第6回 2019/6/12

• 講師：斎藤 成也
• 参考書：Introduction to Evolutionary Genomics Second Edition

Chapter 14 Omic Worlds and their Databases

• 14.1 Omic Worlds
• 14.1.1 Genome Databases
• 14.1.2 Transcriptomes and Their Databases
• 14.1.3 Proteome and Protein Databases
• 14.1.4 Metabolomes and Metabolite Databases
• 14.1.5 Phenomes and Ecomes
• 14.2 Other Databases
• 14.2.1 INSDC Databases
• 14.2.2 Literature Databases
• 14.2.3 Evolution-Related Databases
• 14.3 Historical Perspectives on Biodatabase Developments

14.1 Omic Worlds

14.1.1 Genome Databases

進化ゲノミクスにおいて最も重要なデータベースは、ゲノムの塩基配列のデータベースである。世界には以下の2つの包括的なデータベースが存在する。

• National Center for Biotechnology Information (NCBI)
• Ensembl Genome

また、包括的なゲノム塩基配列データベースの他に、あるグループに限ったデータベースも存在し、以下のようなものがある。

14.1.2 Genome Databases

DNAから転写された転写産物であるRNAのデータベース（例:Eureexpress atlas）も存在する。

mRNA の発現状況を把握する、いわゆる遺伝子発現プロファイリングのための手法として使われている手法はSerial Analysis of Gene Expression(SAGE)で、この手法は以下のステップに分かれている。

1. 腫瘍などの試料から mRNA を単離する。
2. 単離した mRNA の特定の位置から十～数十塩基対の配列（SAGEタグ）を分離する。
3. SAGEタグ連結してある程度の長さの配列（コンカテマー）を作成する。
4. コンカテマーをベクターに挿入し、バクテリアに導入してクローニングする。
5. DNAシークエンシングを行って配列を決定する。
6. 読まれた配列からそれぞれのSAGEタグを計数し、データを分析して発現状況を調べる。

しかし、塩基配列のシークエンスが安くなったこともあり、現在ではDNAマイクロアレイ(DNA microarray, DNA chip)によって直接、数万から数十万の遺伝子発現を一度に調べる手法がとられている。

DNAマイクロアレイでは、数万から数十万に区切られたスライドガラス、またはシリコン基盤上にDNAの部分配列を高密度に配置し固定したものである。

あらかじめ塩基配列の明らかな1本鎖のDNAを多種、基板上に配置しておき、これに検体（メッセンジャーRNA（mRNA）を逆転写酵素で相補的DNA(cDNA)に変換したもの）を反応（ハイブリダイゼーション）させれば、検体のDNA配列と相補的な塩基配列の部分にのみ検体のDNA鎖が結合する。

したがって、結合位置を蛍光や電流によって検出すれば、網羅的に検体に含まれるDNA配列を知る事が出来る。検体の塩基配列が予測できる場合には、効率的にその配列が特定できる。

14.1.3 Proteome and Protein Databases

トランスクリプトーム解析によってmRNAの発現量に関する情報は得られるが、実際にそれらがタンパク質に翻訳されているかはわからない。したがって、タンパク質の解析をすることが必要である。

タンパク質解析の初期は「Two-dimensional protein electrophoresis, developed by O’Farrell」が広く使われていたが、現在では「matrix-associated laser desorption/ionization (MALDI) coupled with mass spectrometer」が広く使われている。

タンパク質に関するデータベースには長い歴史があり、色々な派生系がある。 最も代表的なのはUNIPROTで、以下のようなアミノ酸の配列データが格納されている。

タンパク質解析の別視点における重要な手法は3次元立体構造解析で、登録データ数はUNIPROTと比べるとはるかに少ないが、Protein Data Bank(PDB)には3次元立体構造に特化したデータが格納されている。

UNIPROT	PDB

他の重要なタンパク質関連のデータベースはドメインごとのもので、PFAMやInterProなどがある。

タンパク質のデータは急激に増えているため、現在はPRIDE ArchiveやPeptide Atlasなど、いくつかのデータベースが存在する。

14.1.4 Metabolomes and Metabolite Databases

DNA,RNA,タンパク質の遺伝情報の流れはセントラルドグマと呼ばれ非常に重要な役割を果たすが、細胞を構成する物質にはさらに糖、有機酸、アミノ酸など多くの低分子が存在し、その種類は数千種に及ぶ。これらの物質の多くは、酵素などの代謝活動によって作り出された代謝物質(Metabolite)である。

現在では、細胞の働きを包括的に理解しようとするとき、DNA 配列の網羅的解析（ゲノム解析）やタンパク質の網羅的解析（プロテオーム解析）に加えて、代謝物質の網羅的解析（メタボローム解析）が重要であると言われている。

これは、生命のロバストネスにより、マイクロアレイ解析で変化が観察されても、表現型に最も近いメタボローム解析をしてみると変化が見られないこともあるからである。

14.1.5 Phenomes and Ecomes

遺伝学の主な目的の1つは、遺伝子型と表現型を関連付けることである。

表現型は人の目による認識と深く結びついているが、現在ではX線またはNMR CTスキャニングを用いたイメージングによる広大な形態学的特徴の自動収集が行われることもある。

14.2 Other Databases

他にも進化学において重要なデータベースは存在する。

また、人に特化した表現型のデータセットはいくつか存在する。

14.2.1 INSDC Databases

地球上には膨大な数の生物がおり、それらのほとんどはシークエンスされていない。したがって、人類の間でデータを共有し、同じフォーマットに整えることは極めて重要である。そこで、以下の3つの機関が連携してInternational Nucleotide Sequence Database Collaboration (INSDC)を形成した。

14.2.2 Literature Databases

14.2.3 Evolution-Related Databases

種内のDNA多型は重要な進化的現象であり、特にヒトに関して広く研究されている。そのため、データベースも用意されている。

14.3 Historical Perspectives on Biodatabase Developments

1950年代にデジタルコンピュータが非軍用データベースに使用されるようになる前は、紙でデータを集めていた、みたいな歴史の話。

Chapter 15 Homology Search and Multiple Alignment

ヌクレオチドおよびアミノ酸配列の進化的相同性を発見する方法（ホモロージーサーチ）と、それらを分析する方法（ペアワイズアラインメント・マルチプルアラインメント・ゲノムワイドシーケンス）について見ていく。