マルチオミクス とは 医療現場での解析活用入門

マルチオミクス とは 医療への活用

「マルチオミクスをよく知らないまま任せると、1症例あたり数十万円分のデータをあなたが気づかないうちにムダにしていることがあります。」

マルチオミクスとは ゲノムからメタボロームまでを統合する考え方

マルチオミクスとは、ゲノム（DNA）、エピゲノム、トランスクリプトーム（RNA）、プロテオーム（タンパク質）、メタボローム（代謝物）など複数レイヤーのデータを統合的に解析するアプローチを指します。 jp.illumina(https://jp.illumina.com/techniques/multiomics.html)
単一のゲノム解析だけでは「変異があるのに発現していない遺伝子」や「変異がなくても過剰に発現している経路」など、病態の重要な部分が抜け落ちることが多いため、そのギャップを埋める目的で発展してきました。 gakkai.sfc.keio.ac(https://gakkai.sfc.keio.ac.jp/journal/.assets/SFCJ22-2-06.pdf)
例えばヒトゲノムは約30億塩基対、そこから転写される転写産物は数万種類、翻訳後のタンパク質は数十万種類と桁違いに増えていくため、どのレイヤーだけを見ても全体像は分かりません。 rhelixa(https://www.rhelixa.com/knowledgebase/fundamentals_omics_analysis/)
つまり「オミクス＝体内分子の『層』ごとの地図」であり、「マルチオミクス＝それらを重ね合わせて読む地図」と考えるとイメージしやすくなります。 cloud-for-all(https://www.cloud-for-all.com/blog/what-is-multi-omics-analysis.html)
結論は「単一検査では説明できない病態を多層的に理解するためのフレームワーク」です。

マルチオミクス解析には、大きく二つのスタイルがあります。 nutri-genomics(https://www.nutri-genomics.jp/column/2023.01.26.50/)
一つは同一サンプルから複数のオミクスデータを同時に取得する実験的マルチオミクスで、もう一つは既存のデータベースや過去研究のデータを統合するin silicoマルチオミクスです。 jp.illumina(https://jp.illumina.com/techniques/multiomics.html)
前者は1サンプルからRNAとタンパク質を抽出し、トランスクリプトーム解析とプロテオーム解析を同時に実施するような受託サービスとして既に提供されています。 promega.co(https://www.promega.co.jp/products/jutaku/multiomics/)
後者は、公開データを活用して新しいバイオマーカー候補を探索するような「机上の解析」であり、院外の研究パートナーが関与することも多くなっています。 cloud-for-all(https://www.cloud-for-all.com/blog/what-is-multi-omics-analysis.html)
つまり「検体ベースのマルチオミクス」と「データベースベースのマルチオミクス」があるということですね。

こうした多階層データを統合することで、例えば「特定変異を持つ患者群で、実際に発現が上がっている経路」と「その結果として変化している代謝物」までを一連で把握できるようになります。 med.toaeiyo.co(https://med.toaeiyo.co.jp/contents/cardio-terms/test-exam-diagnosis/4-101.html)
これは、臨床的には薬剤反応性の違いや副作用リスクの差、再発リスクの層別化といった、従来は経験則に頼る部分を、分子情報で裏付けることに近い動きです。 rhelixa(https://www.rhelixa.com/knowledgebase/fundamentals_omics_analysis/)
一方で、1レイヤーごとのデータサイズは数GB〜数十GBになることも珍しくなく、複数レイヤーを組み合わせると、1症例でもノートPCのHDDをあっという間に埋めてしまうレベルになります。 nutri-genomics(https://www.nutri-genomics.jp/column/2023.01.26.50/)
そのため、マルチオミクスを「新しい検査メニュー」と捉えるだけでなく、「巨大データの管理・解釈プロジェクト」として準備する必要があります。 cloud-for-all(https://www.cloud-for-all.com/blog/what-is-multi-omics-analysis.html)
データインフラと解釈体制の整備が原則です。

参考：マルチオミクスの基本概念とレイヤー構造の解説に詳しい総説
ゲノミクス・トランスクリプトミクス・プロテオミクスの違いとマルチオミクス rhelixa(https://www.rhelixa.com/knowledgebase/fundamentals_omics_analysis/)

マルチオミクスとは がんゲノム医療とバイオマーカー探索で何が変わるか

マルチオミクスが医療現場で最も分かりやすく使われている領域の一つが、がんゲノム医療です。 amelieff(https://amelieff.jp/mhlw_workshop/mhlw_beginners/)
従来のパネル検査では、DNAレベルの変異やコピー数異常に基づいて治療薬を選択していましたが、実際には「変異があるのに効かない」「変異がないのに効く」という症例が一定数存在します。 amelieff(https://amelieff.jp/mhlw_workshop/mhlw_beginners/)
ここでトランスクリプトームやプロテオーム情報を重ねると、薬剤標的経路の発現や活性の有無、代償経路の立ち上がりなどが見えてきて、なぜ効かないのか、なぜ効いたのかの説明力が上がります。 nutri-genomics(https://www.nutri-genomics.jp/column/2023.01.26.50/)
つまり「変異だけ見ていては外していた症例」を拾える可能性があるわけです。 cloud-for-all(https://www.cloud-for-all.com/blog/what-is-multi-omics-analysis.html)
結論は「治療選択の失敗を減らす追加情報として機能しうる」です。

具体的には、TCGAなどの大規模がんコホートで、ゲノム・トランスクリプトーム・プロテオーム・メタボロームを重ねた解析により、同じがん種でも分子サブタイプが複数存在することが明らかになっています。 rhelixa(https://www.rhelixa.com/knowledgebase/fundamentals_omics_analysis/)
これは、臨床的には「同じステージ分類・同じ組織型でも、予後や薬剤反応が大きく異なる小さな集団」がいくつも存在することを意味します。 nutri-genomics(https://www.nutri-genomics.jp/column/2023.01.26.50/)
たとえば、あるサブタイプではDNA修復経路の異常とそれに伴う特定代謝物の蓄積が顕著であり、PARP阻害薬や特定の併用化学療法の有効性が示唆される、といった具合です。 cloud-for-all(https://www.cloud-for-all.com/blog/what-is-multi-omics-analysis.html)
これらのサブタイプ分けは、ゲノムだけでは見逃されることも多いのが重要なポイントです。 rhelixa(https://www.rhelixa.com/knowledgebase/fundamentals_omics_analysis/)
つまり多層情報での層別化が基本です。

バイオマーカー探索の観点では、マルチオミクスにより「原因分子」と「結果として変化する分子」を区別しやすくなります。 jp.illumina(https://jp.illumina.com/techniques/multiomics.html)
DNAの変異やメチル化異常があり、それがRNA発現変化につながり、その結果としてタンパク質や代謝物のレベルが変化している、という因果の流れを、統計的に追うことが可能になるからです。 gakkai.sfc.keio.ac(https://gakkai.sfc.keio.ac.jp/journal/.assets/SFCJ22-2-06.pdf)
この時、例えば血中の代謝物やタンパク質は採血だけで測定できるため、「原因はゲノム側にあるが、検査は血液だけで済む」というスクリーニングマーカーの候補を見つけやすくなります。 gakkai.sfc.keio.ac(https://gakkai.sfc.keio.ac.jp/journal/.assets/SFCJ22-2-06.pdf)
臨床現場に近い形で利用しやすいバイオマーカー候補が増えるという意味で、マルチオミクスの意義は小さくありません。 nutri-genomics(https://www.nutri-genomics.jp/column/2023.01.26.50/)
結論は「検体採取のハードルを上げずに分子情報を増やせる可能性がある」ということです。

導入時の現実的な課題としては、解析コストと解釈の人的コストがあります。 cloud-for-all(https://www.cloud-for-all.com/blog/what-is-multi-omics-analysis.html)
1検体で複数オミクスを行うと、検査費用だけで数十万円規模になるケースもあり、研究費・治験・特定プロジェクト以外ではなかなかルーチン化しにくいのが実情です。 nutri-genomics(https://www.nutri-genomics.jp/column/2023.01.26.50/)
また、統合解析にはバイオインフォマティクスや統計学の知識が必要で、院内に専門家がいない場合は、外部企業やアカデミアとの連携が前提になります。 amelieff(https://amelieff.jp/mhlw_workshop/mhlw_beginners/)
一方で、最初からすべてを理解する必要はなく、「レポートで何が分かるのか」「どのレベルまで臨床判断に使ってよいのか」だけを押さえておく、という割り切りも現実的です。 amelieff(https://amelieff.jp/mhlw_workshop/mhlw_beginners/)
臨床側は「意思決定に使える情報だけをきちんと読む」が基本です。

参考：がんゲノム医療の基礎とバイオインフォマティクスの役割を整理した教材
臨床におけるがんのゲノム解析研修会 入門編 amelieff(https://amelieff.jp/mhlw_workshop/mhlw_beginners/)

マルチオミクスとは 医療従事者にとっての意外なメリット・デメリット

「マルチオミクス＝研究室の話で、臨床現場にはあまり関係ない」という感覚を持っている医療従事者は少なくありません。
しかし実際には、がんゲノム医療や難病・希少疾患領域で、マルチオミクス由来の知見に基づいた治療選択や治験紹介が増えつつあります。 amelieff(https://amelieff.jp/mhlw_workshop/mhlw_beginners/)
例えば、RNAレベルの発現から薬剤標的経路の活性化を評価し、DNAレベルでは陰性とされていた患者が、別の分子サブタイプとして治験の対象になった例も報告されています。 rhelixa(https://www.rhelixa.com/knowledgebase/fundamentals_omics_analysis/)
現場感覚としては「普通のパネル検査結果の裏で、マルチオミクス的な解析がすでに走っている」ケースが増えていると言えます。 cloud-for-all(https://www.cloud-for-all.com/blog/what-is-multi-omics-analysis.html)
つまり「もう関係している世界」ということですね。

メリットとしては、以下のようなポイントがあります。 jp.illumina(https://jp.illumina.com/techniques/multiomics.html)
・治療抵抗性や再発リスクの高い症例を、従来より早期に見分けられる可能性がある。
・副作用リスクや薬物動態に関連する代謝経路の個人差を、分子情報として捉えやすい。
・新しいバイオマーカー候補や治験情報にアクセスしやすくなり、患者へ提示できる選択肢が増える。
・学会発表や論文の際に、単一オミクスより説得力のあるストーリーを構築しやすい。
こうしたメリットは、患者にとっては予後やQOLの改善につながり、医療従事者にとっては診療の質や研究成果の向上につながります。 amelieff(https://amelieff.jp/mhlw_workshop/mhlw_beginners/)
いいことですね。

一方でデメリットやリスクも無視できません。 nutri-genomics(https://www.nutri-genomics.jp/column/2023.01.26.50/)
・1検体あたりの解析費用が高く、保険外のケースでは患者負担や施設負担が大きい。
・結果が返ってくるまで数週間以上かかることもあり、今すぐの治療選択には使いづらい場面がある。
・膨大な結果のうち、「臨床的に意味づけできる部分」はごく一部に限られ、かえって混乱を招くこともある。
・解釈者のバイアスやスキルに強く依存し、施設間での解釈の差が生じやすい。
特に「分かった気になるが、実は統計的には不確実な結果だった」という落とし穴は要注意です。 cloud-for-all(https://www.cloud-for-all.com/blog/what-is-multi-omics-analysis.html)
統計的な有意性に注意すれば大丈夫です。

こうしたリスクに対する現実的な対策としては、「日常診療で最低限押さえておくべきポイント」を決めることが有効です。 amelieff(https://amelieff.jp/mhlw_workshop/mhlw_beginners/)
例えば、院内で共有するチェックリストとして、「レポートのどの欄を必ず確認するか」「どのレベルのエビデンスで治療変更を検討するか」「治験紹介の基準は何か」を決めておくイメージです。 nutri-genomics(https://www.nutri-genomics.jp/column/2023.01.26.50/)
この際、がんゲノム医療の研修会やeラーニング教材を活用し、基本概念をチームで揃えておくと、個々人の負担を減らしつつ安全な運用につながります。 amelieff(https://amelieff.jp/mhlw_workshop/mhlw_beginners/)
外部の解析会社や大学との連携を前提にしつつも、「院内での理解レベルをどこまで上げるか」をあらかじめ決めておくことが重要です。 cloud-for-all(https://www.cloud-for-all.com/blog/what-is-multi-omics-analysis.html)
結論は「全部を理解しようとせず、使いどころと限界を共有しておく」です。

参考：マルチオミクス解析の医療応用と費用対効果の議論がまとまっている解説
データ処理の進歩に伴うマルチオミクス解析 nutri-genomics(https://www.nutri-genomics.jp/column/2023.01.26.50/)

マルチオミクスとは 医療現場での具体的な活用シナリオと時間・コスト感

医療従事者にとって最も気になるのは、「どの場面で、どれくらいの時間とコストをかけてマルチオミクスを使うべきか」という点だと思います。
ここでは、代表的な活用シナリオをいくつかに絞って整理します。 cloud-for-all(https://www.cloud-for-all.com/blog/what-is-multi-omics-analysis.html)
たとえばがん領域では、「標準治療をやり尽くした後の治療方針検討」「若年発症がんの原因探索」「治療抵抗性の機序解明を目的とした研究的検査」などが典型的な場面です。 amelieff(https://amelieff.jp/mhlw_workshop/mhlw_beginners/)
希少疾患では、単一遺伝子変異では説明しきれない表現型の違いを、エピゲノムやトランスクリプトームのレベルで補足する、といった使い方が考えられます。 rhelixa(https://www.rhelixa.com/knowledgebase/fundamentals_omics_analysis/)
つまり適応場面を明確に絞ることが条件です。

時間的な側面では、検体採取から解析結果が返ってくるまで、研究目的のマルチオミクスでは1〜3か月程度かかることもあります。 nutri-genomics(https://www.nutri-genomics.jp/column/2023.01.26.50/)
これは、NGSによるシーケンスや質量分析、統計解析、統合解析など、複数工程が直列に並ぶためです。 jp.illumina(https://jp.illumina.com/techniques/multiomics.html)
一方、商用サービスや大規模プロジェクトでは、ワークフローの標準化により、数週間〜1か月程度で結果を返すケースも増えています。 promega.co(https://www.promega.co.jp/products/jutaku/multiomics/)
外来診療のタイムラインにそのまま乗せるのは難しい一方で、長期フォローの中で「次の一手」を考える材料としては十分に使えるスピードです。 cloud-for-all(https://www.cloud-for-all.com/blog/what-is-multi-omics-analysis.html)
結論は「今すぐの処方変更ではなく、中期的な治療戦略の材料として位置づける」です。

コスト面では、オーダーメイドのマルチオミクス解析の場合、1症例あたり数十万円〜100万円規模になることもあり、研究費や企業治験で賄うケースが主流です。 nutri-genomics(https://www.nutri-genomics.jp/column/2023.01.26.50/)
一方で、特定パネルと組み合わせた「簡易マルチオミクス」や、既存データベースを使ったin silico解析であれば、1症例あたり数万円程度まで抑えられることもあります。 promega.co(https://www.promega.co.jp/products/jutaku/multiomics/)
一般的なイメージとしては、「MRIを年に何度も撮るレベル」のコストではなく、「高度な自由診療的検査を1回だけ追加する」くらいの感覚に近いでしょう。 cloud-for-all(https://www.cloud-for-all.com/blog/what-is-multi-omics-analysis.html)
そのため、すべての患者に一律で実施するのではなく、「情報を増やすことで治療方針が大きく変わりうる症例」に絞るのが現実的です。 amelieff(https://amelieff.jp/mhlw_workshop/mhlw_beginners/)
高コストだからこそ症例の選択が基本です。

こうした時間・コストを踏まえると、医療従事者として意識しておきたいのは、「どのような症例ならマルチオミクス解析に回しても良いか」というトリアージ基準です。 amelieff(https://amelieff.jp/mhlw_workshop/mhlw_beginners/)
院内カンファレンスやゲノムボードで、「標準治療や既存パネルだけでは意思決定が難しい症例」をリストアップし、研究・治験・企業連携などの枠組みでマルチオミクス解析の候補に挙げる仕組みを作ると、患者ごとの負担を抑えつつ活用の幅を広げられます。 cloud-for-all(https://www.cloud-for-all.com/blog/what-is-multi-omics-analysis.html)
この際、解析結果が臨床にどう反映されたかを記録しておくと、院内での「費用対効果」の実感値が蓄積されていきます。 nutri-genomics(https://www.nutri-genomics.jp/column/2023.01.26.50/)
結果として、「どの診療科で、どのタイミングならコストに見合うか」が見えてくるはずです。 amelieff(https://amelieff.jp/mhlw_workshop/mhlw_beginners/)
結論は「トリアージとフィードバックの仕組みづくりが鍵」です。

マルチオミクスとは 医療従事者が今から押さえておくべき実務的ポイント

最後に、これからマルチオミクスがさらに一般化していくことを前提に、医療従事者として「今から何を押さえておくべきか」を整理します。 rhelixa(https://www.rhelixa.com/knowledgebase/fundamentals_omics_analysis/)
すべてを専門家レベルで理解する必要はありませんが、少なくとも以下のポイントを把握しておくと、将来の負担を大きく減らせます。 cloud-for-all(https://www.cloud-for-all.com/blog/what-is-multi-omics-analysis.html)
まず重要なのは、「オミクスの各レイヤーが何を見ていて、どのような時間スケールで変化するか」をざっくりと理解しておくことです。 gakkai.sfc.keio.ac(https://gakkai.sfc.keio.ac.jp/journal/.assets/SFCJ22-2-06.pdf)
ゲノムは一生ほぼ変わらない設計図、エピゲノムやトランスクリプトームは数日〜数週間単位で変化する調節機構、プロテオームやメタボロームは時に分〜時間単位で変動する「現在進行形の状態」と考えると、臨床的な解釈がしやすくなります。 gakkai.sfc.keio.ac(https://gakkai.sfc.keio.ac.jp/journal/.assets/SFCJ22-2-06.pdf)
つまり時間軸の違いだけ覚えておけばOKです。

次に、レポートの読み方です。 amelieff(https://amelieff.jp/mhlw_workshop/mhlw_beginners/)
マルチオミクスレポートはしばしば数十ページに及びますが、臨床的に重要な部分はごく一部で、たとえば「臨床的意義のある変異・経路」「推奨される治療選択や治験候補」「予後や再発リスクに関わるサブタイプ情報」などです。 nutri-genomics(https://www.nutri-genomics.jp/column/2023.01.26.50/)
ここだけをまず確認し、残りは必要に応じて専門家に相談する、という運用で十分なケースも多いでしょう。 amelieff(https://amelieff.jp/mhlw_workshop/mhlw_beginners/)
また、患者説明の場面では、「なぜ今この検査を提案するのか」「結果が出たときに何が変わるのか」「変わらない可能性もどれくらいあるのか」を率直に伝えることが、期待値コントロールの意味で重要です。 cloud-for-all(https://www.cloud-for-all.com/blog/what-is-multi-omics-analysis.html)
結論は「全部読むより、重要なページと説明の筋を決める」です。

さらに、院内・地域での連携もポイントになります。 nutri-genomics(https://www.nutri-genomics.jp/column/2023.01.26.50/)
すべての施設がマルチオミクス解析を自前で実施できるわけではないため、解析拠点となる大学病院や研究機関、あるいは企業と連携し、症例ごとの相談窓口を明確にしておくことが重要です。 cloud-for-all(https://www.cloud-for-all.com/blog/what-is-multi-omics-analysis.html)
例えば、「年に数回はゲノム・マルチオミクスの勉強会を共同開催する」「気になる症例はオンラインカンファレンスで相談できるようにする」といった小さな取り組みでも、数年単位で見ると大きな差につながります。 nutri-genomics(https://www.nutri-genomics.jp/column/2023.01.26.50/)
こうしたネットワークを持つことで、あなた自身がすべてを抱え込まずに済み、患者にとっても「どこに相談すればよいか」が明確になります。 amelieff(https://amelieff.jp/mhlw_workshop/mhlw_beginners/)
外部との橋渡し役になることが基本です。

最後に、キャリアの観点です。 s.u-tokyo.ac(https://www.s.u-tokyo.ac.jp/ja/admission/undergraduate/pdf/bioinfo2026.pdf)
生物情報学やデータサイエンスの基礎を持つ臨床医・医療従事者は、今後ますます重宝されることが予想されています。 s.u-tokyo.ac(https://www.s.u-tokyo.ac.jp/ja/admission/undergraduate/pdf/bioinfo2026.pdf)
東京大学理学部の生物情報科学など、医学部以外でも生命情報と臨床をつなぐ人材育成が進んでおり、医療現場側にいるあなたが基本的な用語と考え方だけでも理解しておくことは、大きなアドバンテージになります。 s.u-tokyo.ac(https://www.s.u-tokyo.ac.jp/ja/admission/undergraduate/pdf/bioinfo2026.pdf)
すべてを研究者レベルで学ぶ必要はなく、「マルチオミクスの結果を臨床の文脈でどう解釈するか」という視点を磨くことが、他職種との差別化につながるでしょう。 cloud-for-all(https://www.cloud-for-all.com/blog/what-is-multi-omics-analysis.html)
結論は「少し先を見据えた学びが、あなた自身の武器になる」です。

あなたの現場では、まずどの診療科・どの疾患領域からマルチオミクス的な発想を取り入れてみたいですか？

別冊医学のあゆみ 質量分析イメージング法を用いた創薬・医学研究ーー時空間マルチオミクスの力 2024年[雑誌]