保存された配列

進化生物学では、保存配列とは、種間（オーソログ配列）、ゲノム内（パラロガス配列）、またはドナーと受容体の分類群間（異種配列）における核酸（DNAおよびRNA）またはタンパク質内の同一または類似の配列を指します。保存とは、配列が自然選択によって維持されてきたことを意味します。

高度に保存された配列とは、系統樹をずっと遡って、したがって地質学的にずっと昔から比較的変化していない配列のことです。高度に保存された配列の例には、生命のあらゆる領域に存在するリボソームのRNA 成分、真核生物に広く存在するホメオボックス配列、細菌のtmRNAなどがあります。配列保存の研究は、ゲノミクス、プロテオミクス、進化生物学、系統学、バイオインフォマティクス、数学の分野と重なっています。

遺伝におけるDNAの役割の発見と、1949年のフレデリック・サンガーによる動物のインスリンの多様性の観察^[2]は、初期の分子生物学者が分子の観点から分類学を研究するきっかけとなった。 ^{[3] [4]} 1960年代の研究では、 DNAハイブリダイゼーションとタンパク質交差反応性の技術を使用して、ヘモグロビン^[5]やシトクロムc ^[6]などの既知の相同タンパク質間の類似性を測定した。1965年、エミール・ズッカーカンドルとライナス・ポーリングは分子時計の概念を導入し^[7]、アミノ酸置換の安定した速度を使用して2つの生物が分岐してからの時間を推定できることを提案した。初期の系統発生は化石記録とほぼ一致していたが、いくつかの遺伝子が異なる速度で進化しているように見えるという観察が、分子進化の理論の発展につながった。^{[3] [4]}マーガレット・デイホフによる1966年のフェレドキシン配列の比較は、自然選択が生命に必須のタンパク質配列を保存し最適化するように働くことを示した。^[8]

進化系統のゲノム中の核酸配列は、何世代にもわたって、ランダムな突然変異や欠失により徐々に変化する可能性がある。^{[9] [10]}染色体の再編成により、配列が組み換えられたり、欠失されたりすることもある。保存配列とは、そのような力にもかかわらずゲノム内に残り、背景突然変異率よりも遅い突然変異率を持つ配列である。^[11]

保存は、コード核酸配列と非コード核酸配列の両方で起こり得る。高度に保存されたDNA配列は機能的価値があると考えられているが、多くの高度に保存された非コードDNA配列の役割は十分に理解されていない。^{[12] [13]}配列がどの程度保存されているかは、さまざまな選択圧、突然変異に対する堅牢性、集団サイズ、遺伝的浮動によって影響を受ける可能性がある。多くの機能的配列はモジュール化されており、タンパク質ドメインなど、独立した選択圧を受ける可能性のある領域を含んでいる。^[14]

コード配列では、核酸とアミノ酸配列は異なる程度に保存される可能性がある。遺伝コードの縮重は、コード配列内の同義変異がそのタンパク質産物のアミノ酸配列に影響を与えないことを意味する。 ^[15]

アミノ酸配列は、タンパク質またはドメインの構造や機能を維持するために保存されることがあります。保存されたタンパク質は、アミノ酸の置換が少なく、または同様の生化学的特性を持つアミノ酸に置き換えられる可能性が高くなります。^[16]配列内では、折り畳み、構造安定性に重要なアミノ酸、または結合部位を形成するアミノ酸は、より高度に保存されている可能性があります。^{[17] [18]}

タンパク質コード遺伝子の核酸配列は、他の選択圧によっても保存される可能性がある。一部の生物におけるコドン使用の偏りは、配列内の同義変異の種類を制限する可能性がある。コード遺伝子のmRNAに二次構造を引き起こす核酸配列は、一部の構造が翻訳に悪影響を与える可能性があるため選択されないか、mRNAが機能的な非コードRNAとしても機能する場合は保存される可能性がある。^{[19] [20]}

リボソームや転写因子の結合部位や認識部位など、遺伝子調節に重要な非コード配列は、ゲノム内で保存されている可能性がある。例えば、保存された遺伝子やオペロンのプロモーターも保存されている可能性がある。タンパク質と同様に、非コードRNA （ncRNA）の構造と機能に重要な核酸も保存されている可能性がある。しかし、ncRNAの配列保存性は、タンパク質コード配列に比べて一般に低く、代わりに構造や機能に寄与する塩基対が保存されることが多い。^{[21] [22]}

保存された配列は、通常、配列アライメントに基づくバイオインフォマティクスアプローチによって特定されます。ハイスループットDNAシーケンシングとタンパク質質量分析の進歩により、2000年代初頭以降、比較のためのタンパク質配列と全ゲノムの利用可能性が大幅に向上しました。^{[23] [24]}

保存された配列は、 BLAST、HMMER、OrthologR、^[25]、Infernalなどのツールを使用した相同性検索によって特定できます。 ^[26]相同性検索ツールは、個々の核酸またはタンパク質配列を入力として受け取るか、既知の関連配列の複数の配列アラインメントから生成された統計モデルを使用します。プロファイルHMM、および構造情報も組み込んだRNA共分散モデルなどの統計モデル^[27]は、より遠縁の配列を検索するときに役立ちます。入力された配列は、関連する個体または他の種の配列のデータベースに対してアラインメントされます。結果として得られるアラインメントは、一致するアミノ酸または塩基の数、およびアラインメントによって生成されたギャップまたは欠失の数に基づいてスコア付けされます。許容される保存的置換は、PAMやBLOSUMなどの置換マトリックスを使用して特定できます。スコアの高いアラインメントは、相同配列からのものであると想定されます。配列の保存は、広範な系統範囲にわたって非常に類似した相同体を検出することで推測できます。^[28]

多重配列アライメントは保存された配列を視覚化するために使用することができる。CLUSTAL形式には、アライメントの保存された列に注釈を付けるプレーンテキストキーが含まれており、保存された配列（*）、保存された変異（:）、半保存的な変異（.）、および非保存的な変異（）を示す^[30]配列ロゴは、アライメントの各ポイントでの文字の割合を高さで表すことによって、保存された配列を示すこともできる。^[29]

全ゲノムアラインメント（WGA）は、種を超えて高度に保存された領域を特定するためにも使用できます。現在、WGAツールの精度とスケーラビリティは、再配置、繰り返し領域、および多くの真核生物ゲノムの大規模なサイズを処理する計算の複雑さのために制限されています。^[32]しかし、30以上の近縁細菌（原核生物）のWGAは現在ますます実現可能になっています。^{[33] [34]}

他のアプローチでは、予想される背景（中立）突然変異率とは異なる突然変異を起こす配列を特定しようとする 統計テストに基づく保存性の測定を使用します。

GERP（ゲノム進化速度プロファイリング）フレームワークは、種を超えた遺伝子配列の保存性をスコアリングします。このアプローチでは、複数の配列アライメントから一連の種における中立突然変異率を推定し、予想よりも突然変異が少ない配列領域を特定します。これらの領域には、観察された突然変異率と予想される背景突然変異率の差に基づいてスコアが割り当てられます。GERPスコアが高いほど、高度に保存された配列であることを示します。^{[35] [36]}

LIST ^{[37] [38]} (Local Identity and Shared Taxa) は、人間に近い種で観察される変異は、遠い種の変異と比較して、保全を評価する際により重要であるという仮定に基づいています。したがって、LISTは各位置の周りのローカルアラインメントアイデンティティを利用して、多重配列アラインメント (MSA) 内の関連配列を識別し、次にこれらの配列の人間に対する分類学的距離に基づいて保全を推定します。他のツールとは異なり、LISTはMSA内の変異の数/頻度を無視します。

アミノデ^[39]は、多重アラインメントと系統解析を組み合わせて相同タンパク質の変化を分析し、進化的変化の局所的速度を示すプロットを作成します。このアプローチは、タンパク質内の進化的に制約された領域を特定します。これは、精製選択の対象であり、通常は正常なタンパク質機能にとって重要なセグメントです。

PhyloP や PhyloHMM などの他のアプローチでは、統計的系統学的手法を取り入れて置換率の確率分布を比較し、保存と加速変異の両方を検出できます。まず、系統樹に基づいて、多重配列アライメントの列で発生すると予想される置換の数の背景確率分布が生成されます。対象の種間の推定された進化関係を使用して、置換の重要性を計算します (つまり、2 つの近縁種間の置換は遠縁種間の置換よりも発生する可能性が低く、したがってより重要です)。保存を検出するには、多重配列アライメントのサブセットの確率分布を計算し、尤度比検定やスコア検定などの統計検定を使用して背景分布と比較します。次に、2 つの分布を比較して生成されたP 値を使用して、保存領域を特定します。PhyloHMM は、隠れマルコフモデルを使用して確率分布を生成します。PhyloP ソフトウェア パッケージは、尤度比検定またはスコア検定、および GERP のようなスコアリング システムを使用して確率分布を比較します。 ^{[40] [41] [42]}

超保存要素（UCE）は、複数の分類群にわたって高度に類似または同一の配列である。これらは最初に脊椎動物で発見され、^[43]その後、大きく異なる分類群内で特定された。^[44] UCEの起源と機能はほとんど解明されていないが、^[45]有羊膜類、^[46] 昆虫、^[47]動物と植物の間の長い時間的分岐を調査するために使用されてきた。^[48]

最も高度に保存された遺伝子は、すべての生物に見られる遺伝子です。これらは主に転写と翻訳に必要なncRNAとタンパク質で構成されており、すべての生命の最後の普遍的な共通祖先から保存されていると考えられています。^[49]

普遍的に保存されていることが判明している遺伝子または遺伝子ファミリーには、 GTP結合伸長因子、メチオニンアミノペプチダーゼ2、セリンヒドロキシメチルトランスフェラーゼ、およびATPトランスポーターが含まれます。^[50] RNAポリメラーゼやヘリカーゼなどの転写装置の構成要素や、リボソームRNA、tRNA、リボソームタンパク質などの翻訳装置の構成要素も普遍的に保存されています。^[51]

保存された配列のセットは、類似した配列を持つ生物は密接に関連していると想定できるため、系統樹の作成によく使用されます。 ^[52]配列の選択は、研究の分類学的範囲によって異なる場合があります。たとえば、16S RNAやその他のリボソーム配列などの最も高度に保存された遺伝子は、メタゲノミクス研究で深い系統関係を再構築し、細菌門を特定するのに役立ちます。 ^{[53] [54]}ハウスキーピング遺伝子など、クレード内で保存されているが、いくつかの変異を受ける配列は、種関係の研究に使用できます。^{[55] [56] [57]}保存されたrRNA遺伝子の間隔を空けるために必要であるが急速に進化する内部転写スペーサー（ITS）領域は、真菌や急速に進化する細菌の株を分類するためによく使用されます。^{[58] [59] [60] [61]}

高度に保存された配列は重要な生物学的機能を持つことが多いため、遺伝性疾患の原因を特定するための出発点として有用である。多くの先天性代謝障害やリソソーム蓄積症は、個々の保存された遺伝子の変化の結果であり、疾患の症状の根本的な原因である酵素の欠損または欠陥が生じる。遺伝性疾患は、マウス^[62]やショウジョウバエ^[63]などの実験生物とヒトの間で保存されている配列を特定し、これらの遺伝子のノックアウトの影響を研究することで予測できる可能性がある。 ^[64] ゲノムワイド関連研究は、疾患または健康結果に関連する保存された配列の変異を特定するためにも使用できる。アルツハイマー病については、24を超える新しい潜在的感受性遺伝子座が発見されている。^{[65] [66]}

保存された配列を特定することは、遺伝子などの機能的な配列を発見し予測するために使用することができます。 ^[67]タンパク質ドメインなどの既知の機能を持つ保存された配列は、配列の機能を予測するためにも使用できます。Pfamや保存ドメインデータベースなどの保存されたタンパク質ドメインのデータベースは、予測されたタンパク質コード遺伝子の機能ドメインに注釈を付けるために使用されます。^[68]

• 進化発生生物学
• NAPP（データベース）
• 分離サイト
• 配列アライメント
• 配列アライメントソフトウェア
• UCベース
• 超保存要素