RNA-Seq解析ソフトを選ぶとき、多くの人は、 FASTQファイルから発現量を計算できるか、 発現差解析を実行できるか、 Volcano plotやヒートマップを作れるか、 GO解析やPathway解析まで進められるかを確認します。
もちろん、これらは重要な機能です。 しかし、解析に求められるのはそれだけではありません。 得られた結果が、 データの歪みやバッチエフェクトによる見せかけではなく信頼できるものか、 研究目的に合った発現パターンを抽出できているか、 などをきちんと確認できることも必要です。 たとえば、細胞で何が大きく変化しているかを知りたい場合と、その現象を引き起こした原因に近い因子を探したい場合では、必要な解析は異なります。
AIによるコード生成や、ブラウザー上でボタンを押すだけの自動解析ツールによって、 RNA-Seq解析を実行するための敷居は今後さらに下がっていくと考えられます。 しかし、実行が簡単になることは、 正しい解析結果が得られることを意味しません。 むしろ、データの性質を確認しないまま、 研究目的と統計モデルの適合性も検討せずに有名なツールを実行するだけのパイプラインは、 もっともらしい結果を大量に出力する危険性を高めるでしょう。
こうした研究者の問題意識は、2026年に公開されたワークショップ報告「データ解析の『落とし穴』～あなたのその解析，大丈夫ですか？～」でも取り上げられています。 海外でも、RNA-Seq解析における再現性やデータ解釈の課題は引き続き議論されており、「Designing RNA sequencing experiments: A practical guide to reproducible gene expression analysis」では、実験設計や解析手法の選択に加え、PCAやクラスタリングなどによるデータの可視化、解析結果の検証、生物学的な背景を踏まえた解釈の重要性が論じられています。
AIによって、RNA-Seq解析の自動化はさらに進む
これまでは、RNA-Seq解析を行うために、 Linuxコマンド、R、Python、統計手法、各種ツールの使い方を学ぶ必要がありました。 しかし現在は、AIに指示すれば、 Salmonやkallistoを実行するコマンド、 tximportでgene-level counts tableを作成するRコード、 edgeRやDESeq2でp値を計算するスクリプト、 Volcano plotやヒートマップを作るコードまで生成できます。 この変化によって、RNA-Seq解析はますます自動化されていきます。 これまで大きな壁だった「コードを書くこと」や「ツールを動かすこと」は、 以前ほど難しい作業ではなくなっていくでしょう。
さらに、AIがコードを生成するだけでなく、解析そのものを実行するAIエージェントも登場しています。 しかし、コードが作れることと、正しい解析ができることは違います 。 AIは解析コードを生成できますが、 そのデータにその処理を適用してよいかどうかまでは、 自動的には判断してくれません。
実際のRNA-Seqデータには、統計モデルだけでは判断できない問題がある
RNA-Seq解析で使われる統計手法は、 カウントデータのばらつきやサンプル間の違いを考慮して 発現差を評価するように設計されています。 しかし、どのようなデータにも無条件に適用できるわけではありません。 正規化の前提が適切か、 極端な外れ値やバッチ効果が結果に影響していないか、 実験デザインが研究目的に合っているかなど、 解析者が確認すべき問題は残されています。
実際のRNA-Seqデータには、統計モデルによる処理だけでは 適切に評価できない問題が含まれることがあります。 RNA品質、サンプル量、細胞組成、ライブラリ調製、シーケンス深度、 マッピング率、低発現遺伝子のばらつき、外れ値、バッチ効果など、 さまざまな要因が解析結果に影響します。
特に、公共データベースから取得したRNA-Seqデータや、 biopsy由来のサンプル、低入力RNA-Seq、細胞組成が異なるサンプルでは、 サンプルごとのデータ品質や分布が大きく異なることがよくあります。 このようなデータでは、統計手法を実行する前に、 データの状態を確認することが欠かせません。
それでも、AIが生成したコードや自動解析ツールにデータを入力すると、 一見もっともらしい結果が得られることが問題なのです。 それらが本当に生物学的な差を反映しているのか、 それともデータ品質や分布の偏りを反映しているのかは、 個々の解析結果だけを見ても全体の整合性は判断できない からです。
DEG解析は、edgeR、DESeq2、limmaを使えばよいという単純な話ではない
RNA-Seqの発現差解析では、 edgeR、DESeq2、limmaなどの手法がよく使われます。 これらは重要な統計手法であり、 RNA-Seq解析において大きな役割を果たしてきました。 しかし、実際には、 有名な統計モデルをそのまま適用すればいいという問題ではありません。 DEG解析の出す答えと、生物学研究の目的にとって重要な遺伝子は異なります。
実際の解析では、研究目的によって、下記のように探したい発現パターンは変わり、それに伴って見るべきデータの領域も、使うべき手法も変わります。
- 群間で大きく発現レベルが変わる遺伝子を見つけたいのか
- 群内分散が小さい安定した変化を拾いたいのか
- 低発現だが特定の条件でON/OFFのように変化する遺伝子を見たいのか
- 未知のサブクラスターを発見したいのか
- 個体差を考慮したpaired designで変化を見たいのか
RNA-Seq解析ソフトに必要なのは、結果を出す機能だけではない
RNA-Seq解析ソフトを選ぶときには、どの解析を自動実行できるかだけでなく、 探索的データ解析（EDA）によって、 データの特徴や問題をどこまで調べられるか を見る必要があります。
EDAは、QCや外れ値の検出だけを目的とするものではありません。 研究上の問いや生物学的な発見に どのようにつながるのかについては、こちらの記事で詳しく解説しています。
実際のRNA-Seqデータを使った検証事例
同じRNA-Seqデータセット（GSE173789）を使い、 データの可視化、標準的な解析ワークフロー、 自動解析ツールという3つの観点から、 解析結果の信頼性と検証の課題を検討しました。
- データの可視化による問題の発見 ― リード数が少ないサンプルでは、正規化によって 一部の遺伝子の発現が相対的に高く見える場合があります。 こうしたデータの特徴やサンプル構成が、 DEG解析や生物学的解釈にどのような影響を与えるのかを検証しました。
- Galaxyによる標準的なRNA-Seq解析 ― 各ツールのQCレポートから重要な情報が得られる一方、 それらを発現データや比較結果と結びつけ、 解析全体の妥当性を判断することの難しさが見えてきました。
- RaNA-Seqによる自動RNA-Seq解析 ― 自動化によって解析作業が容易になる一方、 解析結果の信頼性や妥当性を判断するための情報が、 解析者に十分伝わるとは限りません。 解析全体の問題点や確認すべきポイントを どのように提示するかが、今後の自動化の重要な課題です。
- RNAseqChefによる自動RNA-Seq解析 ― 豊富な解析・可視化機能を備えていますが、 PCAやヒートマップで気になる特徴を発見しても、 特定のサンプルや遺伝子を追跡して原因を詳しく調べることは容易ではありません。 解析機能の豊富さと、解析結果の信頼性を検証できることは別の問題であると分かりました。
- iDEPによるRNA-Seq解析 ― 多様な解析・可視化機能を備えていますが、 PCAやヒートマップでサンプルの特徴を確認できても、 その特徴が生じた原因や解析結果への影響を 十分に検証できるとは限りません。 解析機能の豊富さと、結果の信頼性を検証できることの違いを考えます。
これらの事例は、特定の解析ソフトの優劣を決めるためのものではありません。 解析結果を得られることと、その結果を理解し、 検証できることの違いを考えるためのものです。
さらに、研究成果につなげるためには、標準的な解析手順に固定されないことも重要です。標準的な解析フローを実行すること自体が、その研究目的に最適であるとは限りません。それどころか、本来発見できる可能性のあったものを見逃すことにもつながりかねません。そのため、オミクスデータの解析には、標準手順を再現するだけでなく、研究目的に応じて解析方法を考える独創性が不可欠です。
自動化とデータ確認を組み合わせる運用が現実的
もちろん、自動化そのものが問題なのではありません。 FASTQファイルの処理、発現量テーブルの作成、edgeRやDESeq2によるp値計算、 グラフ作成などは、AIや既存ツールを利用して効率化できます。 定型的な処理を自動化することは、解析作業を進めるうえで大きな助けになります。 問題は、自動化された処理の出力を、 データの状態や研究目的と照らし合わせずに、そのまま結論として扱ってしまうことです。
大量のデータを処理する必要のある現場では、 自動化された処理で結果を効率よく得ながら、 その結果を可視化し、確認し、研究目的に合っているかを判断する運用が必要になります。
RNA-Seq解析ソフトを選ぶときの確認ポイント
各種解析機能に加えて、下記の点を確認できることをお勧めします。
- Gene Counts、TPM、FPKM、RPKMを区別して扱えるか
- 正規化前後のデータ分布を確認できるか
- 特定の発現パターンがデータの歪みを反映したものでないかを確認できるか
- 低Count領域や欠測値の状態を確認できるか
- 発現差解析結果をp値だけでなく、発現パターンとして確認できるか
- GO解析・Pathway解析の結果を元データと対応づけて確認できるか
- 他の解析ツールで得られた結果と比較・統合できるか
- 標準的な解析手順に固定されず、研究目的に応じて解析方法や抽出条件を見直せるか
Subio Platformは、データを見ながら判断するためのRNA-Seq解析ソフトです
Subio Platform は、RNA-SeqのGene Counts、TPM、FPKMなどの発現量データを取り込み、正規化、フィルタリング、PCA、クラスタリング、ヒートマップ、発現差解析結果の確認、GO解析・Pathway解析などを行えるRNA-Seq解析ソフトです。ただし、Subio Platformが重視しているのは、解析結果を出すことだけではありません。データや解析結果を可視化して理解・検証し、必要に応じて元の発現量データへ戻りながら、研究目的に合った解析になっているかを判断できることです。
解析結果を見直し、共有し、再解析できることも重要
また、RNA-Seq解析では、 一度得られた解析結果をその場限りで終わらせず、 後から見直し、共有し、別の条件で再解析できることも重要です。 解析手順や表示状態を含めて保存できれば、 研究室内で結果を共有したり、 別の研究者が同じデータを確認し直したりすることが容易になります。
Subio Platformでは、 解析データを再利用可能な形で蓄積し、 SSAファイルとして共有することで、 同じ解析結果をすぐに開き、確認・再解析できます。 このような解析データの資産化と共有化は、 個人の解析作業だけでなく、 研究室全体の解析能力を底上げするためにも重要です。 この点については、 プラグインなしでも、ここまでできる： Subio Platformの無料基本機能が支えるオミクス解析 で説明しています。
具体的な解析の進め方について、 操作手順だけでなく、各ステップでの考え方や判断のポイントを重点的に解説した RNA-Seqデータ解析チュートリアル でご確認ください。