保存配列

コーディング配列では、核酸配列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。遺伝暗号の縮重性により、コーディング配列の同義変異はタンパク質産物のアミノ酸配列に影響を与えないからである。 ^{[ 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置換が少なく、または類似した生化学的特性を持つアミノ酸に置換さ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、または結合部位の形成に重要なアミノ酸は、より高度に保存されている可能性があります。^{[ 17 ] [ 18 ]}

タンパク質をコードする遺伝子の核酸配列は、他の選択圧によっても保存されることがある。一部の生物におけるコドン使用バイアスは、配列中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、選択によって排除されるか、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 ]}

遺伝子調節に重要な非コード配列、例えばリボソームや転写因子の結合部位や認識部位などは、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の配列保存性は一般的にタンパク質コード配列に比べて低く、構造や機能に寄与する塩基対が保存されていることが多い。 ^{[ 21 ] [ 22 ]}

保存配列は、 BLAST、HMMER、OrthologR ^{[ 25 ]}、Infernal ^{[ 26 ]}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。相同性検索ツールは、入力として個々の核酸またはタンパク質配列を受け取るか、既知の関連配列の多重配列アライメントから生成された統計モデルを使用できます。プロファイルHMMや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際に役立ちます。入力配列は、関連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メントされます。結果として得られたアライメントは、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リングされます。許容可能な保存的置換は、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メントは、相同配列からのものとみなされます。配列の保存は、広範な系統発生範囲にわたる非常に類似した相同配列の検出によって推測できます。^{[ 28 ]}

複数の配列アライメントを使用して、保存された配列を視覚化できます。CLUSTALフォーマットには、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、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 キーが含まれています^{[ 30 ]。}配列ロゴは、アライメントの各ポイント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ます。^{[ 29 ]}

全ゲノムアライメント（WGA）は、種間で高度に保存されている領域を特定するためにも使用できます。現在、WGAツールの精度と拡張性は、再編成、反復領域、および多くの真核生物ゲノムの大きなサイズを扱う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、統計的検定に基づく保存性の測定を用いて、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。

GERP（ゲノム進化速度プロファイリング）フレームワークは、種間での遺伝子配列の保存性をスコア化します。このアプローチでは、多重配列アライメントから一連の種の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、ヒトに近縁な種で観察される変異は、遠縁な種で観察される変異よりも、保全を評価する際に重要であるという仮定に基づいています。そのため、LIST は各位置周辺のローカル 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) 内の関連配列を特定し、これらの配列とヒトとの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。

Aminode ^{[ 39 ]}は、多重アライ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、進化変化の局所的な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、浄化選択を受けるセグメントであり、通常は正常なタンパク質機能に不可欠です。

PhyloPやPhyloHMMなどの他のアプローチでは、統計的系統発生学的手法を用いて置換率の確率分布を比較し、保存と加速突然変異の両方を検出します。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数の背景確率分布が生成されます。対象となる種間の推定された進化関係を使用して、置換の有意性を計算します（つまり、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、したがって有意性が高くなります）。保存を検出するために、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的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）とは、複数の分類群にわたって非常に類似または同一の配列のことである。これらは脊椎動物で最初に発見され、^{[ 43 ]}その後、大きく異なる分類群内でも同定されている。^{[ 44 ]} UCEの起源と機能はまだ十分に解明されていないが、^{[ 45 ]}羊膜類、^{[ 46 ]}昆虫、^{[ 47 ]}および動物と植物の間における深遠な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ている遺伝子は、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共通祖先から保存されてきた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る。^{[ 50 ]} RNAポリメラーゼやヘリカーゼなどの転写機構の構成要素、およびリボソームRNA、tRNA、リボソームタンパク質などの翻訳機構の構成要素も普遍的に保存されている。^{[ 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近縁であると想定できるため、系統樹を作成するため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、細菌の門を識別するのに役立ちます。^{[ 53 ] [ 54 ]}クレード内で保存されているが、ハウスキーピング遺伝子のようにいくつかの変異を受ける配列は、種の関係を研究するために使用できます。^{[ 55 ] [ 56 ] [ 57 ]}保存されたrRNA遺伝子の間隔を空けるために必要だ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ライソソーム蓄積症は、個々の保存された遺伝子の変化の結果であり、その結果、疾患の症状の根本原因となる酵素が欠損または機能不全になる。遺伝性疾患は、ヒトとマウス^{[ 62 ]}やショウジョウバエ^{[ 63 ]}などの実験生物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によって予測できる可能性がある^{[ 64 ]} 。ゲノムワイド関連研究は、疾患や健康状態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、20以上の新規の潜在的感受性遺伝子座が発見されている^{[ 65 ] [ 66 ] 。}

保存配列の特定は、遺伝子などの機能配列の発見と予測に利用できます。^{[ 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できます。^{[ 68 ]}