マイクロアレイ実験で大量の発現データが得られても、適切なデータ処理と統計解析を行わなければ意味のある生物学的知見は得られません。
「マイクロアレイデータの解析はどのように進めるのか」「どの統計手法を使えばよいのか」という疑問は、マイクロアレイを扱う研究者にとって共通の課題です。
本記事では、マイクロアレイデータの前処理・正規化・発現変動遺伝子の同定・クラスタリング・パスウェイ解析など、バイオインフォマティクスの観点から体系的に解説します。
統計解析の基本から実践的な解析フローまで幅広く解説しますので、ゲノム科学・生命情報学を学んでいる方の参考になれば幸いです。
マイクロアレイ解析は前処理・正規化・統計解析の三段階で進める
それではまず、マイクロアレイデータ解析の基本的な流れについて解説していきます。
マイクロアレイ解析は大きく「前処理」「正規化」「統計解析」という三段階のステップで進められます。
各ステップの品質が最終的な解析結果の信頼性を直接左右するため、丁寧な処理と品質チェックが不可欠です。
R言語のBioconductorパッケージ（limma・affy・preprocessCoreなど）は、マイクロアレイ解析の業界標準ツールとして広く使用されており、無料で利用できる強力な解析環境を提供しています。
解析パラメータの選択や結果の解釈には生物学的な知識と統計学的な理解の両方が求められるため、バイオインフォマティクスの専門性が重要な役割を担います。
マイクロアレイ解析の三段階フロー：①前処理（生データのQC・バックグラウンド補正・シグナル要約）→②正規化（サンプル間・アレイ間のバイアス補正）→③統計解析（DEG同定・クラスタリング・パスウェイ解析）。各ステップを丁寧に実施することで信頼性の高い結果が得られます。
生データ（蛍光画像から取得した強度値）には、バックグラウンド蛍光・染色効率の違い・アレイ内の空間的な偏りなど、様々な技術的なばらつき（バイアス）が含まれています。
これらのバイアスを適切に補正することが、真の生物学的差異を正確に検出するための前提条件となります。
データ品質管理（QC）と外れ値アレイの検出
解析の最初のステップは、取得したデータの品質管理（Quality Control：QC）です。
アレイごとのシグナル強度の分布・バックグラウンド強度・ハイブリダイゼーション効率の指標（スパイクコントロールなど）を確認し、技術的な失敗や外れ値となるアレイを同定して除外します。
箱ひげ図・密度プロット・相関行列ヒートマップ・PCA（主成分分析）プロットなどを使って複数のアレイ間のデータ分布を可視化することで、異常なサンプルを視覚的に発見できます。
特にRNA品質（RINスコア：RNA Integrity Number）が低いサンプルは分解したmRNAを反映するため、一定の基準（RIN ≥ 7など）を満たさないサンプルは解析から除外することが推奨されます。
QCの段階で問題を発見して対処することで、下流の統計解析の信頼性が大幅に向上します。
正規化手法の種類と選択基準
正規化（Normalization）とは、複数のアレイ間で比較可能なシグナル強度にデータを変換する処理です。
代表的な正規化手法として、グローバル正規化（全シグナルの中央値や平均値で割る方法）・Quantile Normalization（分布を揃える方法）・LOESS正規化（2色アレイのMA plot上の系統的バイアスを補正する方法）などがあります。
Quantile Normalizationはすべてのアレイのシグナル分布を完全に揃える強力な手法で、Affymetrix GeneChipの標準的な正規化手法（RMA：Robust Multi-array Average法の一部）として広く使われています。
ただし、多くの遺伝子が実際に発現変動している場合（例：ほとんどの遺伝子が上方制御されるような条件）には、全体分布を揃えることで本来の変化を打ち消してしまうリスクがあるため、注意が必要です。
正規化手法の選択はデータの特性・実験デザイン・解析の目的に応じて慎重に行うことが重要です。
発現変動遺伝子（DEG）の統計的同定方法
続いては、発現変動遺伝子の同定に使われる統計手法を確認していきます。
正規化されたデータから、どの遺伝子の発現が条件間で有意に異なるかを統計的に判定することが解析の核心です。
適切な統計検定と多重比較補正の適用が、偽陽性を制御しながら真の発現変動遺伝子を同定するための鍵となります。
t検定・ANOVA・limmaによる発現変動の検定
二群比較では、各遺伝子に対してウェルチのt検定を適用することが基本的なアプローチです。
しかし、マイクロアレイデータではサンプル数が少ない（3〜10程度）のに対して検定する遺伝子数が非常に多い（数万）という特性があり、通常のt検定では分散推定が不安定になりがちです。
このため、全遺伝子にわたる分散情報を借用して各遺伝子の分散推定を安定化するベイズ的モデレーテッドt統計（moderated t statistic）を実装したlimmaパッケージが広く使用されています。
3群以上の比較には一元配置分散分析（one-way ANOVA）を適用し、事後検定（Tukey法など）で群間の差を同定します。
limmaはANOVA的な多群比較・共変量を含む複雑な実験デザインにも対応できる汎用性の高いツールです。
多重比較補正：BenjaminiHochbergとFDR
数万の遺伝子に対して同時に仮説検定を行う場合、有意水準p＜0.05で判断すると多数の偽陽性（真は差がないのに有意と判断してしまうもの）が生じます。
これを制御するために多重比較補正が必要で、最も広く使われているのがFDR（False Discovery Rate：偽発見率）制御のBenjamini-Hochberg法（BH法）です。
FDR補正後のp値（q値・adjusted p-value）を用いて、一般的にq＜0.05（またはq＜0.1）を有意とすることで、発見された遺伝子のうち5〜10%が偽陽性であることを許容しながら多くの真の変動遺伝子を同定できます。
FWERを厳格に制御するBonferroni補正は検出力が低く、マイクロアレイ解析では過度に保守的になりすぎるため、通常はBH法が推奨されます。
統計的有意性（p値・q値）と生物学的有意性（fold change：発現倍率変化）を組み合わせたフィルタリング（例：q＜0.05かつ|log2FC|＞1）が標準的なDEG選択基準です。
クラスタリングと発現パターンの可視化
同定されたDEGのパターンを探索するために、クラスタリング（多変量データの分類）と可視化が重要な役割を担います。
階層型クラスタリングは遺伝子間・サンプル間の類似性（相関係数・ユークリッド距離など）を基に樹状構造を構築し、ヒートマップと組み合わせて発現パターンの全体像を可視化するのに最適です。
k-meansクラスタリングは事前にクラスター数kを指定して遺伝子を分類する手法で、階層型クラスタリングより大規模なデータへの適用に向いています。
PCA（主成分分析）やt-SNE・UMAPなどの次元削減手法をサンプルの可視化に適用することで、サンプルのグループ構造・外れ値・バッチ効果を直感的に把握できます。
クラスタリング結果の生物学的解釈には、GO（Gene Ontology）解析やパスウェイ解析との組み合わせが不可欠です。
パスウェイ解析と機能アノテーションによる生物学的解釈
続いては、DEGリストから生物学的意味を読み取るためのパスウェイ解析と機能アノテーションを確認していきます。
統計的に有意なDEGのリストを得ただけでは生物学的な解釈はできず、それらの遺伝子が生体内でどのような機能・パスウェイに関与しているかを理解することが目標です。
パスウェイ解析は個々のDEGを超えて、生物学的プロセスレベルでの変化を理解するための必須ツールです。
| 解析手法 | 特徴 | 主なツール・データベース |
|---|---|---|
| GO解析（ORA） | DEGリストのGOエンリッチメント | DAVID・clusterProfiler |
| GSEA | 全遺伝子ランクによる解析 | Broad Institute GSEA |
| パスウェイ解析 | シグナル伝達経路の変化 | KEGG・Reactome・WikiPathways |
| ネットワーク解析 | タンパク質相互作用・共発現ネットワーク | STRING・Cytoscape |
GSEAとORAによるエンリッチメント解析
遺伝子セットエンリッチメント解析（GSEA：Gene Set Enrichment Analysis）は、全遺伝子を発現変化量でランク付けし、特定の遺伝子セット（GO term・パスウェイなど）がランクの上位または下位に集中しているかを検定する方法です。
任意の閾値でDEGを定義する必要がなく、全遺伝子のランク情報を使う点が従来のORA（Over-Representation Analysis）よりもロバストとされています。
ORAはDEGリストを入力としてFisher正確検定などで各GO termのエンリッチメントを計算する方法で、実装がシンプルで結果の解釈が直感的です。
KEGGパスウェイ・Reactome・Gene Ontology（生物学的プロセス・分子機能・細胞成分）などのデータベースを使ったエンリッチメント解析により、DEGが関与するシグナル経路や機能カテゴリを系統的に理解できます。
パスウェイ解析の結果は、研究の仮説形成・メカニズム解明・バイオマーカー候補の絞り込みに直接役立てることができるでしょう。
まとめ
本記事では、マイクロアレイ解析の手法について、データ前処理・正規化・統計的DEG同定・クラスタリング・パスウェイ解析まで解説しました。
マイクロアレイ解析は前処理・正規化・統計解析の三段階で進み、各ステップでの適切な処理が最終結果の信頼性を左右します。
limmaによるモデレーテッドt検定とBenjamini-Hochberg法によるFDR補正が発現変動遺伝子同定の標準的なアプローチです。
統計解析で同定されたDEGをGSEAやパスウェイ解析で生物学的に解釈することが、マイクロアレイ解析の最終目標です。
バイオインフォマティクスの技術を高め、ゲノムデータから価値ある知見を引き出す能力を身につけていきましょう。
