系統学的プロファイリング

系統発生プロファイリングは、多数の種にわたる 2 つの形質の共存または共存の欠如を利用して、同じ生物学的経路における 2 つの異なるタンパク質の関与など、意味のある生物学的つながりを推測するバイオインフォマティクス技術です。保存されたシンテニー、保存されたオペロン構造、または「ロゼッタストーン」ドメイン融合の調査とともに、系統発生プロファイルの比較は、どのタンパク質がどのタンパク質と相同であるかを決定した後に、この方法に不可欠な計算が開始されるという点で、「ポスト相同性」技術と呼ばれます。これらの技術の多くは、David Eisenbergと同僚によって開発されました。系統発生プロファイルの比較は、1999 年に Pellegrini らによって導入されました。^[1]

現在、2000 種を超える細菌、古細菌、真核生物が完全な DNAゲノム配列で表されています。通常、ゲノム内の各遺伝子は、相同性に基づいて特定のタンパク質ファミリーに割り当てることができるタンパク質をコードしています。特定のタンパク質ファミリーの場合、各ゲノム (元の 2 進数形式) での存在または不在は、1 (存在) または 0 (不在) のいずれかで表されます。したがって、タンパク質ファミリーの系統分布は、各ゲノムに 1 桁の数字が付いた長い 2 進数で表すことができます。このような 2 進数表現は、相関する系統分布を検索するために簡単に比較できます。完全なゲノムの数が多いため、これらのプロファイルは情報が豊富です。完全なゲノムのみを使用する利点は、形質の欠如を表す 0 値が信頼できる傾向があることです。

近縁種は、非常によく似た遺伝子セットを持つと予想される。しかし、遺伝子の水平伝播や遺伝子の喪失などの過程によって、遠縁の種の間で変化が蓄積される。個々のタンパク質は、単一の酵素反応を実行したり、より大きなタンパク質複合体の 1 つのサブユニットとして機能したりするなど、特定の分子機能を持っている。光合成、メタン生成、ヒスチジン生合成などの生物学的プロセスでは、多くのタンパク質の協調作用が必要になる場合がある。プロセスに不可欠なタンパク質が失われると、そのプロセス専用の他のタンパク質は役に立たなくなる。自然選択により、これらの役に立たないタンパク質が進化の過程で保持される可能性は低い。したがって、2 つの異なるタンパク質ファミリーが常に一緒に存在したり、一緒に存在しなかったりする傾向がある場合、2 つのタンパク質が何らかの生物学的プロセスで協力しているというのが 妥当な仮説である。

系統発生プロファイリングは、代謝経路におけるこれまで知られていなかった酵素、保存された調節部位に結合する転写因子、およびヒト疾患における特定の変異の役割の説明など、生物学において数多くの発見をもたらしました。^[2]この方法自体にはいくつかの限界があるため、方法自体の改善は科学研究の活発な分野です。第一に、2つのタンパク質ファミリーの共存は、保存された機能的関係ではなく、2つの種の最近の共通祖先を表すことが多いため、これら2つの相関関係の原因を明確にするには、統計的手法の改善が必要な場合があります。第二に、相同体としてグループ化されたタンパク質は機能が異なる場合があり、機能が保存されているタンパク質が相同体として登録されない場合があります。機能的保存を反映するように各タンパク質ファミリーのサイズを調整する方法の改善は、結果の改善につながります。

ツールにはPLEX（Protein Link Explorer）^[3]（現在は廃止）や JGI IMG（Integrated Microbial Genomes）Phylogenetic Profiler（単一遺伝子と遺伝子カセットの両方に対応）^{[4]などがあります。}