ゲノム分類データベース

ゲノム分類データベース（GTDB）は、保存された単一コピータンパク質のセットに基づく系統ゲノムアプローチに従って、原核生物の提案された命名法に関する情報を維持するオンラインデータベースです。この方法は、側系統群を解決するだけでなく、分類学的ランクをアルゴリズム的に再割り当てし、どちらの場合も名前を更新します。^{[ 1 ]}古細菌の情報は、^平均ヌクレオチド同一性に基づく種分類とともに、2020 年に追加されました。^{[ 2 ]各更新には、}新しいゲノムと、分類の自動および手動キュレーションが組み込まれています^{。[ 4 ]}

GTDB-Tk と呼ばれるオープンソースツールが利用可能で、ドラフトゲノムを GTDB 階層に分類できます。^{[ 5 ]} GTDB システムは、GTDB-Tk を介して、ヒト腸内マイクロバイオームやその他のメタゲノムソースの未命名細菌をカタログ化するために使用されています。^{[ 6 ] [ 7 ]}

GTDBは、 2019年にバーギー古細菌分類マニュアルに系統ゲノムリソースとして組み込まれた。^{[ 8 ]}

系統樹の構築に使用されるゲノムはNCBI（RefSeqおよびGenbank）から取得され、GTDBリリースはリリース76からRefSeqリリースにインデックス付けされています。重要なことに、このデータセットにはメタゲノムおよび単一細胞から得られた培養されていない微生物のドラフトゲノムがますます含まれており、微生物世界のゲノム表現の改善が保証されています。すべてのゲノムは、GTDBに組み込まれる前にCheckMを使用して独立して品質管理されます。^{[ 9 ]}

ゲノムはまず遺伝子コールによって遺伝子を抽出します。分類体系は、WAGモデルの下で細菌の120個の単一コピーマーカータンパク質の連結セットからFastTreeで推論された系統樹と、PMSFモデルの下で古細菌の53個（RS207以降、以前は122個）のマーカータンパク質の連結セットからIQ-TREEで推論された系統樹に基づいています。連結されたリボソームタンパク質とリボソームRNA遺伝子を含む追加のマーカーセットも系統樹トポロジの相互検証に使用されます。^{[ 9 ]}分類ランクを決定する相対的進化的分岐（RED）メトリックは、PhyloRankプログラムによって2つの主要な系統樹から導出されます。^{[ 1 ]}

種は、平均ヌクレオチド同一性とアライメント率を用いて区別され、これらは両方ともskaniによって計算されます。以前のリリースに存在する種については、GTDB は 2 つのゲノムの品質と位置を比較し、新しい種の代表ゲノムに切り替えることを決定する場合があります。^{[ 9 ]}

分類体系は以下の情報源に基づいています。

• ゲノム類似性の近傍領域で入手可能な場合は、以前のリリースを参照する。
• 当初は、tax2tree を介してゲノムツリーを装飾するために、国立生物工学情報センター (NCBI) の分類体系が使用されました。 ^{[ 1 ]}
• 16S rRNAに基づくGreengenes分類法は、特に培養された代表種が存在しない系統樹の領域において、分類法を補完するために使用される。^{[ 1 ]}
• 命名法上の地位を有する原核生物名のリスト（LPSN）は、命名優先順位を確立するための主要な分類学的権威として使用されます。^{[ 1 ]}

GTDBの担当者は、前述の情報源から得られた分類情報を、PhyloRankの結果や系統樹と照合することで精査します。

• 分類群名に対応するツリーノードには、そのランクに不適切なRED値が含まれている可能性があります。その名前は、別のノードに移動するか、（ラテン語の接尾辞を変更して）別のランクに移動することができます。^{[ 1 ]}
  • 分岐が大きすぎる場合は、種または属のレベルで分割が行われる可能性があります。そうすることで新しい分類群が作成されます。^{[ 3 ]}
• 分類群は多系統群であることが判明する可能性がある。まず、キュレーターは分類群をそのタイプ標本を含むクレードに限定する。他の各クレードに対して新しい分類群が作成される。^{[ 1 ]}

新しい分類群ごとに、キュレーターは文献からその分類群の提案名を探します。提案名がない場合は、元の名前に接尾辞を追加して仮の名前が付けられます。例: Lactobacillus gasseri _A。「Z」の後に「AA」が続きます。^{[ 1 ]}

各リリースには以下が含まれます：^{[ 10 ]}

• 含まれるすべてのゲノムアセンブリを門から種までの分類体系に割り当てた分類表。（ドメインごとに1つ。）
• 各ゲノムアセンブリに付与されたメタデータを含むファイル。これには、NCBIによる元の分類情報、元の株識別子、GTDB分類情報、品質評価、および重要な遺伝子（tRNAおよびrRNA）の存在が含まれます。（ドメインごとに1つ。）
• 種系統樹 前節で説明した方法で構築された、種を代表するゲノム（種ごとに1つ）を含むNewickファイル。（ドメインごとに1つ。）
• 種を代表するゲノムの場合：
  • これらのゲノムから同定されたマーカー遺伝子の配列
  • 各生物種から1つの16S rRNA配列を含むファイル
  • これらのゲノムに含まれる予測遺伝子のアミノ酸配列とヌクレオチド配列を含むtarボール
  • これらのゲノムの全内容を含むtarball
• 品質チェックを通過したすべてのゲノムについて：
  • これらのゲノムから同定されたマーカー遺伝子の配列
  • これらのゲノムから同定されたすべての16S rRNA配列を含むファイル
• 補助ファイル。詳細はFILE_DESCRIPTIONS.txtを参照してください。

ウェブインターフェースには、分類体系（Newickファイル全体ではなく）に基づいたツリーが、ゲノムアセンブリレベルまで表示されます。各ゲノムアセンブリには、メタデータの詳細と、各GTDBリリースにおける分類履歴が記載されたページがあります。検索機能も備えています。

GTDBは「原核生物の分類学にとって重要なリソースとなっている」。その種系統樹と方法論の要素は、分類学者が原核生物規約に基づく現在の承認された分類を改善するために利用されている。例えば、分類学者は、分類学的提案をさらに裏付けるために、自身の系統樹の上にGTDBの系統樹を参照することがある。^{[ 11 ]}

データベースの大部分を既存の分類体系に取り込むという、さらに野心的な提案もなされている。第三者の著者が執筆した2022年のIJSEMの記事では、6万5千を超えるGTDB分類群に意味のないラテン語の音節に基づいて名前を割り当てることを提案している^{[ 12 ]}が、これらの名前はLPSNには採用されていない。GTDBチームによる2023年の記事では、223の上位分類群を原核生物コード体系に、49をSeqCode体系に取り込むことを提案している^{[ 13 ]}。原核生物コードで発表された名前の多くは既に検証済みである^{[ 14 ]}（SeqCodeでは、有効な発表のために名前の登録が必要であり、これも既に完了している）。

• フィロコード
• 国立バイオテクノロジー情報センター
• SILVAリボソームRNAデータベース
• 命名法上の地位を有する原核生物名のリスト

• Zhu, Q; Mai, U; Pfeiffer, W; et  al. (2019年12月2日). "10,575ゲノムの系統ゲノム解析により、細菌と古細菌のドメイン間の進化的な近縁性が明らかに" . Nature Communications . 10 (1): 5477. Bibcode : 2019NatCo..10.5477Z . doi : 10.1038/s41467-019-13443-4 . PMC 6889312 . PMID 31792218 .  ―同様にGTDBの分類学的品質を評価する独立した取り組み。

• AnnoTree - GTDB（R95またはR214）種系統樹を使用してゲノムアノテーションを可視化するためのサードパーティ製ツール。