ベースコーリングとは、ゲノム解析装置（シーケンサー）が測定した電気信号や蛍光信号などの物理的なデータから、DNAやRNAの塩基配列（A、C、G、T/U）を特定する処理のことです。近年、この複雑な波形データの変換処理にディープラーニングをはじめとする機械学習モデルが広く採用されており、ゲノム解析の速度向上と高精度化を支える極めて重要なAI応用分野となっています。
ベースコーリングとは
ベースコーリングとは、次世代シーケンサーが検出した光や電流などの生のアナログ信号を、DNAやRNAの構成要素である4種類の塩基配列（A、C、G、T/U）というデジタルテキスト情報へと翻訳・特定する処理技術のことです。
詳しく解説
ゲノム解析を行う際、シーケンサーはDNA断片を読み取りながら、塩基の種類に応じた電気信号の微小な変化や、特定の蛍光の輝度を測定します。しかし、これらの測定データにはノイズが多く含まれ、塩基同士の境界も曖昧です。この課題を解決するため、現在のベースコーリングにはディープラーニングが深く組み込まれています。初期にはリカレントニューラルネットワーク（RNN）が、最近では畳み込みニューラルネットワーク（CNN）やTransformerモデルが活用されています。AIは時系列に変化する生データを入力として受け取り、統計的な確率に基づいて最も尤もらしい塩基配列を予測します。このAIによるアプローチにより、かつての経験則的なアルゴリズムに比べ、ベースコーリングの精度は飛躍的に向上しました。
具体例・使われ方
具体的な利用例として、ナノポアシーケンサーにおける電流データの変換が挙げられます。DNA分子が微小な孔（ナノポア）を通過する際の電流変化を、ディープラーニングモデルが瞬時に塩基配列へ翻訳します。他にも、感染症の病原体を特定する迅速なゲノム解析や、がん患者の変異遺伝子特定に向けたゲノム医療の現場など、高精度で高速な塩基配列決定が求められるあらゆるバイオインフォマティクスの研究・実務において、AIベースコーリング技術が標準的に利用されています。
似た用語との違い
ベースコーリングと混同されやすい概念に「配列アライメント（マッピング）」があります。ベースコーリングは「生信号から文字配列を作る」プロセスであるのに対し、配列アライメントは「出来上がった文字配列を、基準となる参照ゲノムのどこに位置するかを同定する」プロセスです。また、塩基配列の個人差や変異を検出する「バリアントコール」とも異なります。ベースコーリングは、ゲノム解析プロセスにおいて最も川上に位置するデータ変換処理です。
注意点
AIを用いたベースコーリングの限界として、未知の修飾塩基が存在する場合や、特定の繰り返し配列（ホモポリマーなど）が続く領域において、AIモデルが誤った予測を出力しやすくなるという注意点があります。また、より高精度なAIモデルは計算負荷が高く、リアルタイム処理を行うには高性能なGPUや専用ハードウェアが必要になります。そのため、モデルの精度と計算リソースのトレードオフを考慮する必要があります。