含む）の顕性モデルです。病的な主変異をもっていても、多遺伝子背景が良好（下位3分の1）であれば、腎不全の発症リスクが一般集団の平均とほぼ同等（オッズ比1.01）にまで中和されることが示されました[9]。同様の性質は、遺伝性乳がん卵巣がん症候群やリンチ症候群といった、がんになりやすい体質を伝える病気にも共通しており、単一の遺伝子検査だけでなく、多遺伝子スコアを組み合わせて個人のリスクを評価する統合的アプローチの科学的な根拠となっています[10]。アルポート症候群における浸透率の考え方はアルポート症候群の浸透率と出生前診断で扱っています。
6. AIで表現型を予測する時代：AlphaGenomeとその限界
これまで見てきた非コード領域・スプライシング・エピゲノムといった多階層の情報を、DNAの一次配列から一挙に予測しようとするAIツールが登場しています。Google DeepMind の「AlphaGenome」です。2025年6月にプレプリントおよび非商用研究向けのAPIプレビューとして公開され、2026年1月に学術誌 Nature へ正式に掲載されるとともにソースコードが公開されました[11]。最大100万塩基という長い配列を入力として受け取り、遺伝子発現量・ヒストン修飾・スプライシング・立体構造など11種類の調節情報を、1塩基の解像度で同時に予測できるのが特徴です。
これまでの予測AIがスプライシング専用・発現専用というように単一の機能に特化していたのに対し、AlphaGenome は「ある非コード変異が、どの調節因子の結合を妨げ、どの下流の遺伝子発現やスプライシングを歪めるか」という分子の連鎖反応を、まとめて数秒で示せる点が新しいところです。ただし現時点では重要な限界も指摘されています。第一に、脳のミクログリアや加齢に特有の細胞など、学習データに乏しい細胞種では精度が落ちます。第二に、数万塩基を超える大きな構造変化（欠失・重複・逆位）には対応が難しいこと。そして最大の限界は、AIが高精度に予測できるのは「分子レベルの変化」であって、それが体内の複雑なフィードバックや環境を経て「実際にどんな病気として発症するか」という最終的な臨床イベントそのものは、まだシミュレートできないという点です[11]。
🔎 分子レベルの変化を高精度に読めても、それが最終的な「病気」に翻訳される過程には、環境・多遺伝子背景・確率的なゆらぎが幾重にも介在します。AIはあくまで解釈を助ける道具であり、診断を置き換えるものではありません。
7. 臨床への橋渡し：VUS・表現型の標準化・遺伝カウンセリング
🔍 関連記事：VUS（意義不明のバリアント）／臨床遺伝専門医とは／遺伝カウンセリングとは
ここまで見てきた「遺伝子型と表現型のずれ」は、実際の遺伝子検査でそのまま壁として立ちはだかります。次世代シーケンシングでバリアントは大量に見つかるようになりましたが、その病的意義を判定するのに十分な証拠がない意義不明のバリアント（VUS）が数多く残ります。
💡 用語解説：VUS（意義不明のバリアント）
VUS（Variant of Uncertain Significance）とは、「病気の原因かどうか、今の証拠では判断がつかない」バリアントのことです。病的とも良性とも言い切れないグレーゾーンで、検査で見つかるバリアントの相当数を占めます。VUS は将来、証拠の蓄積によって「病的」または「良性」へ再分類されることがあり、その判断には患者さん本人の症状（表現型）との照らし合わせが重要になります。
この壁を越えるための鍵が、表現型の標準化です。患者さんの症状を、機械が読める共通の言葉で正確に記述する国際規格が整備されつつあります。症状を体系的なコードで表す「ヒト表現型オントロジー（HPO）」や、それを用いて臨床情報をまとめる「Phenopackets」といった枠組みで、たとえば「斜視」は HP:0000486 という共通コードで表現されます[12]。こうして標準化された表現型データを使うと、どの遺伝子変異がどの症状と統計的に結びつくかを自動で評価する解析（GPSEA など）や、患者さんが実際に呈している症状との「適合度」を尤度として組み込み、候補バリアントを高精度に絞り込むツール（LIRICAL＝LIkelihood Ratio Interpretation of Clinical AbnormaLities など）が構築できます[13][14]。なお HPO・Phenopackets・GPSEA・LIRICAL は国際的な研究基盤の名称で、当院内の解説ページはまだありません。
臨床の実例として、常染色体顕性（優性）遺伝を示す網膜芽細胞腫は、病的バリアントをもっていても約10%の人は腫瘍を発症しない（浸透率約90%）ことが知られています。詳しくは網膜芽細胞腫のページで解説していますが、こうした不完全浸透の状況では、無症状の保因者から子への伝わり方を評価するために、家族内でのバリアントの分離分析が必要になります。また肥大型心筋症では、心電図所見を統合したスコアを併用することで、いったん VUS とされた変異を「病的」へと格上げできる場合があり、詳細な臨床所見と組み合わせることの有効性が示されています[15]。表現型の丁寧な評価が、遺伝子型の解釈を確定させる——これが遺伝診療の実際です。
だからこそ、遺伝子検査の結果は「読む」だけでなく「解釈し、伝える」工程が欠かせません。当院では、こうした遺伝子型と表現型の複雑な関係を踏まえたうえで、臨床遺伝専門医が遺伝カウンセリングを行い、結果の意味・不確実性・家族への影響を中立的にお伝えしています。検査を受けるかどうかも含め、ご本人・ご家族が自分で判断できるよう情報を整理することが役割です。
8. よくある誤解
誤解①「遺伝子型がすべてを決める」
遺伝子型は「可能性」を決めますが、それがどの形で表れるか（表現型）は環境・浸透率・表現度・多遺伝子背景との相互作用で変わります。高身長の遺伝素因があっても、栄養や健康状態でその可能性が実現しないこともあります。
誤解②「表現型は一度決まれば変わらない」
表現型は生涯で変化し得ます。年齢や環境に応じて遺伝子の発現が変わり、症状の現れ方も移り変わります。だからこそ、無症状の保因者でも経過をみる意義があります。
誤解③「変異があれば必ず発症する」
不完全浸透のため、病的バリアントをもっていても発症しない人がいます。網膜芽細胞腫の浸透率が約90%であるように、「変異＝発症」ではありません。家族内での分離分析が判断を助けます。
誤解④「AIがあれば病気を完全に予測できる」
AI（AlphaGenome など）が高精度に読めるのは分子レベルの変化までです。それが実際の発症へ翻訳される過程は環境や確率的ゆらぎに左右され、臨床イベントそのものの予測はまだできません。
🏥 遺伝子検査・遺伝の疑問のご相談
遺伝子型と表現型の複雑な関係、検査結果の意味や不確実性について
臨床遺伝専門医が在籍するミネルバクリニックにお気軽にご相談ください。
結果の解釈から次の一歩まで、中立的に伴走します。
よくある質問（FAQ）
参考文献
- [1] Human genotype-to-phenotype predictions: Boosting accuracy with nonlinear models. PMC. [PMC9432766]
- [2] Translation of Genotype to Phenotype by a Hierarchy of Cell Subsystems. PMC. [PMC4772745]
- [3] From Genotype to Phenotype: Through Chromatin. PMC. [PMC6410296]
- [4] Deep intronic variant causes aberrant splicing of ATP7A in a family with a variable occipital horn syndrome phenotype. PMC. [PMC10918460]
- [5] PDIVAS: Pathogenicity predictor for Deep-Intronic Variants causing Aberrant Splicing. PMC. [PMC10563346]
- [6] Identification of Deep-Intronic Splice Mutations in a Large Cohort of Patients With Inherited Retinal Diseases. PMC. [PMC7960924]
- [7] The roles of RNA processing in translating genotype to phenotype. PMC. [PMC5544131]
- [8] Prader-Willi and Angelman Syndromes: Mechanisms and Management. PMC. [PMC10084876]
- [9] Polygenic risk alters the penetrance of monogenic kidney disease. PMC. [PMC10721887]
- [10] Polygenic background modifies penetrance of monogenic variants for tier 1 genomic conditions. PMC. [PMC7441381]
- [11] Advancing regulatory variant effect prediction with AlphaGenome. PubMed / Nature. [PubMed 41606153]
- [12] GA4GH Phenopackets: A Practical Introduction. PMC. [PMC10000265]
- [13] GA4GH phenopacket-driven characterization of genotype-phenotype correlations in Mendelian disorders (GPSEA). PMC. [PMC12824607]
- [14] Comprehensive evaluation of ACMG/AMP-based variant classification tools. Bioinformatics (Oxford). [Bioinformatics]
- [15] Evolution of Genetics, Genetic Testing, and Genotype Predictor Scores for Hypertrophic Cardiomyopathy: Phenotype Is Still King. PMC. [PMC13055450]
