この論文は、放射線被曝の早期トリアージ（優先診断）を現場で速く行うための新しい解析方法を示します。研究チームはSTUART（Sequence Triage and qUAntification of Read Transcripts）と呼ぶ、配列を参照配列に当てはめる「整列（アラインメント）」を使わない機械学習の枠組みを作りました。原理的には、生の配列データを「k-mer」と呼ばれる短い文字列に分解し、自然言語処理（NLP：Natural Language Processing）の手法で数値化して扱います。研究では、放射線応答の指標として既に有力な遺伝子FDXRをモデルにしています。

具体的には二段階の処理を行います。まずフィルター段階で、noMapperという既存のマッピング不要の手法を使い、生の読み取り配列（リード）を「バイオマーカーに関連がありそうな配列」と「その他」に素早く分類します。次に、関連がありそうな配列をまとめて「フィンガープリント」と呼ぶ数値ベクトルに変換し、それを入力にして被曝の有無や程度を予測するモデルに渡します。配列の数値化は5文字のk-merを用いたBag of Words（BoW：Bag of Words）方式です。実験はナノポア（Nanopore）という長いRNAリードを直接読み取る装置で行われ、主データはヒト線維肉腫細胞（HT1080）、外部検証にはヒト肝がん細胞（HepG2）を使っています。

予測器としてはロジスティック回帰、ランダムフォレスト、XGBoostの3種を評価しました。最初の特徴量空間は5文字k-merの全組合せで1024次元でしたが、特徴選択で大幅に次元を削減しています。Odds Ratio（OR：オッズ比）を使った156次元や、Explainable AI（XAI：説明可能な人工知能）で選んだ77次元といった辞書を作り、さらに進めて最終的には98%以上の削減で17個程度の重要な署名（シグネチャ）だけで高精度を維持しました。報告された性能は、バランスド・アキュラシー（均衡精度）やF1スコアが95〜100%の範囲に入り、非常に堅牢だとしています。

また読み取り数に関しては学習曲線解析で信号の安定化が得られるのは「約1000リード」程度で十分だと示されました。外部データセットでの検証では特異度（SPEC：正しく非被曝を判定する割合）が99%以上と報告され、細胞種が異なっても抽出した署名は比較的「組織非依存（tissue-agnostic）」であることが示唆されています。これらの結果は、計算負荷が低く「シーケンスしながら解析する（analyze-as-you-sequence）」リアルタイムの運用が可能で、携帯型シーケンサーと組み合わせることで現場での迅速な意思決定につながる可能性を示します。

重要な注意点もあります。本研究は主に試験室内のヒトがん細胞株での実験に基づいています。つまりin vitro（試験管内）データであり、健康な人や実際の事故現場での挙動が同じとは限りません。外部検証は別のがん細胞株で行われていますが、それでも細胞株を用いた検証にとどまります。著者らはフィルター部のnoMapperを既に開発・検証済みとして本稿で使用していますが、現場での耐久性や臨床適用には追加の評価が必要です。提供された抜粋は全文でない可能性があるため、さらなる詳細や制約は原文で確認する必要があります。

まとめると、STUARTは配列の整列を省くことで計算負荷を下げ、少数の短い配列情報で放射線応答を高精度に判定できる見込みを示しました。現場での迅速トリアージや職業的モニタリングなどの利用が想定されますが、人を対象とした臨床や現場試験を通じた実証が今後の重要な課題です。