hypothesis-generation

科学的仮説の生成

概要

仮説の生成とは、観察結果から検証可能なメカニズムの説明を導き出す体系的なプロセスです。このノウハウでは、現象の理解から、文献の統合、競合する仮説の生成、仮説の質の評価、実験的検証の設計、検証可能な予測の策定まで、一連のプロセス全体を扱います。

重要な概念

1. 仮説、観察、予測の違い

• 観察：測定または確認された事実についての記述です（例：「薬剤 X はマウスの腫瘍サイズを縮小する」）。
• 仮説：観察結果に対して提案されるメカニズムの説明です（例：「薬剤 X は VEGF 経路を遮断して血管新生を阻害し、腫瘍への栄養供給を減少させる」）。
• 予測：仮説から導かれる検証可能な結果です（例：「薬剤 X による治療後、VEGF 濃度が低下するはずです。VEGF ノックアウトマウスの腫瘍には、追加の効果が現れないはずです」）。

優れた仮説は、記述的（何が起こるかを言い換える）ではなく、メカニズムを示し（どのように、なぜ起こるかを説明し）ます。

2. 仮説の質を評価する基準

基準	定義	強い仮説の例	弱い仮説の例
検証可能性	経験的に調査できるか	「タンパク質 X は受容体 Y に結合する」（共免疫沈降で検証可能）	「生命力が細胞の成長を促す」（検証不可能）
反証可能性	特定の観察結果によって否定されるか	「X が存在しなければ、効果は消失する」	「X は何らかの形で効果に寄与する」
簡潔性	証拠に適合する最も単純な説明か	単一のメカニズム	証拠のない多段階の連鎖
説明力	観察されたパターンを説明できるか	用量反応と組織特異性を説明する	1つの観察結果しか説明しない
適用範囲	対象となる現象の範囲	関連する複数の系に適用できる	単一のデータセットに限定される
整合性	確立された知識と一致するか	既知の経路生物学と一致する	熱力学に矛盾する
新規性	新しい知見をもたらすか	未探索のメカニズムを提案する	確立された知識を言い換える

3. メカニズムの説明のレベル

仮説はさまざまなスケールで構成できます。優れた仮説群には、複数のレベルの説明が含まれています。

• 分子：タンパク質間相互作用、遺伝子制御、酵素活性
• 細胞：シグナル伝達経路、細胞運命の決定、代謝変化
• 組織／臓器：微小環境、細胞間コミュニケーション、臓器機能
• 個体：全身性の応答、生理的適応
• 集団：進化圧、疫学的パターン

意思決定の枠組み

What is your starting point?
├── Specific observation / data → Follow the full 8-step Workflow below
├── Broad research question → Start with Step 2 (literature search) to narrow scope
├── Existing hypothesis to refine → Start at Step 5 (evaluate quality) and iterate
└── Need creative ideation first → Use scientific-brainstorming skill, then return here

開始時の状況	アプローチ	主な手順
予想外の実験結果	現象主導型	手順 1→2→3→4（競合する説明に重点を置く）
文献の空白を特定した	空白主導型	手順 2→3→4→5（新規性の基準に重点を置く）
異なる分野間の類似性に気づいた	類推主導型	手順 1→4→5→6（メカニズムの応用に重点を置く）
文献に相反する知見がある	対立主導型	手順 2→3→4→7（識別につながる予測に重点を置く）
大規模データセットのパターン	データ主導型	まず hypogenic を使用し、その後ここで手順 5→6→7 を実行する

ベストプラクティス

1. 常に競合する仮説を生成します（3～5個）：仮説が1つだけでは、確証バイアスに陥りやすくなります。複数の競合する説明を用意することで、気に入った仮説を裏付けるだけでなく、候補を区別できる実験を設計するよう促されます。

2. 相関ではなく、メカニズムから始めます：「XはYと関連している」は仮説ではありません。「XはメカニズムZを介してYを引き起こす」なら仮説です。原因がどのように結果をもたらすのか、メカニズム上のつながりを必ず含めます。

3. 仮説ごとに異なる予測を立てます：最も価値のある予測は、仮説Aでは結果Xを、仮説Bでは結果Yを予測するものです。これは「決定的な実験」と呼ばれます。こうした識別力のある予測を中心に検証を設計します。

4. すべての仮説を根拠で裏付けます：各仮説について、既存の文献を引用します。「経路XがプロセスYを制御できることが知られています［Author, 2023］。したがって、私たちは……と仮定します。」根拠のない仮説は科学ではなく、憶測です。

5. 反証基準を明確に示します：各仮説について、実験を設計する前に「……の場合、この仮説は反証されます」と記述します。反証基準を示せない場合、その仮説は検証できません。

6. 帰無仮説を考慮します：新しいメカニズムは存在せず、観察された効果は既知のプロセス、アーティファクト、または偶然によるものだという最も単純な説明も、競合する仮説の1つとして必ず含めます。

7. 可能であれば、予測を定量化します：「発現が増加する」よりも、「既知の経路動態に基づき、発現が2～5倍増加する」のほうが明確です。定量的な予測により、実験設計の検出力分析が可能になります。

よくある落とし穴

1. 仮説の選択における確証バイアス：1つの「主要な」仮説を立て、それを良く見せるために弱い代替仮説を2～3個用意することです。回避方法：仮説を個別に生成してから、品質基準に基づいて順位付けします。代替仮説が本当に競合する内容になっているか、他の人にも確認してもらいます。

2. 検証できない「後付けの説明」：もっともらしく聞こえても、現在の技術では実証的に検証できない仮説です。回避方法：各仮説について、すぐに検証する実験を書き出します。実験を設計できない場合は、仮説を見直す必要があります。

3. 相関に基づく主張とメカニズムに基づく仮説の混同：「遺伝子Xは疾患Yで発現が上昇する」は仮説ではありません。回避方法：仮説の記述には必ず「どのように」と「なぜ」を含めます。「［メカニズム］が［効果］をもたらす。なぜなら［根拠］だからである」というテンプレートを使います。

4. 矛盾する証拠の無視：仮説を支持する文献だけを選び、反対のデータを無視することです。回避方法：ステップ3（証拠の統合）で、矛盾する知見を明確に区分して記述します。各仮説について、相反するデータをどのように説明するかを示す必要があります。

5. 仮説評価における範囲の拡大：1つの仮説ですべてを説明しようとすることです。回避方法：仮説はすべての観察結果を説明する必要はありません。調査対象の特定の現象を説明できれば十分です。適用範囲の境界を明確に示します。

6. 仮説を肯定する結果しか得られない実験の設計：否定的な結果が出る可能性のない実験では、仮説を検証できません。回避方法：各実験について、何が「失敗」に当たるかを書き出します。陰性対照と陽性対照を含めます。

7. 実験設計における実現可能性の軽視：現実的ではない技術、サンプル、または期間を要する実験を提案することです。回避方法：各実験の提案に、実現可能性の評価（利用可能な試薬、機器、サンプルへのアクセス、期間）を含めます。

ワークフロー

構造化された仮説生成プロセス（8ステップ）

1. 現象を理解する：中心となる観察結果を明確にし、範囲と境界を定義します。既知のことと不確かなことを記録し、関連する科学分野を特定します。

2. 文献を検索する：PubMed（生物医学）や一般的なデータベースを検索し、レビュー、一次研究、関連するメカニズム、類似システムを調べます。研究上の空白、矛盾、未解決の論争を探します。

3. 既存のエビデンスを統合する：現在の理解をまとめ、適用できる可能性のある確立済みのメカニズムを特定します。相反するエビデンスを記録し、知識の空白を認識し、異なる分野にまたがる類似性を見つけます。

4. 競合する仮説を3～5個生成する：それぞれがメカニズムに基づき（どのように／なぜ起きるかを説明し）、他と区別でき、エビデンスに根ざしている必要があります。また、分子レベルから集団レベルまで、異なる説明レベルを考慮します。

5. 仮説の質を評価する：7つの品質基準（検証可能性、反証可能性、簡潔性、説明力、適用範囲、一貫性、新規性）に照らして、各仮説を採点します。長所と短所を明確に記します。

6. 実験による検証方法を設計する：実行可能な各仮説について、測定項目、対照群、方法、サンプルサイズ、統計的手法、潜在的な交絡因子を含む、具体的な実験を提案します。

7. 検証可能な予測を立てる：仮説が正しければ何が観察されるはずかを述べ、予想される方向と大きさを示します。予測が成り立つ条件を特定し、競合する仮説間の予測を区別します。

8. 構造化した出力を提示する：結果を、エグゼクティブサマリー、エビデンスを添えた競合仮説、検証可能な予測、重要な比較、詳細な付録（文献レビュー、実験プロトコル、品質評価）に整理します。

参考文献

• Platt, JR（1964）「Strong Inference」— Science 146:347-353。競合する仮説を区別するための実験設計に関する古典的な論文です。
• Popper, KR（1959）「The Logic of Scientific Discovery」— 仮説の反証に関する基礎的な枠組みです。
• Chamberlin, TC（1890）「The Method of Multiple Working Hypotheses」— Science 15:92-96。競合する説明を生成することを最初に論じた論文です。
• NIH Guide to Hypothesis Development — 研究助成金申請書の仮説セクションを作成するための実践的なガイダンスです。
• Kell, DB & Oliver, SG（2004）「Here is the evidence, now what is the hypothesis?」— BioEssays 26:99-105。データに基づく仮説生成について述べています。

関連するスキル

• scientific-brainstorming — 構造化された仮説の策定に先立ち、発散的思考が必要な場合の、自由度の高い創造的なアイデア出しです。
• scientific-critical-thinking — エビデンスの質と論理的推論を評価します。仮説の品質評価を補完します。
• literature-review — エビデンスを体系的に収集します。このワークフローのステップ2～3に役立ちます。
• statistical-analysis — ステップ6における検出力分析と実験計画の統計です。
• scientific-writing — 仮説主導型の論文を出版に向けて構成します。