ジーンマーク

GeneMarkは、アトランタのジョージア工科大学で開発された、遺伝子予測アルゴリズムとソフトウェアプログラム群の総称です。1993年に開発されたオリジナルのGeneMarkは、1995年にインフルエンザ菌（Haemophilus influenzae ）の最初の完全ゲノム配列の注釈付けのための主要な遺伝子予測ツールとして、また1996年にはメタン生成菌（Methanococcus jannaschii）の最初の古細菌ゲノムの注釈付けのために使用されました。このアルゴリズムは、タンパク質コードDNA配列の不均一な3周期マルコフ連鎖モデルを導入し、これは遺伝子予測の標準となり、2本のDNA鎖を同時に解析するベイズ法による遺伝子予測にも用いられました。モデルの種特異的パラメータは、既知のタイプ（タンパク質コード配列と非コード配列）の配列のトレーニングセットから推定されました。このアルゴリズムの主要なステップは、与えられたDNA断片について、 6つの可能な読み取りフレーム（相補的DNA鎖の3つのフレームを含む）のそれぞれにおいて「タンパク質コード領域」（遺伝暗号を含む）であるか、「非コード領域」であるかの事後確率を計算することです。オリジナルのGeneMark（バイオインフォマティクスにおけるHMMアプリケーションが登場する前に開発されたもの）はHMMに似たアルゴリズムであり、適切に定義されたDNA配列のHMMモデルに対する、HMM理論で知られている事後デコードアルゴリズムの近似と見なすことができます。

GeneMark.hmm アルゴリズム (1998) は、短い遺伝子と遺伝子開始点の予測精度を向上させるために設計されました。そのアイデアは、GeneMark で導入された不均一マルコフ連鎖モデルを使用して、 ゲノム配列を記述する隠れマルコフモデル、つまりセミマルコフ HMM、または一般化 HMM の状態から出力される配列の尤度を計算することでした。コーディング領域と非コーディング領域の境界は、隠れ状態間の遷移として正式に解釈されました。さらに、遺伝子開始点の予測精度を向上させるために、リボソーム結合部位モデルが GHMM モデルに追加されました。アルゴリズム開発における次の重要なステップは、新しい遺伝子予測ツール GeneMarkS (2001) でモデルパラメータの自己学習または教師なし学習を導入することでした。その後の数年間で原核生物ゲノムが急速に蓄積され、遺伝子開始点付近の遺伝子発現制御シグナルに関連する配列パターンの構造が変化する可能性があることが示されました。また、水平遺伝子伝達により、原核生物ゲノムの GC 含量が変動する可能性があることも観察されました。新しいアルゴリズムであるGeneMarkS-2は、ゲノム配列に沿った遺伝子発現パターンとGC含量の変化を自動的に調整するように設計されています。GeneMarkS、そしてGeneMarkS-2は、NCBIの原核生物ゲノムアノテーションパイプライン（PGAP）で使用されています（www.ncbi.nlm.nih.gov/genome/annotation_prok/process）。

遺伝子探索アルゴリズムの種特異的パラメータを正確に特定することは、正確な遺伝子予測を行うための必要条件です。しかし、ウイルスゲノムの研究では、ゲノムコンテキストが小さい比較的短い配列からパラメータを推定する必要があります。重要なことに、2004年以降、短いメタゲノム配列における遺伝子予測についても同様の課題に取り組む必要が生じました。配列のG+C含量という単一の変数に依存するパラメータ生成関数を導入することで、驚くほど正確な結果が得られました（「ヒューリスティック法」1999）。その後、数百の原核生物ゲノムの解析により、2010年にさらに高度なヒューリスティック法が開発されました（MetaGeneMarkに実装）。さらに、RNA転写産物中の遺伝子を予測する必要性から、RNA-Seqリードから組み立てられた長い転写産物配列中のイントロンのない遺伝子を特定するツールであるGeneMarkS-T（2015）が開発されました。

• 遺伝子予測ソフトウェア一覧
• 遺伝子予測

• 公式サイト