同じ遺伝子を抑えるsiRNAでも同じ薬にはならない
80本のsiRNAを測ったOTSポスターを読み、標的抑制と転写応答で候補をどう選ぶかを考える。図の10点からの判断例と読み取り幅への感度分析、qPCRとの費用比較を添える。
On this page
標的を約8割抑えるsiRNAがある。図で数えられた変動遺伝子は十数個だった。もう少し強く抑える別のsiRNAでは、変動遺伝子が二十数個に増える。次に残すなら、どちらだろう。
Ginkgo Datapointsの2026年OTSポスターを見て、気になったのはこの散布図だった。横軸は変動した遺伝子の数、縦軸は標的の平均ノックダウン率。同じ標的を狙う候補でも、点は一か所に集まらない。標的の発現量を測るだけでは見えない差がある。公開ポスターPDF (1)
ただ、横軸をそのまま「オフターゲットの数」と読んでしまうのも早い。標的を抑えた結果として変わる遺伝子まで、そこには入っているかもしれない。
今回はこの図の10点を概数として読み取り、二つの軸で候補をどこまで絞れるかを計算した。読み取りに幅を持たせると、比較上後回しにできる点は6点から5点、さらに4点へ減った。候補を一意に選ぶより先に、何を減らしたいのかと、どこまで差を読めるのかを決める必要がある。
資料確認日は2026年10月19日。以下の再計算は、公開ポスターの図から読んだ座標を使う判断例であり、発現カウントの再解析ではない。
80本を6濃度で測った実験
発表は、4標的に対する80本のsiRNAをHepG2細胞へ導入し、DRUG-seqで転写応答を測ったものだ。濃度は0.1、0.316、1、3.16、10、31.6 nM。実験表にはライブラリ条件の反復数が6とあり、未処置、導入試薬、非標的siRNA、PPIBを狙う陽性対照も置いている。14枚の384ウェルプレートを用いたと説明されている。ポスター第2節
標的への効果は、同じプレートの導入試薬対照に対するDESeq2のlog2 fold changeで示される。DRUG-seqは標的と同時に多数の遺伝子を測るため、標的だけを測定した場合には同程度に見える候補を、転写応答でも比べられる。
第5節には、Gene Bを狙うE0052、E0058、E0061の例がある。標的への作用が似ていても、ほかの遺伝子の濃度応答は一致しない。これが、この発表を候補選択の話として読む理由だ。
公開範囲には制約もある。標的はGene A〜Dという匿名表記で、配列や発現カウント、解析コードへのリンクは、確認した発表ページとポスターにはない。処置時間や反復の独立性も、この資料だけでは十分に追えない。紹介ページの要旨にはCRISPR-KOとの比較が記される一方、ポスターの実験表と図では対応する比較を確認できないため、ここでは根拠に採用しない。
変わった遺伝子を全部捨てたいわけではない
siRNAは、意図した標的以外の転写産物にも作用しうる。Jacksonらは、ガイド鎖のseed領域との部分的な相補性を介した抑制を実験的に示した。同じ標的へのsiRNAを複数使うことは、標的に共通する作用と配列に依存する作用を見分ける手がかりになる (2)。
それでも、siRNA間で異なる発現変化が、すべて直接的なオフターゲットとは限らない。少なくとも、次の可能性を考えたい。
表1．転写変化の由来と対応する比較。
| Origin | Relevant comparison |
|---|---|
| Downstream effects of target suppression | Reproduction across distinct seeds at comparable suppression |
| Unintended sequence-dependent action | Seed complementarity and changes with sequence or chemistry |
| Transfection or oligonucleotide response | Untreated, reagent and nontargeting controls |
| Cell state or measurement conditions | Matched viability, proliferation, cell count, timing and plate |
共通する変化だから必ず標的由来、とも言い切れない。共通の導入操作や、似た配列特性でも応答は重なる。逆に、配列を変えると異なるのは、標的抑制の速度や持続時間が違うからかもしれない。単一時点のmRNA抑制率が一致しても、タンパク質やそれまでの作用履歴まで同じとは限らない。
ポスターにはE0061のミトコンドリアRNAについての記述もある。しかし、その指標一つで細胞生存や安全性を確認したとは扱わない。生存の実測、標的タンパク質、必要な機能の測定は別に欲しい。
10点の図から何点まで絞れるか
第4節BのGene Aの散布図を読み取った。横軸の変動遺伝子数は整数へ、縦軸の平均ノックダウン率は小数1桁へ丸めた概数である。元データがその精度で分かるという意味ではない。図の集約方法や、変動遺伝子を数える閾値は、公開された凡例からは復元できない。
ここで仮に「標的抑制率は高いほどよく、変動遺伝子数は少ないほどよい」という選好を置く。別の候補が両方の軸で同等以上で、少なくとも片方で優れていれば、その点を比較上後回しにする。いわゆるPareto優越の判定で、二つの軸を勝手な重みで足し合わせない。
この選好は、変動遺伝子の少なさを選別上の目安にする仮定だ。下流の薬効応答まで減らしたい、という根拠にはならない。
図1．筆者作成。座標はポスター第4節Bからの概数。棒は読み取り幅の仮定で、標準誤差や信頼区間ではない。
表2．読取幅によるPareto優越判定の変化。
| Coordinate treatment | Dominated points | Points not established as dominated |
|---|---|---|
| Approximate readings without ranges | 6 | 4 |
| Each point ±1 gene and ±1 percentage point | 5 | 5 |
| Each point ±2 genes and ±2 percentage points | 4 | 6 |
幅を持たせた判定では、有利な候補の最も不利な値でも、比較相手の最も有利な値以上であることを要求した。これは読み取り誤差への感度分析であり、実験の統計的不確実性を評価したものではない。±1と±2の幅も、実測した誤差分布から求めてはいない。
例えば、概数ではE0078は約15遺伝子・約81.8%、E0077は約16遺伝子・約65.7%となる。抑制率には大きな差がある。しかし遺伝子数の差は約1個しかない。両点に±1個の幅を置けば、どちらの遺伝子数が小さいかは決められず、この厳しい二軸の優越判定はつかなくなる。
一方、E0078とE0071は、概数で約15対42遺伝子、約81.8対78.5%だ。±1の幅ではE0078が両軸で優れるが、縦の幅を±2ポイントへ広げると、その組合せの優越判定は失われる。E0071自体は他候補からの優越が残る。候補全体の判定と、特定の二本の比較も区別する必要がある。
幅なしで残るのはE0075、E0078、E0080、E0076。E0075は変動遺伝子数が少ないが、標的抑制も弱い。仮に「平均抑制80%以上」を別の足切り条件にすれば、残るのはE0078、E0080、E0076の3本になる。ただし80%は説明のために置いた値で、薬効や標的タンパク質から決めた基準ではない。ここから開発候補の優劣は決められない。
本当に比べたいのは同じ標的作用での余分な変化
元の散布図には、平均ノックダウン率という縦軸がある。平均の取り方が分からない以上、それを特定の濃度や同じ標的作用での比較に読み替えることはできない。
候補ごとに、機能的な根拠のある標的抑制水準へ達する濃度が分かれば、その近傍の転写応答を比較できる。しかし本資料では、その水準も対応濃度も確定していない。濃度範囲の外への外挿や、mRNA抑制だけでは、同じタンパク質作用・機能を持つ候補を比べたことにはならない。
そのうえで、複数配列に共通する標的由来の応答と、候補ごとに残る変化を調べる。レスキューや別方式の介入も手がかりになるが、ノックアウトと部分的な抑制は同じ条件ではない。比較対象を増やすだけで作用機序が確定するわけではない。
変化を数えるときも、閾値と発現量を固定して確認する。ポスターのGene Cは、DepMap由来の発現量が0.1 TPMと記載され、抑制の検出が難しい例として示されている。低発現のため検出できないことを、よく効かなかったことや、ほかに何も変えなかったことに置き換えたくない。
qPCRとの費用比較は何を単位にするか
もう一つ、数字を確認しておきたい。ポスター第7節の概算では、同じスクリーニング規模に対してRT-qPCRが約4万ドル、DRUG-seqが約5万ドル、bulk RNA-seqが約36万ドルとされる。期間は前二者が3週、bulk RNA-seqが7週。処置、調製、測定、解析を含むと説明されている。
この条件では、DRUG-seqの総額はqPCRより約1万ドル、25%高い。「1遺伝子あたり」で安くても、総予算が小さくなるわけではない。対して全条件をbulk RNA-seqで測る見積もりの約14%ではある。ポスター第7節
ただし、実際の比較相手が「qPCRで全候補を見て、数本だけRNA-seqする」なら、この3つの総額だけでは損得を決められない。少数サンプルの追加費用は、全条件の見積もりを本数で割って推定できるとは限らない。追加の約1万ドルで、候補の選び直しや追試がどれだけ変わるかを知りたい。見積もりは発表者の条件付きの数字で、市場価格として一般化しない。
標的抑制率だけでは10候補の順位が決まらない
公開ポスターは、このデータが機械学習の基盤になると述べている。ただし、未知のsiRNA配列に対する予測性能を検証した報告ではない。同じ配列の別濃度を予測することと、未知配列、化学修飾、細胞背景へ外挿することは異なる。
今回の10点では、標的抑制率の一列だけでは候補間の違いが落ちた。一方、下流応答の一列を追加しても、その変化を薬効と呼ぶか、避けたい影響と呼ぶかは自動的に決まらない。図だけから1本の優位を確定することはできなかった。
HepG2への導入条件で得た応答は、送達、体内動態、作用持続、他組織への影響を含む薬剤としての性能とは区別される。
データとコードの公開状況
読み取り座標・計算コード・実行手順をまとめた。Pythonでanalysis.pyを実行すると、各候補の優越関係、読み取り幅を変えた結果、費用比がJSONに出る。plot.pyで図を再生成できる。元のポスター、生の発現データ、配列は同梱していない。
化学修飾による意図しない転写抑制の変化についてはJacksonらの研究 (3) を参照した。この追加資料も抄録を確認した範囲である。
参照
- Cox K, Rudibaugh T, Vigneau S, Riccardi A, Dedic C, Roach K, et al. Smarter siRNA Candidate Selection Through Scalable DRUG-seq Profiling. Oligonucleotide Therapeutics Society meeting poster. 2026. Poster; official publications listing.
- Jackson AL, Burchard J, Schelter J, Chau BN, Cleary M, Lim L, et al. Widespread siRNA “off-target” transcript silencing mediated by seed region sequence complementarity. RNA. 2006;12(7):1179-1187. doi:10.1261/rna.25706.
- Jackson AL, Burchard J, Leake D, Reynolds A, Schelter J, Guo J, et al. Position-specific chemical modification of siRNAs reduces “off-target” transcript silencing. RNA. 2006;12(7):1197-1205. doi:10.1261/rna.30706.