CODEX2とは？ゲノムコピー数変異(CNV)検出アルゴリズムを中心に、同名技術の違いを遺伝専門医が解説

CODEX2（コーデックス・ツー）とは、次世代シーケンサー（NGS）で読み取った膨大なゲノムデータの中から、コピー数変異（CNV）を高い感度で見つけ出すために開発された解析アルゴリズム（計算手法）です。遺伝子検査の「裏方」として、DNAのある領域が通常より増えている（重複）・減っている（欠失）といった変化を、ノイズと区別しながら正確に拾い上げる役割を担います。本記事では、この解析ツールとしてのCODEX2を中心に、なぜ従来手法では難しかったのか、どのような統計的な工夫で克服したのかを、遺伝専門医の視点でわかりやすく解説します。あわせて、まったく異なる分野で同じ「CODEX2」という名前で呼ばれる別の技術との違いも整理します。

1. CODEX2とは何か：CNVを見つける「解析アルゴリズム」

CODEX2は、ペンシルベニア大学の研究チーム（Yuchao Jiang氏、Nancy R. Zhang氏ら）によって開発され、2018年に生命科学の学術誌『Genome Biology』で発表された、コピー数変異を検出するための統計的な解析手法です[1]。名前だけを聞くと機械や試薬のように思えるかもしれませんが、その実体はR言語で書かれた「ソフトウェア（プログラム）」です。研究者が自分のパソコンやサーバーにインストールして、次世代シーケンサーが吐き出した大量の数値データを読み込ませると、「この人のゲノムのこの領域は、通常より数が多い（または少ない）可能性が高い」という判定を返してくれます。

CODEX2という名前は「CODEX」という先行ツールの改良版（バージョン2）であることを表しています。初代CODEXも同じ研究グループが開発したCNV検出手法でしたが、後述するある弱点を抱えていました。CODEX2は、その弱点を根本から解決するために設計され、名前のとおり「2世代目」として登場したのです。

ここで大切なのは、CODEX2が扱うのは「リードデプス（読み取り深度）」という情報だという点です。次世代シーケンサーは、DNAを細かく切って何度も読み取ります。ある領域が2本分あるところは平均的な回数だけ読まれますが、もし3本に増えていれば読み取り回数（深度）が約1.5倍に、1本に減っていれば約0.5倍になります。CODEX2はこの「読み取り回数の増減」を手がかりに、コピー数の変化を推定します。ただし現実のデータには、コピー数とは無関係な理由で読み取り回数がばらつく要因が数多く紛れ込んでいます。この「本物の信号」と「見かけ上のばらつき（ノイズ）」をどう切り分けるかが、CNV検出という技術の最大の難所なのです。

2. なぜCNV検出は難しいのか：従来手法の限界

CNVは、ヒトゲノムにおける重要な変異のひとつで、特にがんをはじめとするさまざまな病気と深く関わっています[2]。全エクソームシーケンス（WES）やターゲットシーケンスといった次世代シーケンシング技術は、従来のマイクロアレイ（DNAチップ）に比べてはるかに高い解像度でコピー数を調べられるようになりました[2]。ところが、この高解像度の技術には特有の「クセ」があり、それがCNV検出を難しくしています。

技術的なノイズ：GC含量・領域の長さ・捕捉効率

次世代シーケンサーで読み取ったデータには、コピー数とは関係のないさまざまな偏り（アーティファクト）が入り込みます。代表的なものが、DNAの塩基組成による偏りです。DNAはA・T・G・Cという4種類の塩基からできていますが、GとCが多い領域（GCリッチ領域）とAとTが多い領域とでは、実験工程での増えやすさ・読まれやすさが変わってしまいます。加えて、ターゲットとして狙う領域の長さの違いや、エクソン（遺伝子の情報が書かれた部分）ごとの捕捉効率の差なども、読み取り回数を揺さぶります[2]。これらを補正しないままだと、本当はコピー数が正常なのに「変化あり」と誤判定する偽陽性が増えたり、逆に本物の変化を見逃す感度の低下が起きたりします。

初代CODEXなど従来手法の「致命的な弱点」

初代のCODEXや、XHMM、EXCAVATORといった従来のCNV検出ツールは、ノイズだらけのデータからシグナルを取り出すために「特異値分解（SVD）」という数学的な手法を使っていました[3]。これは、多数のサンプルに共通して現れる「ばらつきの大きな成分」を、システム由来のノイズや実験のバッチ効果（実験のロット差）とみなして取り除く、という考え方です。多くの場合、この方法はうまく機能します。

しかし、ここに大きな落とし穴がありました。集団の中で高い頻度（たとえば約50%前後）で見られる「コモンCNV（よくあるCNV）」は、多くのサンプルに共通して現れます。すると従来手法は、この本物の生物学的なCNVまで「共通して現れる大きなばらつき＝ノイズ」と勘違いして、バックグラウンドとして消し去ってしまうのです[4]。その結果、長くて一般的なCNVに対する感度と特異度（正しく検出する能力）が大きく損なわれていました[4]。「よくある変化ほど見逃しやすい」という、直感に反する弱点を抱えていたわけです。

3. CODEX2の仕組み：ノイズと本物を分ける統計モデル

CODEX2の中心的なアイデアは、GC含量による偏りをきちんとモデルに組み込んだうえで、「ポアソン潜在因子モデル」という統計的な枠組みで読み取り深度のデータを正規化（補正）することです[4]。これによって、まれなCNVとよくあるCNVの両方を高い感度で検出する「全スペクトルCNVプロファイリング」を実現しました。「全スペクトル」とは、頻度の低いものから高いものまで、あらゆる頻度帯のCNVを取りこぼさずに捉える、という意味合いです。

最大の革新：ネガティブコントロールの活用

CODEX2の最も重要な技術的革新は、「ネガティブコントロール領域」および「ネガティブコントロールサンプル」を、ゲノム全体を対象とする潜在因子モデルに巧みに組み込んだ点にあります[4]。ネガティブコントロールとは、簡単に言えば「ここには本物のCNVはほぼ無いはずだ」とわかっている領域やサンプルのことです。この“基準点”を手がかりにすることで、「どこまでがノイズで、どこからが本物か」の線引きが格段に正確になります。

具体的には、CODEX2は各サンプルのゲノム上の狙った領域ごとに、個別の「バックグラウンド因子（背景となるノイズの大きさ）」を推定し、それを使って観測された読み取り回数を補正します。そのうえで、「再帰的ポアソン尤度セグメンテーション」という手法で、最終的にどの区間がCNVなのかを区切って特定します[4]。この一連の流れによって、シグナルとノイズを切り分ける精度が飛躍的に高まりました。

2つの実験デザインに対応できる柔軟性

CODEX2は、研究の目的に応じて主に2つの解析パターンに対応できます[2]。1つ目は、患者群（ケース）と対照群（コントロール）が両方そろっているデザインです。この場合、対照群のデータだけを使ってエクソン単位の偏りや隠れたノイズ要因を推定し、患者群に偏って存在するCNVシグナルをきれいに取り出します[4]。2つ目は、病気の有無などの事前情報がない健常者集団を対象とするデザインです。この場合の目標は、集められたすべてのサンプルの中から生まれつき持っている（生殖細胞系列の）CNVを網羅的に洗い出すことで、大規模な集団解析で力を発揮します[2]。

ソフトウェアとしての実装

CODEX2は、R言語で書かれたオープンソースのソフトウェアパッケージとしてGitHub上で公開されており、GNU GPL v2ライセンスのもとで誰でも自由に利用できます[4]。操作はコマンドライン（文字入力による操作）ベースで、Windows・Mac OS X・Linuxのいずれのパソコンでも動く安定版が提供されています[5]。実際に使う際は、ノイズ要因をいくつ想定するか（Kという数値）を利用者が適切に選ぶ必要があり、CODEX2にはその選択を助けるための統計指標（AIC・BIC・残差分散）を計算し、グラフを自動で描き出す機能が組み込まれています[6]。

4. 他のCNV検出ツールとの位置づけ

CNVを検出するツールは、CODEX2以外にも数多く開発されています。それぞれ得意分野や設計思想が異なり、研究の目的やデータの種類によって使い分けられます。CODEX2は、特に「集団の中でよくあるCNVを見逃さない」という点に強みを持つツールとして位置づけられます。下の表は、当院の用語集で解説している主なCNV検出ツールをまとめたものです。

これらのツールはいずれも「読み取り深度からCNVを見つける」という点では共通していますが、ノイズの補正方法や、対象とするデータ（エクソームか、パネルか、全ゲノムか）、臨床向けか研究向けか、といった点で個性があります。CODEX2が既存手法と一線を画すのは、前述のとおり「よくあるCNV」まで取りこぼさない設計にある、という点です。実際の検証でも、シミュレーションにおいて従来のCODEXやSVDベースの手法が頻度約50%のコモンCNVに対して著しく低い性能を示したのに対し、CODEX2はあらゆる頻度帯でほぼ完璧な性能を維持したと報告されています[2]。

5. がんゲノム研究への応用：腫瘍進化を追う基盤

CODEX2は、単独のCNV検出ツールとして使われるだけでなく、がんゲノム研究の統合的な解析パイプラインの中核部品としても機能します。研究者らは「MARATHON」と呼ばれる統合パイプラインを提案しており、その中でCODEX2が正規化した読み取り深度データが、下流のさまざまな解析ソフトへと受け渡されていきます[7]。最終的には、腫瘍の系統樹（がん細胞がどう枝分かれして進化してきたかを表す図）を精緻に再構築するために利用されます[7]。CODEX2が生み出すノイズの少ない高品質なCNVシグナルは、こうした腫瘍の進化プロセスを解明する研究の土台となっているのです。

実際のがんデータを使った検証でも、その有用性が示されています。メラノーマ（悪性黒色腫）のターゲットシーケンスデータを用いた評価では、腫瘍抑制遺伝子であるPTENの欠失や、がん遺伝子であるBRAFの重複といった、再発性の（繰り返し見られる）CNVを正確に保持できたと報告されています[4]。一方、旧バージョンのCODEXは、こうした頻出するシグナルを背景ノイズと取り違えて最終結果から消してしまうことがあった、という違いも確認されています[4]。

このように、CODEX2は基礎研究から精密医療（プレシジョン・メディシン）に向けた応用まで、幅広い場面で「信頼できるCNVデータを供給する装置」として活躍しています。臨床の遺伝子検査で使われる解析パイプラインの背後にも、こうしたアルゴリズムの積み重ねがあることを知っておくと、検査というものの奥行きが見えてきます。

6. 紛らわしい「同名の別技術」に注意

ここまで解説してきたCNV検出アルゴリズムのCODEX2とは別に、まったく異なる分野で「CODEX2」という名前が使われていることがあります。文献を調べる際に混同しやすいため、代表的なものを整理しておきます。名前が同じでも、対象も仕組みもまったく別物である点に注意が必要です。

このうち②の大腸がんスコアは、CDX2（腸の細胞の分化に関わる転写因子）の発現喪失を「CODEX2（COlon cancer CDX2 Expression score）」という頭文字で表そうとするもので、学会（ASCO）の抄録として報告されている段階の研究です。血液中を流れる腫瘍由来のDNA（ctDNA）を用いた検査と組み合わせる試みも報告されていますが、まだ確立された臨床指標ではありません。③の空間生物学の技術は、蛍光色素の物理的な限界を、DNAバーコードを使った生化学的な工夫で乗り越え、1枚の組織上で数十種類のタンパク質を同時にマッピングできるようにしたもので、腫瘍微小環境の研究などで用いられます。いずれも本記事のCNV検出アルゴリズムとは無関係です。

7. 遺伝子検査・遺伝カウンセリングとのつながり

CODEX2そのものは研究者向けの解析ツールであり、患者さんが直接触れるものではありません。しかし、その役割を理解しておくことは、遺伝子検査の結果を受け止めるうえで役立ちます。というのも、点変異（DNAの1文字の違い）だけでなくCNVも、さまざまな遺伝性疾患の原因になり得るからです。遺伝子パネル検査やクリニカルエクソーム検査では、こうしたCNVを見つけ出すために、CODEX2に類する解析アルゴリズムが解析の工程で使われています。

ここで知っておきたいのは、CNV検出は「使うツールや設定によって結果に差が出うる」という性質を持つことです。ある領域を「変化あり」と判定するかどうかは、ノイズ補正の方法や感度・特異度のバランスに左右されます。だからこそ、検査結果を解釈する際には、検出された変化が本当に病気と関係するのか（臨床的意義）を、専門的な知識をもって慎重に見極める必要があります。この見極めと、結果をご本人・ご家族にわかりやすくお伝えする役割を担うのが、臨床遺伝専門医による遺伝カウンセリングです。

検出されたCNVが病気とどう関わるのか、家族にどのような影響があり得るのか、追加の検査が必要かどうか——こうした判断は、解析結果という「数字」だけでは決まりません。ご本人の症状や家族歴、これまでの経過といった臨床情報とあわせて総合的に考える必要があります。CODEX2のような解析技術は、その大切な出発点となる「正確なデータ」を提供する役割を果たしているのです。

8. よくある誤解

よくある質問（FAQ）

参考文献

• [1] Jiang Y, Zhang NR, et al. CODEX2: full-spectrum copy number variation detection by high-throughput DNA sequencing. Genome Biology. 2018. [PMC6260772]
• [2] CODEX2 can be applied under two experimental designs to identify common and rare CNVs. Genome Biology（Figure/本文）. [PMC6260772]
• [3] Jiang Y, Zhang NR, et al. CODEX2（本文：SVDベース手法・従来ツールとの比較）. Genome Biology. 2018. [PMC6260772]
• [4] CODEX2: full-spectrum copy number variation detection by high-throughput DNA sequencing（本文・手法詳細）. PMC. [PMC6260772]
• [5] CODEX2 tool description（安定版・対応プラットフォーム）. Bioinformatics Home. [Bioinformatics Home]
• [6] yuchaojiang/CODEX2（GitHub 公式リポジトリ・choiceofK等の実装）. [GitHub]
• [7] MARATHON: Integrative pipeline for profiling DNA copy number and inferring tumor phylogeny. PMC. [PMC6248831]

関連記事