マルチオミクスと多表現型データの統合が身体的フィットネスに関連する生物学的経路を同定する

最高のパフォーマンスは単なるハードトレーニング以上のもの

エリートスポーツや軍務に至るまで、厳しい身体的挑戦に生まれつき適した体格を持つ人がいるように見えます。本研究はシンプルだが力強い問いを立てます：少人数の協力者だけで、その人の「隠れた生物学」を読み取って、なぜある身体が特に高いパフォーマンスを示すのか、あるいは誰が優れるかを予測できるか？著者らは詳細なフィットネステストと深い生物学的測定を組み合わせ、血液化学や細胞の仕組みが高いパフォーマンスに結びつくプロセスのネットワークを明らかにすることを示します。

候補生をワークアウトと日常生活で追跡する

研究者たちは米国陸軍士官学校の86名の非常に活動的な候補生を3か月間追跡しました。全員が既に高いフィットネスを保ち、厳しい訓練を受けていました。各候補生は、持ち上げ、負荷を伴う短距離走、規定時間内の走行など6項目からなる過酷な評価であるArmy Combat Fitness Test（最大600点）を受けました。本研究の男性の60%は540点以上を記録しており—陸軍が卓越とみなす閾値—研究チームは既に高いパフォーマーの間の差を探っていました。これらのテストと並行して、候補生たちは睡眠や日々の活動を追跡するデバイスを着用し、認知や性格の評価を受け、研究室で最大酸素摂取量の一定割合で自転車を漕ぎ、運動前後に採血が行われました。

何千もの指標を一貫した像に変える

血液だけで研究チームは5万点を超える分子測定を取得しました：DNAメチル化マーク、遺伝子発現、タンパク質、代謝物、免疫および臨床マーカーなどです。古典的な統計アプローチは各分子を一つずつフィットネススコアと相関を探すかもしれませんが、変数が非常に多く被験者が数十人しかいない場合、これはノイズの多い誤導的な結果をほぼ確実に招きます。代わりに著者らはPhenoMolと呼ぶフレームワークを構築しました。これはまずフィットネスと弱い関連を示す分子を見つけ、それらの候補を遺伝子、タンパク質、代謝物が相互作用する既知の地図に織り込むものです。グラフ理論の手法を用いて、孤立した信号を削ぎ落とし、パフォーマンスに妥当につながる「発現回路」を形成する分子群を保持します。

誰が優れるかを予測するネットワーク

こうした回路を用いてチームは各候補生のフィットネススコアを予測するモデルを訓練しました。ネットワーク情報を無視して最良の個々の分子を選ぶだけのモデルと比べ、PhenoMolモデルは使用する特徴数が遥かに少ないにもかかわらず有意に精度が高まりました。このネットワークはモジュール—分子の緊密に結びついたクラスタ—に分解することもでき、それぞれが異なる生物学的テーマを捉えていました。これらのモジュールを「アンサンブル」モデルとして組み合わせると、体組成、酸素摂取量、睡眠などの従来の指標だけで構築したモデルと同程度に総合フィットネススコアを予測しました。予測性能は特に既に高い成績の候補生で強く表れましたが、これはコホートに低得点者が比較的少なかったことを反映しています。

身体の経路が示す高いフィットネスの手がかり

PhenoMolが既知の生物学に根ざしているため、どの経路が重要かを解釈することができました。血液凝固や免疫防御に関わる系、筋代謝に影響する胆汁酸の処理、アルギニン、プロリン、トリプトファンなどのアミノ酸を扱う経路に強いシグナルが見られました。これらのプロセスは血流、エネルギー利用、筋修復、ストレスへの回復力に結びつき—持続的なパフォーマンスの重要要素となります。疲労に関連するアンモニアを除去する尿素回路に関連する分子もより高得点と追跡していました。単一の「魔法の」バイオマーカーというよりは、複数の経路にわたる協調的な変化が高いパフォーマーを同世代と区別していることが浮かび上がります。

分子回路から個別化トレーニングへ

簡潔に言えば、この研究は比較的小規模な集団から得られた深いがノイジーな分子データを用いて、生物学的に妥当なパターンを発見し身体的フィットネスを予測することが可能であることを示しています。測定値を既知の相互作用ネットワークに埋め込むことで、PhenoMolはノイズから信号をふるい分け、免疫応答、胆汁酸シグナル伝達、窒素代謝などの具体的な経路を示し、なぜ一部の個人がより良く行動し回復するのかを説明する手がかりを与えます。著者らは、この一般的な手法が個別化されたトレーニング、栄養、回復計画の指針となりうること、またウェルネス、疾患リスク、少数コホートでしか研究できない希少疾患など他の分野にも適用可能であると主張しています。

引用: Alizadeh, A., Graf, J., Misner, M.J. et al. Integration of multiomic and multi-phenotypic data identifies biological pathways associated with physical fitness. Commun Biol 9, 464 (2026). https://doi.org/10.1038/s42003-026-09663-2

キーワード: 身体的フィットネス, マルチオミクス, バイオマーカー, 運動生物学, システム生物学