転写因子結合部位（TFBS）予測技術の進化を深く整理（2023-2026）

Sat, 14 Feb 2026 05:45:00 +0800

ワンホットエンコーディングから確率的ゲノム表現へ、CNNからKANネットワークへ、TFBS予測はパラダイムシフトの真っ只中にある。

特徴量エンジニアリング：静的行列から動的表現へ

1.1 配列表現技術の3世代の進化

第1世代：ワンホットエンコーディング（2023年以前）

# 従来のワンホットエンコーディングの例
def one_hot_encode(sequence):
    encoding = np.zeros((4, len(sequence)))
    for i, nucleotide in enumerate(sequence):
        if nucleotide == 'A':
            encoding[0, i] = 1
        elif nucleotide == 'C':
            encoding[1, i] = 1
        elif nucleotide == 'G':
            encoding[2, i] = 1
        elif nucleotide == 'T':
            encoding[3, i] = 1
    return encoding

限界: 4×Lの疎行列で、長距離依存を捉えられず、生物学的意味合いが欠如している。

第2世代：k-mer + Transformer埋め込み（2023-2024）

代表技術：DNABERT

DNA配列を自然言語として扱う
3-mer/6-merでトークナイズ：“ATCGAT” → [“ATC”, “TCG”, “CGA”, “GAT”]
768次元の連続ベクトル空間にマッピング
数百bpの複雑な制御パターンを捉えられる

# DNABERT埋め込み取得の例（簡易版）
from transformers import AutoTokenizer, AutoModel
tokenizer = AutoTokenizer.from_pretrained("zhihan1996/DNABERT-2-117M")
model = AutoModel.from_pretrained("zhihan1996/DNABERT-2-117M")

sequence = "ATCGATCGATCGATCGATCGATCGATCGATCG"
inputs = tokenizer(sequence, return_tensors="pt")
outputs = model(**inputs)
embedding = outputs.last_hidden_state  # Shape: [1, seq_len, 768]

第3世代：バイト対符号化（BPE）（2024-2025）

代表技術：DNABERT-2

近年CNSパンゲノム論文まとめ（2024-2026）

Sat, 14 Feb 2026 02:36:00 +0800

1. Nature (2025): Leveraging a phased pangenome for haplotype design of hybrid potato

内容: 31個の二倍体ジャガイモ（野生種10個、栽培種19個、自殖系2個）の60個のハプロタイプからなるフェーズドパンゲノムグラフを構築
ハイライト:
- PGGBとMinigraph-Cactusを用いてジャガイモのグラフパンゲノムを構築
- SVの進化と驯化における起源と運命を系統的に解明
- 雑種育種のための「理想的なジャガイモハプロタイプ（IPHs）」を設計
意義: 無性繁殖作物のゲノム設計育種の理論的基礎を築いた

2. Nature (2025): A pangenome reference of wild and cultivated rice

内容: 145個の染色体レベルのイネパンゲノム（栽培イネ16個 + 野生イネO. rufipogon 129個）を構築
ハイライト:
- 「単回驯化起源」仮説を支持：すべてのアジア栽培イネはOr-IIIa（ジャポニカの祖先）に由来
- 栽培イネと野生イネの間の遺伝子流動を精緻に解析
- 多数の耐病・耐ストレス遺伝子資源を発掘
意義: イネ育種に包括的な野生種質の遺伝的変異資源を提供

3. Nature Genetics (2025): Super pangenome of Vitis empowers identification of downy mildew resistance genes for grapevine improvement

内容: ブドウ属（Vitis）のスーパーパンゲノムを構築
ハイライト:
- ブドウ属全体をカバーする包括的なゲノム情報
- べと病（downy mildew）耐性遺伝子の発掘に成功
意義: ブドウの耐病育種に直接的なターゲットを提供

4. Nature (2025): Pan-genome bridges wheat structural variations with habitat and breeding

内容: コムギパンゲノムとSV、生息環境、育種の関連研究
ハイライト:
- コムギの構造変異と生息環境適応および育種形質の関連を解明
- VRN-A1遺伝子を例に、冬性品種における転写レベルの変化を示した
引用: 被引用数110回、近年のコムギパンゲノム分野で影響力の高い研究

5. その他の重要な論文

Nature (2025): The phased pan-genome of tetraploid European potato（四倍体ヨーロッパジャガイモのフェーズドパンゲノム）
Nature Plants (2025): Pan-genome analysis provides insights into legume evolution and breeding（マメ科パンゲノムと進化育種）
Nature Genetics (2025): Pan-genome analysis reveals the evolution and diversity of Malus（リンゴ属パンゲノムの進化と多様性）
Trends Microbiol (Cell, 2025): On the biological meaning of the population pangenome（集団パンゲノムの生物学的意義に関する総説）
Nature Reviews (2025): The role of pangenomics in orphan crop improvement（マイナー作物の改良におけるパンゲノミクスの役割に関する総説）

全体的なトレンド: 2024-2026年のパンゲノム分野の主流は フェーズドグラフパンゲノム + 種質資源から育種応用までのクローズドループ で、重点作物はジャガイモ、イネ、コムギ、ブドウ、リンゴ、マメ科など、コアな方向性はSVの発掘、ハプロタイプ設計、野生種質の利用である。

ゲノミクス on 都德のブログ