IGVでの可視化におけるよくある失敗と対処法：BAM/TDFファイル処理の7つの注意点

遺伝子組み換えデータ解析において、可視化は数値データと生物学的洞察を結びつける重要な手段です。Integrative Genomics Viewer (IGV) は、ローカル環境で使用できる強力なツールであり、シーケンシングマッピング結果や変異情報、発現データなどを直感的に確認できます。しかし、元のBAMファイルから明確な可視化トラックまでには多くの技術的ポイントがあります。特に、初心者であるユーザーは、データ準備や読み込み時にメモリ不足、表示遅延、細部の欠損、あるいはソフトウェアクラッシュといった問題に直面することがあります。これらはIGV自体の問題ではなく、基盤となるデータ形式、ソフトウェアの動作原理、および計算資源との整合性に関する理解不足が原因であることが多いです。本記事では、BAMとTDFという主要なファイル形式について、最も一般的で厄介な7つの誤りを解説し、サーバー構成と実際のニーズに基づいた効率的な対策を提案します。

1. データ準備の基本：ソートとインデックス作成、単なるコマンド実行ではない

IGVの公式ドキュメントやチュートリアルでは、BAM、BED、GTFなどのファイルを読み込む前にソートとインデックス作成が必要であることが頻繁に述べられています。なぜ必要なのか、またミスをするとどうなるのか、その背後にはより深い意味があります。

まず、ソートとはファイル内のレコードを染色体座標（chromosome:start-end）に基づいて物理的に並び替えることです。IGVが特定の領域を描画する際には、その範囲内のすべてのデータを高速に検索する必要があります。もしファイルがソートされていない場合、ソフトウェアは全体をスキャンする必要があり、数十ギガバイトのBAMファイルでは不可能です。ソート済みのファイルであれば、IGVは「二分探索」のような手法を使って目的の領域へ高速にジャンプできます。

よくある間違いとして、適切なソートキーを使用していないケースがあります。BAMファイルでは標準的なソート方法は「染色体名の辞書順 → 開始位置の数値順」です。samtools sortコマンドでは、-nオプションを指定しない限り、この方法が適用されます。しかし一部の解析ではRead Name順にソートされたBAMファイルが必要になる場合があり、それらをIGVに直接読み込もうとするとエラーまたは不正な表示が発生します。

# BAMファイルの正しいソート方法（デフォルトの座標順）
samtools sort -@ 8 -o sorted.bam input.bam

# ソート後のBAMファイルにインデックスを作成（.baiファイル生成）
samtools index sorted.bam

補足：samtools indexによって生成されるインデックスファイルは通常、BAMファイルと同じ名前で.bai拡張子になります。.baiファイルが対応する.bamファイルと同じディレクトリ内にあることを確認してください。これはIGVが自動的にインデックスを認識するために必須です。

BEDやGTFなどのテキスト形式ファイルについても同様ですが、使用するツールは異なります。Linux環境でsortコマンドを使用する際、デフォルトでは文字列順でソートされ、染色体chr10がchr2よりも前に来ることがあります（ASCIIコードによる比較）。これによりIGV内部での座標検索が誤って起こる可能性があります。適切な「バージョン順ソート」を行うには、-kと-nオプションを指定する必要があります。

# BEDファイルの誤ったソート（染色体順序が崩れる可能性）
sort my_peaks.bed > sorted_peaks.bed

# BEDファイルの正しいソート（染色体名→開始位置の数値順）
sort -k1,1 -k2,2n my_peaks.bed > correctly_sorted_peaks.bed

インデックスファイル（.bai, .tbi, .idxなど）は軽量な「マップ」であり、ソートされたファイル内の各「データブロック」のオフセットを記録しています。IGVでスクロールバーを動かしたり特定の遺伝子にジャンプしたとき、ソフトウェアは全体のBAMファイルを読み込むことなく、インデックスを使って対応する領域のみを取得します。このため、インデックスファイルと元データファイルは正確に一致している必要があります。もしBAMファイルの内容が1バイトでも変更された場合（たとえばsedなどでヘッダーを編集した場合）、既存のインデックスは無効となり、再生成が必要となります。

2. メモリの最大敵：BAMファイルの直接読み込みとその対策

BAMファイルをIGVに直接ドラッグ＆ドロップする方法は最も簡単ですが、特に全ゲノムシーケンシング（WGS）や高深度シーケンシングデータではパフォーマンス上の問題が起きやすいです。BAMファイルは圧縮されたバイナリ形式で、各読み取り配列、品質スコア、マッピング位置、フラグなどの詳細情報を含んでいます。IGVがBAMファイルを読み込む際には、「アラインメントトラック」を描画するために、該当領域のすべての読み取り情報を展開・解析して描画します。

根本的な問題は「対象領域」の定義にあります。IGVで数十メガバイトの遺伝子領域を確認する場合、あるいはさらに悪いことに、ズームせずに染色体全体を表示すると、IGVはその領域内のすべての読み取りを一度に描画しようとします。このような処理は、メモリ消費が急増し、システムの応答性を著しく低下させます。