目次
📍 クイックナビゲーション
全ゲノム解析や全エクソーム解析といった次世代シーケンシング（NGS）のデータから、ゲノムの「欠失」や「重複」（コピー数異常＝CNV）を高い精度で見つけ出すためのオープンソース解析ツールが「ClinCNV（クリンシーエヌブイ）」です。原因不明のまま長年診断がつかなかった稀少疾患の患者さんに新たな確定診断をもたらすなど、臨床ゲノム医療の現場で大きな役割を果たしています。この記事では、ClinCNVがどのような仕組みで微細なゲノム変化を捉えるのか、他の解析ツールと比べてどこが優れているのかを、遺伝専門医の視点からわかりやすく解説します。
Q. ClinCNVとは何ですか？まず結論だけ知りたいです
A. ClinCNVは、NGS（次世代シーケンシング）のデータから、ゲノムのコピー数異常（CNV：ある領域が欠けていたり、余分にコピーされていたりする変化）を高精度に検出するために開発された、無料で使えるオープンソースの解析ソフトウェアです。複数の検体をまとめて解析してノイズを取り除く仕組みと、2種類の統計手法を組み合わせた設計により、1〜数エクソン程度のごく小さな欠失も捉えられる点が特徴です。稀少疾患の再解析研究では、これまで見逃されていた病的なCNVの多くを同定した実績があります。
- ➤正体 → German Demidov氏らが開発したMITライセンスのオープンソースCNV検出ツール
- ➤仕組み → 多検体を同時解析する正規化と、CBS＋HMMというハイブリッドなアルゴリズム設計
- ➤強み → 微小な欠失の検出に強く、ベンチマークでF1スコア最高レベル（GATK-gCNVと並ぶ）
- ➤臨床実績 → 稀少疾患再解析で51家系に新たな確定診断、病的CNVの97%を単独同定
- ➤位置づけ → 患者が直接受ける検査名ではなく、WES/WGS解析の裏側で働く解析基盤
1. CNVとClinCNV：ゲノムの「量的な変化」をどう捉えるか
私たちのゲノム（遺伝情報の全体）は、両親から1本ずつ受け継いだ染色体のペアで構成されており、原則として同じ領域を「2つずつ（2コピー）」持っています。ところが、このコピーの数がある領域だけ増えたり減ったりすることがあります。これが「コピー数異常（CNV）」です。ある遺伝子がまるごと欠けてしまう「欠失」や、逆に余分に増える「重複」が代表例で、こうした量的な変化は発達障害や先天異常、遺伝性のがんなど、さまざまな疾患の原因になり得ます。
💡 用語解説：CNV（コピー数異常・コピーナンバーバリアント）
CNV（Copy Number Variation）とは、ゲノム上のある領域が、通常あるべき2コピーからずれて、1コピーや0コピー（欠失）、あるいは3コピー以上（重複）になっている構造的な変化のことです。1塩基だけが別の塩基に置き換わる「点変異（SNV）」が文章中の1文字の書き換えだとすれば、CNVは「段落まるごとの削除やコピペ」にあたります。欠けたり増えたりする範囲は数百塩基から数百万塩基までさまざまで、その中に重要な遺伝子が含まれていると、その遺伝子の働きが失われたり過剰になったりして病気につながります。
こうしたCNVを見つけるための伝統的な検査には、染色体マイクロアレイ（CMA）やMLPA、FISH法などがあり、長年にわたって臨床の標準的な手法として使われてきました[1]。これらは信頼性の高い検査ですが、点変異（SNV）を高解像度で捉える能力がなかったり、あらかじめ決めた特定の領域しか調べられなかったり、検出できる細かさに限界があったりという制約を抱えていました。
近年、次世代シーケンシング（NGS）のコストが劇的に下がったことで、全エクソーム解析（WES）や全ゲノム解析（WGS）のデータから、点変異とCNVを同時に、しかも包括的に調べるアプローチが急速に広まりました[1]。同じシーケンスデータを解析し直すだけでCNVも拾えるため、検査のターンアラウンド（結果が出るまでの時間）とコストを抑えつつ、微細な欠失や重複まで捉えられる可能性が生まれたのです。
💡 用語解説：WES・WGSとリードデプス
WES（全エクソーム解析）は、遺伝子のうちタンパク質の設計図となる「エクソン」の部分（ゲノム全体の約1〜2%）に絞って読む方法、WGS（全ゲノム解析）はゲノム全体を読む方法です。NGSでは同じ場所を何度も繰り返し読み取りますが、その「読まれた回数（重なりの深さ）」をリードデプス（read depth）と呼びます。ある領域が欠失していればそこを読んだ回数は減り、重複していれば増えます。CNV検出ツールは、この読まれた回数の増減を統計的に分析することで、コピー数の変化を推定しているのです。
しかし、NGSデータ（特にWESやターゲットパネル）からCNVを正確に読み取るのは、計算科学的に非常に難しい課題です。プローブ（標的をつかまえる分子）の捕捉効率のばらつき、領域ごとのGC含有量による増幅の偏り、PCR過程で生じるノイズなどが、基礎データであるリードデプスに大きな揺らぎをもたらすためです[5]。この重なり合ったノイズの中から本物のCNVシグナルだけを分離するのは、とりわけ1〜数エクソン程度のごく小さなCNVでは至難の業とされてきました。この難題に取り組むために、German Demidov氏らによって開発されたのが、本記事の主題であるClinCNVです[2]。
📌 ClinCNVは、患者さんが直接申し込む「検査メニュー」の名前ではありません。全エクソーム検査（WES）や原因不明の症状の遺伝子検査などで得られたシーケンスデータを、研究室・検査室が解析する「裏側のソフトウェア」にあたります。
2. ClinCNVの仕組み：多検体解析と2つのアルゴリズムの融合
ClinCNVの技術的な核心は、これまで別々に使われることの多かった2つの解析手法を、高度に組み合わせた独自の設計にあります。ひとつは「円形二分セグメンテーション（CBS）」、もうひとつは「隠れマルコフモデル（HMM）」です[6]。
💡 用語解説：CBSとHMM、2つの手法の性格の違い
CBS（円形二分セグメンテーション）は、データの中で値が急に変わる「変化点（境界）」を正確に見つけるのが得意な手法です。「どこからどこまでが欠失か」という境目をシャープに決められる一方、ノイズや外れ値の多いデータには弱いという弱点があります。
HMM（隠れマルコフモデル）は、目に見えるデータの背後に隠れた「本当の状態（コピー数）」を確率的に推論する手法です。データが途切れたりノイズが多かったりしても崩れにくい頑健さ（ロバスト性）を持っています。ClinCNVは、この境界を鋭く見極めるCBSの長所と、ノイズに強いHMMの長所を組み合わせることで、両者のいいとこ取りを実現しています。
「みんなで比べる」多検体同時解析という発想
ClinCNVのもうひとつの大きな特徴は、「マルチサンプル・コーラー（多検体解析ツール）」として設計されている点です[2]。1人分のサンプルを単独で見るのではなく、技術的な背景（使った試薬キットやシーケンスの条件など）が共通するサンプルの集団（コホート）を丸ごと同時に評価します。多くのサンプルを見比べることで、「どのサンプルでも似たように読み取り回数が揺れている領域＝技術的なノイズ」と、「特定のサンプルだけで極端に減っている／増えている領域＝本物のCNVの可能性」を区別しやすくなるのです。
この設計を活かすために、開発者は分散（ばらつき）を正確に推定するための最低ライン10サンプル、望ましくは40サンプル以上のコホートで実行することを推奨しています[4]。しかもこれらのサンプルは、同じ濃縮キット（プローブのセット）を使い、同等の深さで、理想的には同じ施設・同じバッチで処理されたものであるべきとされています[4]。
解析はまず、ゲノムを一定の長さの窓（ビン）に区切り、それぞれの窓に読み取られたリードの数を数えるところから始まります。続いて、GC含有量や領域の長さに由来する偏りを数学的に補正し（サンプル内正規化）、さらに、対象サンプルとノイズの傾向が最も似たサンプル群を集団内から探し出してまとめる処理を行います[5]。この工程は主成分分析（PCA）に似た考え方で、装置やバッチ由来の技術的なムラを平らにならし、本物の生物学的なシグナルを浮かび上がらせる役割を果たします。
信頼度の指標「FDR」と、目で見て確認できる出力
検出されたCNVは、そのまま報告されるのではなく、機械学習（ランダムフォレストという分類器）を用いて信頼性が評価されます。具体的には、そのCNVの検出が「偽陽性（本当は無いのに有ると誤判定してしまうこと）」である確率を示す偽発見率（FDR）という数値が付けられます[7]。
💡 用語解説：偽発見率（FDR）とは？
FDR（False Discovery Rate）とは、「検出した」と判定したもののうち、実際には間違い（偽陽性）である割合を表す統計指標です。たとえばFDRが0.01なら、その検出が誤りである確率はわずか1%で、非常に信頼できることを意味します。数値が小さいほど信頼性が高いと考えられますが、ClinCNVの興味深い設計思想は、FDRが高い（＝統計的には怪しい）コールであっても、それが患者さんの症状と一致する既知の原因遺伝子を壊している場合には、安易に切り捨てず、CMAやサンガー法など別の手法で確認するよう勧めている点にあります[7]。病的なCNVは集団の中で非常に稀なため、統計だけでは埋もれやすいという現実を踏まえた、実践的な配慮です。
また、解析結果はIGV（Integrative Genomics Viewer）という可視化ソフトにドラッグ＆ドロップするだけで、そのまま図として表示できる形式で保存されます。表示されるトラックの高さがコピー数を直感的に示しており、高さ0はホモ接合性欠失（両方の染色体で欠けている）、1はヘテロ接合性欠失（片方だけ欠けている）、2は正常な2コピー、3はヘテロ接合性重複を表します[7]。専門家が最終的に目視で確認する作業を、大きく効率化してくれる仕組みです。
3. 腫瘍解析への応用：体細胞コピー数異常（SCNA）を読み解く
ClinCNVは、生まれ持った変異を調べる「生殖細胞系列モード」だけでなく、がん細胞に後天的に生じたCNV（体細胞コピー数異常＝SCNA）を調べる「体細胞モード」も備えています。がんゲノムの解析は、生殖細胞系列の解析よりもさらに複雑です。というのも、腫瘍組織には正常な細胞が混じっており（純度の問題）、がん細胞自体も遺伝的に異なる複数の集団（サブクローン）に分かれ、しかもゲノム全体が倍加していることもある（倍数性の異常）ためです。
💡 用語解説：Bアレル頻度（BAF）とは
私たちは同じ遺伝子を父方・母方から1つずつ、合計2つ持っています。ある場所で父方と母方の塩基が違う場合（ヘテロ接合）、正常なら両者が「1対1（50%ずつ）」で読み取られるはずです。この片方（Bアレル）の割合をBアレル頻度（BAF）と呼びます。もしその領域で片方の染色体が失われていれば、この比率は50%から大きくずれます。ClinCNVは、リードデプス（量の情報）だけでなく、このBAF（どちらの親由来かのバランス情報）も統計的に組み合わせることで、「どちらのコピーがどれだけ増減したか」というアレル特異的な解像度でCNVを解き明かします[5]。
体細胞モードでは、正常組織と腫瘍組織のペアを入力として解析が進みます。ゲノム全体の読み取り深度を単純に比べて正規化しようとすると、巨大な欠失や増幅があった場合に基準そのものが歪んでしまいます。これを避けるため、ClinCNVはBAFを使って「コピー数が変化していない中立的な領域」を探し出し、それを正規化の基準（アンカー）として利用するプロポーションテストという工夫を組み込んでいます[5]。厳しい（純度の低い）腫瘍で十分な基準領域が確保できない場合には、最も確からしい5つの領域を強制的に採用するフェールセーフ機構も用意されています。
ClinCNVの真骨頂は、腫瘍のサブクローン構造を解き明かす能力にあります。がん細胞がどれくらいの割合を占めているか（がん細胞分画＝CCF）を細かい刻みで仮定しながら、実際の観測データに最も合致するモデルを選び出し、最大5つのサブクローンの存在を推論します[5]。著名な体細胞解析ツールであるFACETSと比較した研究では、腫瘍純度の推定値が病理医の見立てともよく一致した一方で、ClinCNVはサンプルあたり平均で約2.9個多くのバリアントを検出したと報告されています[5]。これは、オフターゲット領域（本来の標的以外）のシグナルも巧みに取り込むことで高い感度を達成し、ヘテロ接合性の消失（LOH）や複雑な不均衡をより詳細に捉えられることを示唆しています。なお、FACETSは本記事執筆時点でミネルバクリニックの用語解説ページにはありません。
4. 他ツールとの比較：ベンチマークで見えたClinCNVの立ち位置
🔍 関連記事：GATK-gCNV／CNVkit／ExomeDepth／CoNIFER
CNV検出ツールを選ぶうえで、客観的な性能評価（ベンチマーク）は欠かせません。この課題に対し、CNVbenchmarkeR2という自動評価フレームワークを用いた、これまでで最も包括的なベンチマーク研究が実施されました[3]。この研究では、12種類の主要なCNV検出ツール（Atlas-CNV、ClearCNV、ClinCNV、CNVkit、Cobalt、CODEX2、CoNVaDING、DECoN、ExomeDepth、GATK-gCNV、panelcn.MOPS、VisCap）が、4つの独立した遺伝子パネルデータセットを対象に評価されました[3]。
💡 用語解説：F1スコアとは
検査やツールの性能を測るとき、「見逃しの少なさ（感度）」と「間違って拾わない正確さ（適合率）」はしばしばトレードオフの関係になります。F1スコアは、この2つのバランスを1つの数値にまとめた指標（両者の調和平均）で、感度と適合率の両方が高いときに大きな値になります。「見逃しも少なく、誤検出も少ない」という総合的なバランスの良さを評価する物差しだと考えると分かりやすいでしょう。
評価の結果、F1スコアの観点において、ClinCNVとGATK-gCNVの2つが他のすべてのツールを上回り、最も優れたCNV検出ツールとして位置づけられました[3]。GATK-gCNVは主成分分析（PCA）でノイズを除去し、Viterbiアルゴリズムに基づくHMMでCNVを推論する手法で、特に真陽性を漏らさず拾い上げる「感度」に強みがあります。一方ClinCNVは、CBSとHMMの利点をシームレスに統合することで、偽陽性を抑えつつ真陽性を同定する「バランス能力」において卓越していることが証明されました[3]。
アルゴリズムが生む「検出のクセ」：欠失に強いClinCNV
各ツールが依存する数学的モデルは、「どんなタイプのCNVを検出しやすいか」という強いクセ（バイアス）を生みます。稀少疾患コホート（Solve-RD）のWES再解析研究では、ClinCNV・ExomeDepth・CoNIFERの3つのツールの間で、検出されるCNVの「長さ」と「タイプ（欠失か重複か）」に統計的に有意な違いが観察されました[8]。
まず検出されるCNVの平均サイズは、CoNIFER ≫ ExomeDepth > ClinCNV の順でスケールが大きく異なりました[8]。CoNIFERは特異値分解（SVD）で強力にノイズを除去する性質上、染色体レベルの長大なCNVには優れる反面、微小な異常を見落としやすい傾向があります。対照的にClinCNVは、比較的短く高解像度なCNV（1〜数エクソンレベル）の検出で高い感度と正確性を維持していました[8]。さらに、ExomeDepthとCoNIFERが重複を多くコールする傾向を示したのに対し、ClinCNVは欠失をより多く同定する逆のパターンを示しました[8]。
主要ツールのCNV検出の傾向（Solve-RD再解析より）
横軸＝検出しやすいCNVの平均的な長さ／縦軸のラベル＝欠失・重複どちらに偏るか
ClinCNV
短い・高解像度
欠失に強い
ExomeDepth
中規模
重複にやや偏る
CoNIFER
長大
重複に偏る
棒の高さは「検出しやすいCNVの平均的な長さ」のイメージです。CoNIFERは長大なCNV、ExomeDepthは中規模、ClinCNVは短く高解像度なCNVを得意とし、とりわけ欠失の同定に優れた感度を示します。
この違いには理由があります。リードデプスに基づく手法では、シグナルが「ゼロに近づく」欠失は統計的に判定しやすい一方、増幅による「増加」はサンプルの不均一性やPCR重複の飽和といったノイズと区別がつきにくく、重複の検出には偽陽性が混ざりやすいという根本的な課題があります。ClinCNVのCBSによる厳格な境界評価が過剰な重複コールを抑え、同時に微小な欠失のシグナルを敏感に拾い上げていると考えられます[8]。実際、セグメンテーションアルゴリズムそのものを比較した研究でも、データが途切れて不連続になった状況では従来のCBS単独よりHMMを組み合わせたアプローチの方が安定した分割性能と堅牢性を示すことが報告されており[10]、ClinCNVが高ノイズの臨床データでも高い精度を保てる一因となっています。だからこそ、検出原理の異なる複数のツールを併用する「アンサンブル（メタコーラー）戦略」が推奨されるのです[5]。
⚠️ ここで挙げたツール名のうち、ペアエンド情報を用いる構造変異コーラー「DELLY」については、本記事執筆時点で当院の用語解説ページがないため、リンクなしのテキストで記載しています。関連する概念は構造変異（SV）のページをご参照ください。
5. 臨床での実績：未診断だった患者に確定診断をもたらす
ClinCNVの優れたアルゴリズム設計は、机上の性能評価にとどまらず、実際の臨床現場で診断率を大きく向上させるという形で結実しています。その威力を最も如実に示したのが、欧州全土を巻き込んだ巨大プロジェクト「Solve-RD」における稀少疾患患者のエキソームデータ再解析研究です[8]。
このコホートは、欧州の42の研究グループによって収集され、28種類の異なるエキソーム濃縮キットと複数のシーケンスプラットフォームで生成された、極めて「異質性」の高いデータセット（5757家系、9171エキソーム）でした[8]。技術的なバッチのばらつきが入り乱れる、いわば「最も過酷な」条件のデータです。最も重要なのは、これらがすでに各グループで一度は解析されたにもかかわらず、原因が特定できなかった未解決ケース（Cold cases）だったという点です[8]。
💡 用語解説：診断の旅（Diagnostic odyssey）
原因不明の症状を抱える患者さんやご家族が、確定診断を求めていくつもの医療機関を渡り歩き、長い年月をかけてもなお答えにたどり着けない——こうした状況を「診断の旅（診断オデッセイ）」と呼びます。稀少疾患では、この旅が数年、時には数十年に及ぶことも珍しくありません。ClinCNVによる再解析は、すでに手元にあるデータを新たな目で見直すことで、この長い旅に終止符を打つ可能性を秘めています。
感度を最大化するため、ClinCNV・CoNIFER・ExomeDepthの3つを併用するアンサンブルアプローチが適用され、生成された200万件以上の生のCNVコールから、関心遺伝子リストに基づいて絞り込みと専門家による厳格な解釈が行われました[8]。その結果は目覚ましいものでした。
✅ 51家系に確定診断
病因を完全に説明する新たな分子的確定診断が51家系に下されました[8]。長年未解決だったケースに答えが出たのです。
✅ 34例で部分的説明
さらに34人の患者で、症状の一部を説明しうる病原性CNVが同定されました[8]。
✅ 病的CNVの97%を同定
新たに見つかった病的（可能性を含む）CNVのうち、実に97%をClinCNVが単独で特定しました[8]。
この結果は、データの異質性が極めて高くノイズの多い過酷な環境下で、ClinCNVの多検体正規化とハイブリッドアルゴリズムが、偽陽性を抑えつつ真に疾患を引き起こす微小なCNVを拾い上げる卓越した能力を持つことを証明しています[8]。
臨床エキソーム検査（CES）での高い陽性的中率
発達障害や胎児の構造異常が疑われるケースを対象とした臨床エキソームシーケンシング（CES）の評価研究でも、ClinCNVの信頼性が裏付けられています。ある研究では、GATKアルゴリズムとClinCNVを用いたアプローチにより、154例において171件の臨床的に関連するCNVイベントが特定されました[1]。これらのコールに対して別手法（CMAなど）で検証したところ、全体の一致率は88.49%という高い陽性的中率を示しました[1]。
特筆すべきは、巨大なCNVでは完全に一致（100%）した一方、小さなCNVでは欠失で約81%、重複で約74%の一致率だったことです[1]。これは前述の「ClinCNVは微小な欠失に強い一方、重複の判定には慎重を要する」というアルゴリズムの特性が、実臨床のデータでも裏付けられた結果といえます。
また、NEB遺伝子（非常に巨大な遺伝子）の変異に起因する遠位型ミオパチーのコホート研究では、ClinCNVを用いたWES解析により、これまで検出が極めて困難だった52〜97エクソンに及ぶ長大な欠失が、ヘテロ接合型（10例）およびモザイク型（2例）で同定されました[9]。これは、ClinCNVのリードデプスに基づくアプローチが、通常のシーケンス解析では見落とされてしまう「イントロンをまたぐ巨大な構造異常」を可視化する強力な武器になることを示しています[9]。
6. 導入の要件と技術的な制約
ClinCNVを導入する研究室・検査室は、その性能を最大限に発揮させるための要件と制約を理解しておく必要があります。ClinCNVは内部のデータから分散（ばらつき）を推定するため、少数のサンプルで実行すると統計的なパワーが不足し、偽陽性が増えてしまいます。開発者は、信頼できる基準を構築するために推奨40サンプル以上、最低でも10サンプルのコホートで実行することを強く求めています[4]。
これらのコホートは「同一の濃縮キット」で「同等のシーケンス深度」で解析されたものでなければならず、深度の大きく異なるサンプル（たとえば1倍深度と30倍深度）を同じバッチに混ぜるべきではありません[4]。また、数十遺伝子レベルの非常に小規模なターゲットパネルでは、GC補正を正確に行うための十分なデータ点が得られないため、適していないことも明記されています[4]。
💡 用語解説：ゲノムアセンブリ（hg19 / hg38）
ヒトゲノムを解析する際には、読み取った配列を照らし合わせるための「基準となる標準ゲノム地図」が必要です。これをゲノムアセンブリ（リファレンス）と呼び、代表的なバージョンにhg19とhg38があります。ClinCNVは標準でhg19に対応し、フラグの指定でhg38にも対応可能で、さらにマウスなど他の二倍体生物にも柔軟に対応できるよう設計されています[4]。ベンチマーク研究では、デフォルト設定に加えて多数のパラメータを調整することで、F1スコアをさらに高められる推奨設定も同定されています[3]。
こうした要件は、裏を返せば、各研究室が自機関のパネルの特性（捕捉の均一性や平均深度）に合わせてパラメータを微調整することで、性能をさらに引き上げられる余地があることを意味しています[3]。ClinCNVはMITライセンスのオープンソースとしてGitHubで公開されており、生殖細胞系列・トリオ・体細胞のいずれの解析にも対応する統合的なツールとなっています[2]。
7. 遺伝子検査との接続：ClinCNVはどこで役立つのか
ここまで解説してきたとおり、ClinCNVは患者さんが直接申し込む検査メニューではなく、シーケンスデータを解析する「裏方のソフトウェア」です。しかし、その働きは実際の遺伝子検査の質と深く結びついています。たとえば全エクソーム検査（WES）や全ゲノムシークエンス（WGS）を受けたとき、点変異（SNV）だけを見るのか、CNVまで丁寧に拾うのかによって、診断にたどり着けるかどうかが変わってくるのです。
とりわけ、これまで原因不明の症状に対する遺伝子検査（WES/WGS）を受けても答えが出なかった方にとって、CNVという「量的な変化」の見落としが原因だった可能性は十分に考えられます。点変異を狙う標準的な解析ではCNVがすり抜けてしまうことがあり、そこにClinCNVのようなCNV検出ツールの光を当てることで、新たな手がかりが見つかる場合があるのです。
検査で見つかったCNVが本当に病気の原因なのかを判断し、その意味をご本人・ご家族に丁寧にお伝えするのが遺伝カウンセリングの役割です。CNVは、その領域に含まれる遺伝子や、欠失か重複か、大きさなどによって臨床的な意味が大きく変わります。結果の解釈には専門的な知識が必要であり、当院では臨床遺伝専門医がこの解釈と説明を担っています。ClinCNVのような解析技術は、あくまでその判断材料を精度高く提供するための「土台」であり、最終的な医学的判断は専門医の手に委ねられます。
8. よくある誤解
誤解①「ClinCNVという検査を受けられる」
ClinCNVは検査メニューの名前ではなく、WES・WGSのデータを解析するソフトウェアです。患者さんが直接「ClinCNV検査」を申し込むものではなく、あくまで解析の裏側で使われる道具です。
誤解②「1人分のデータだけで解析できる」
ClinCNVは複数の検体を見比べてノイズを取り除く設計です。開発者は最低10、推奨40サンプル以上のコホートを求めており、1人分だけでは統計的な精度が十分に出ません。
誤解③「1つのツールがあれば十分」
各ツールには「欠失に強い」「重複に強い」といったクセがあります。ClinCNVは欠失の検出に優れる反面、重複は慎重を要するため、原理の異なるツールとの併用が推奨されます。
誤解④「CNVが見つかれば必ず病気」
CNVは健康な人にも多数存在します。見つかったCNVが病的意義を持つかどうかは別の判断が必要で、含まれる遺伝子や大きさをもとに専門医が慎重に評価します。
よくある質問（FAQ）
🏥 遺伝子検査・原因不明の症状のご相談
全エクソーム・全ゲノム解析やCNVの解釈など
遺伝子検査に関するご相談は
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どうぞ。
参考文献
- [1] High positive predictive value of CNVs detected by clinical exome sequencing in suspected genetic diseases. PMC. [PMC11234535]
- [2] ClinCNV: multi-sample germline CNV detection in NGS data. bioRxiv. [bioRxiv]
- [3] Detection of germline CNVs from gene panel data: benchmarking the state of the art. Briefings in Bioinformatics. 2025. [Oxford Academic]
- [4] imgag/ClinCNV: Detection of copy number changes in Germline/Trio/Somatic contexts in NGS data. GitHub. [GitHub]
- [5] ClinCNV: novel method for allele-specific somatic copy-number alterations detection. bioRxiv. [bioRxiv]
- [6] ClinCNV: multi-sample germline CNV detection in NGS data (full text). bioRxiv. [bioRxiv full]
- [7] ClinCNV germline CNV analysis documentation. GitHub. [GitHub Docs]
- [8] Comprehensive reanalysis for CNVs in ES data from unsolved rare disease cases results in new diagnoses. PMC. [PMC11513043]
- [9] ClinCNV: novel method for allele-specific somatic copy-number alterations detection (PDF). bioRxiv. [bioRxiv PDF]
- [10] On the core segmentation algorithms of copy number variation detection tools. PMC. [PMC10858679]
