分割遺伝子理論

スプリット遺伝子理論は、真核生物のイントロンの起源を説明する。^{[ 1 ] [ 2 ] [ 3 ]}この理論は、ランダムな原始DNA配列では、ストップコドンが頻繁に存在するため、短い（600bp未満）オープンリーディングフレーム（ORF）しか形成されないことを示唆している。短いORFには、真核生物の遺伝子に見られる短いタンパク質コードエクソンが含まれていた可能性があり、多数のストップコドンを含む介在配列は 、長い非コードイントロンを形成した可能性がある。このイントロン優先の枠組みでは、エクソンをより長いタンパク質コード配列に結合する必要性からスプライソソーム機構が進化し、イントロンの喪失によって、スプリット真核生物遺伝子からイントロンのない細菌遺伝子が派生した。この理論は、ペリアナナン・セナパシーによって提唱された。

この理論は、エクソン、イントロン、スプライス接合部、分岐点など、遺伝子の分裂構造がランダムな遺伝子配列からどのように生じたのかを説明する。また、前生物化学からスプライソソーム機構、核境界、真核細胞がどのように生じたのかについても、可能性のある解決策を提供する。

この理論は、真核生物のDNAにおけるスプライス部位を検出するための方法論を提供するシャピロ・セナパシーアルゴリズムにつながり、数百もの疾患を引き起こすスプライス部位の変異を発見するために使用されてきた。

分裂遺伝子説は、細菌の細胞内共生による真核細胞の形成に関する科学的コンセンサスと矛盾する。1994年、セナパシーはこの説のこの側面について著書『生物の独立誕生』を出版した。この本では、複数の真核生物ゲノムが、分裂遺伝子の原始的なプールから独立して発生したと提唱している。オランダの生物学者ゲルト・コルトホフは、独立起源説では説明できない様々な問題を提起することで、この説を批判した。彼は、様々な真核生物は養育を必要とすることを指摘し、これを「ブーツ問題」と呼んだ。つまり、最初の真核生物でさえ親の世話を必要としたということである。コルトホフは、真核生物の大部分が寄生生物であることを指摘している。セナパシーの説では、それらの存在を説明するには偶然の一致が必要となる。^{[ 4 ] [ 5 ]}セナパシーの理論は、共通祖先に関する強力な証拠（相同性、普遍的な遺伝暗号、発生学、化石記録）を説明できない。^{[ 6 ]}

細菌を除くすべての生物の遺伝子は、長い配列（イントロン）によって中断された短いタンパク質コード領域（エクソン）から構成されています。^{[ 1 ] [ 7 ]}遺伝子が発現すると、そのDNA配列はRNAポリメラーゼという酵素によって「一次RNA」配列にコピーされます。次に、「スプライソソーム」機構がスプライシングの過程によって遺伝子のRNAコピーからイントロンを物理的に除去し、連続して連結した一連のエクソンだけが残ります。これがメッセンジャーRNA （mRNA）になります。このmRNAはリボソームによって読み取られ、コードされたタンパク質が生成されます。したがって、イントロンは遺伝子から物理的に除去されるわけではありませんが、遺伝子の配列はイントロンが存在しないかのように読み取られます。

エクソンは通常短く、平均長さは約 120 塩基です (ヒト遺伝子の場合)。イントロンの長さは 10 から 500,000 まで大きく変動しますが、エクソンの長さはほとんどの真核生物で約 600 塩基の上限があります。エクソンはタンパク質配列をコードしているため、細胞にとって重要ですが、配列の約 2% しか占めていません。対照的に、イントロンは配列の 98% を占めますが、まれなケースのエンハンサー配列や発生調節因子を除いて、重要な機能はほとんどないようです。^{[ 8 ] [ 9 ]}

1977年にフィリップ・シャープ^{[ 10 ] [ 11 ]}とリチャード・ロバーツ^{[ 12 ]が真核生物の遺伝子内にイントロン[ 13 ]}を発見するまで、すべての遺伝子のコード配列は常に1つの長いORFで区切られた1つの領域にあると考えられていました。イントロンの発見は大きな驚きであり、イントロンがどのように、なぜ、いつ真核生物の遺伝子に入り込んだのかという疑問がすぐに生じました。

やがて、典型的な真核生物の遺伝子は多くの箇所でイントロンによって分断され、コード配列が多数の短いエクソンに分割されていることが明らかになった。さらに驚くべきことに、イントロンは数十万塩基にも及ぶ長いものであった。これらの発見は、なぜ一つの遺伝子内に多くのイントロンが存在するのか（例えば、ヒトのTTN遺伝子には約312個のイントロンが存在する）、なぜイントロンは長いのか、そしてなぜエクソンは短いのか、といった疑問を生じさせた。

また、スプライソソーム機構は、約300個のタンパク質と複数のSnRNA分子からなる巨大で複雑な構造であることが判明した。疑問はスプライソソームの起源にまで及んだ。イントロンの発見後まもなく、エクソンとイントロンの接合部には、スプライソソーム機構を正確な塩基位置に誘導する特異的な配列が存在することが明らかになった。これらのスプライス接合シグナルがどのように、そしてなぜ生じたのかは、もう一つの重要な疑問であった。

イントロンの発見と真核生物遺伝子の分裂構造は、真核生物学の新たな時代を切り開いた。真核生物遺伝子がなぜ断片化された遺伝子構造を持つのかという疑問は、ほぼ即座に憶測と議論を巻き起こした。

フォード・ドゥーリトルは1978年に論文を発表し、ほとんどの分子生物学者が真核生物のゲノムは、大腸菌のゲノムによく似た「より単純で原始的な」原核生物のゲノムから生じたと想定していると述べた。^{[ 14 ]}しかし、この種の進化には、細菌遺伝子のコード配列にイントロンが導入される必要がある。この要件に関して、ドゥーリトルは「情報的に無関係な配列が、有害な影響なしに既存の構造遺伝子に導入される方法を想像するのは非常に難しい」と述べた。彼は「少なくとも『断片化された遺伝子』として現れる構造の側面においては、真核生物のゲノムは実際には原始的な元の形態であると主張したい」と述べた。

ジェームズ・ダーネルは1978年に同様の見解を表明した。彼は、「真核生物と原核生物におけるメッセンジャーRNA形成の生化学的差異は非常に大きく、原核生物から真核生物への連続的な細胞進化は考えにくいことを示唆している。最近発見された真核生物DNA中のメッセンジャーRNAをコードする非連続配列は、DNAにおける新しい情報分布ではなく、むしろ古代の情報分布を反映している可能性があり、真核生物は原核生物とは独立して進化してきたと考えられる。」^{[ 15 ]}

しかし、進化においてRNAがDNAに先行したという考えや、古細菌、細菌、真核生物の3つの進化系統の概念と調和させようとする明らかな試みの中で、ドゥーリトルとダーネルは1985年の共同論文で当初の推測から逸脱した。^{[ 16 ]}彼らは、3つの生物群すべての祖先である「プロジェノート」は断片的な遺伝子構造を持ち、そこから3つの系統すべてが進化したと示唆した。彼らは、前細胞段階にはイントロンを持つ原始的なRNA遺伝子があり、それが逆転写されてDNAになり、プロジェノートを形成したと推測した。細菌と古細菌はイントロンを失うことによってプロジェノートから進化し、「ウルカリオテ」はイントロンを保持することによってそこから進化した。その後、真核生物は核を進化させ、細菌からミトコンドリアを取り込むことによってウルカリオテから進化した。その後、多細胞生物は真核生物から進化した。

これらの著者らは、原核生物と真核生物の相違は非常に大きく、原核生物から真核生物への進化はあり得ず、起源も異なると予測した。しかし、前細胞RNA遺伝子にはイントロンがあったに違いないという推測を除けば、イントロンの起源という重要な問題には触れなかった。エクソンが短くイントロンが長い理由、スプライス接合部がどのように発生したのか、スプライス接合部の構造と配列が何を意味するのか、そして真核生物のゲノムが大きい理由などについて、何の説明もなされなかった。

ドゥーリトルとダーネルが真核生物の遺伝子のイントロンは古代から存在していた可能性があると示唆したのとほぼ同時期に、コリン・ブレイク^{[ 17 ]}とウォルター・ギルバート^{[ 18 ] [ 19 ]}は、イントロンの起源に関する見解をそれぞれ独立して発表した。彼らの見解では、イントロンはスペーサー配列として起源し、異なる機能ドメインをコードするエクソンの容易な組換えとシャッフリングを可能にし、それによって新しい遺伝子が進化した。つまり、新しい遺伝子は、祖先生物のゲノムに存在する遺伝子から機能ドメイン、折り畳み領域、または構造要素をコードするエクソンモジュールから組み立てられ、それによって新しい機能を持つ遺伝子が進化した。彼らはエクソンやイントロンがどのように起源したかを具体的に説明しなかった。さらに、長年の時を経て、数千のタンパク質と遺伝子の広範な分析によって、想定されるエクソンシャッフリング現象を示す遺伝子は極めてまれであることが示された。^{[ 20 ] [ 21 ]}さらに、分子生物学者は、純粋に進化論的な観点から、方法論的および概念的な理由からエクソンシャッフリングの提案に疑問を呈し、長期的にはこの理論は生き残らなかった。

イントロンが発見された頃、セナパシーは遺伝子そのものがどのようにして生まれたのかという疑問を抱いていた。彼は、いかなる遺伝子も発生するためには、遺伝子配列（RNAまたはDNA）が生命誕生以前の環境に存在していなければならないと推測した。彼が提起した基本的な疑問は、最初の細胞が誕生した時点で、原始的なDNA配列からタンパク質をコードする配列がどのようにして生じたのか、ということだった。

この問いに答えるために、彼は2つの基本的な前提を置いた。

• 自己複製細胞が出現する前に、DNA分子はテンプレートの助けなしに4つのヌクレオチドをランダムに添加することによって原始スープで合成され、
• タンパク質をコードするヌクレオチド配列は、原始スープの中に存在していたこれらのランダムなDNA配列の中から選択されたものであり、より短いコード配列から構築されたものではない。

彼はまた、コドンは最初の遺伝子の起源以前に確立されていたに違いないと推測した。もし原始的なDNAがランダムなヌクレオチド配列を含んでいたとすれば、彼はこう問いかけた。コーディング配列の長さには上限があったのか、そしてもしあったとすれば、この上限は遺伝子の起源における遺伝子の構造的特徴の形成に決定的な役割を果たしたのか、と。

彼の論理はこうだった。真核生物や細菌を含む生物のタンパク質の平均長は約400アミノ酸である。しかし、真核生物と細菌の両方において、10,000～30,000アミノ酸よりも長いタンパク質も存在する。^{[ 22 ]}したがって、細菌の遺伝子では、数千塩基のコード配列が単一の領域に存在する。対照的に、真核生物のコード配列は、タンパク質の長さに関係なく、約120塩基のエクソンの短いセグメントにのみ存在する。ランダムDNA配列のコード配列ORFの長さが細菌のそれと同じくらい長ければ、ランダムDNAでは長い連続したコード遺伝子が可能になる。ランダムDNA配列のORFの長さの分布は研究されたことがなかったので、これは知られていなかった。

コンピュータ上でランダムなDNA配列を生成できることから、セナパシーはこれらの疑問をコンピュータ上で検証し、実験を行うことができると考えた。さらに、彼がこの問題の研究を始めた1980年代初頭には、国立生物医学研究財団（NBRF）のデータベースに十分なDNAおよびタンパク質配列情報が存在していた。

スプリット遺伝子理論に基づく研究は、エクソンとイントロンに関する他の基本的な疑問に光を当てています。真核生物のエクソンは一般的に短く（ヒトのエクソンは平均約120塩基で、最短で10塩基）、イントロンは通常長い（平均約3,000塩基で、数十万塩基になることもある）です。例えば、RBFOX1、CNTNAP2、PTPRD、DLG2遺伝子などがそうです。セナパシーは、エクソンが短くイントロンが長い理由について答えを出しました。真核生物の遺伝子がランダムなDNA配列から発生した場合、ランダム配列のORFの長さに一致しなければならず、おそらく約100塩基（ランダム配列のORFの中央値に近い）であるはずです。生物のゲノム配列は、エクソンの平均長が120塩基、最長エクソンが600塩基（ごく少数の例外を除く）であり、これは最長ランダムORFの長さと同じである。^{[ 1 ] [ 7 ] [ 3 ] [ 23 ]}

スプリット遺伝子がランダムなDNA配列から生じたとすれば、いくつかの理由からエクソンは短く、イントロンは長くなるはずである。ランダムなDNA配列では終止コドンが頻繁に存在するため、ORFが短くなり、エクソンの長さが制限される。さらに、機能的なタンパク質コードエクソンが長いランダム配列中に存在する確率は低い。加えて、エクソン境界を定めるドナースプライス接合部とアクセプタースプライス接合部が、短いコード配列セグメント内で組み合わさることは、ランダム配列中ではまれである。これらの理由が複合的に作用することで、イントロンはエクソンに比べて長くなる。

セナパシーは、RNA転写産物からイントロンを除去するスプライソソーム機構の起源について論じた。もし分裂遺伝子がランダムなDNAから生じたのであれば、イントロンはスプライス接合部とともに真核生物遺伝子の不必要だが不可欠な部分になっていただろう。スプライソソーム機構はそれらを除去し、短いエクソンが連続的にコードされたmRNAとして直線的にスプライシングされ、完全なタンパク質に翻訳されるようにするために必要となる。したがって、分裂遺伝子理論は、スプライソソーム機構は不必要なイントロンを除去するために存在すると主張している。^{[ 1 ] [ 7 ]}

ブレイクは、「セナパシーの研究をRNAに適用すると、RNAがコード領域と非コード領域に分離された形態の起源を包括的に説明できる。また、原始進化の初期にスプライシング機構が発達した理由も示唆している」と述べている。^{[ 17 ]}

セナパシーは、生物学における主要な疑問である真核細胞の核がなぜ生じたのかというもっともらしいメカニズム的および機能的な根拠を提案した。^{[ 1 ] [ 7 ]}分裂した遺伝子の転写産物とスプライシングされたmRNAが核のない細胞に存在する場合、リボソームはスプライシングされていない一次RNA転写産物とスプライシングされたmRNAの両方に結合しようとし、混乱が生じる。RNAスプライシングプロセスとmRNA翻訳を分離する境界がこの問題を回避する。核の境界は、一次RNAスプライシングとmRNA翻訳を明確に分離する。

これらの調査により、本質的にランダムな配列を持つ原始的なDNAが、エクソン、イントロン、スプライス接合部を持つ分裂遺伝子の複雑な構造を生み出した可能性が示唆された。分裂遺伝子を持つ細胞は、核と細胞質の境界を持つ複雑な構造でなければならず、スプライソソーム機構を持っていなければならない。したがって、最も初期の細胞は複雑で真核生物であった可能性がある。^{[ 1 ] [ 7 ] [ 3 ] [ 23 ]}驚くべきことに、2007年以降、複数の生物を対象とした広範な比較ゲノム研究の結果は、最も初期の生物は高度に複雑で真核生物であり、複雑なタンパク質を含んでいた可能性があることを圧倒的に示している。 ^{[ 30 ] [ 31 ] [ 32 ] [ 33 ] [ 34 ] [ 35 ] [ 36 ]}これはセナパシーの理論で予測された通りである。

スプライソソームは、約200個のタンパク質と複数のSnRNPを含む非常に複雑な機構です。コリンズとペニーは、「我々は、スプライソソームは真核生物の進化を通じて複雑化してきたという仮説から始めます。しかし、スプライソソームの構成要素の分布を調べると、真核生物の祖先にスプライソソームが存在していただけでなく、今日の真核生物に見られる主要な構成要素のほとんども含まれていたことがわかります。現存する真核生物の最後の共通祖先は、今日見られる分子的な複雑さの多くを示しているようです。」と述べています。これは、最も初期の真核生物は複雑で、高度な遺伝子とタンパク質を含んでいたことを示唆しています。^{[ 37 ]}

多くの細菌生物に存在する、数千塩基長（最大90,000塩基）の途切れないコード配列を持つ遺伝子^{[ 22 ]}は、実際には発生不可能であった。しかし、細菌遺伝子は、長いコード配列に到達する唯一の提案された方法である、イントロンの喪失による分割遺伝子から生じた可能性がある。これは、突然変異によって終止コドンを特異的に除去することによって、短いランダムORFから長いORFにORFの長さを増やすよりも良い方法でもある。^{[ 1 ] [ 7 ] [ 3 ]}

分裂遺伝子説によれば、このイントロン消失の過程は、生命誕生以前のランダムDNAから生じた可能性がある。これらの連続したコード遺伝子は、イントロンを持たずに細菌ゲノム内で密に組織化され、より合理化される可能性がある。セナパシーによれば、分裂遺伝子を含む細胞に必要な核境界は、連続遺伝子のみを含む細胞には必要ない。したがって、細菌細胞は核を発達させなかった。分裂遺伝子説に基づくと、真核生物ゲノムと細菌ゲノムは、原始的なランダムDNA配列中の分裂遺伝子から独立して生じた可能性がある。

セナパシーは、ゲノム配列中のドナーおよびアクセプタースプライス部位、エクソン、および完全なスプリット遺伝子を検出するアルゴリズムを開発しました。彼は、異なる生物のドナーおよびアクセプターのコンセンサス配列における4つの塩基の頻度に基づいて位置重み行列（PWM）法を開発し、与えられた配列中のスプライス部位を識別しました。さらに、彼は、エクソンがドナー配列（5'末端）とアクセプター配列（3'末端）を含み、エクソンが存在するORFを持つという要件に基づいてエクソンを見つける最初のアルゴリズムと、完全なスプリット遺伝子を見つける別のアルゴリズムを定式化しました。これらのアルゴリズムはまとめてシャピロ・セナパシーアルゴリズム（S&S）として知られています。^{[ 38 ] [ 39 ]}

このアルゴリズムは、疾患や薬物有害反応を引き起こすスプライシング変異の特定に役立ちます。^{[ 38 ] [ 39 ]}科学者たちは、このアルゴリズムを使用して、癌、遺伝性疾患、免疫不全疾患、神経疾患を引き起こす変異や遺伝子を特定しました。臨床現場や研究において、患者の既知の疾患原因遺伝子の変異を見つけたり、さまざまな疾患の原因となる新規遺伝子を発見したりするために、ますます使用されています。さらに、隠れたスプライス部位を定義し、変異が正常なスプライシングに影響を与え、さまざまな疾患につながるメカニズムを推測するためにも使用されています。基礎研究にも使用されています。

S&Sに基づく発見は、真核生物学およびヒト医学における主要な問題に影響を与えてきた。^{[ 40 ]}

スプリット遺伝子理論は、コンピュータシミュレーションによるランダム配列から予測されるスプリット遺伝子の構造的特徴が真核生物のスプリット遺伝子に存在することを示唆している。これは、既知のほとんどのスプリット遺伝子で裏付けられている。配列は、ORF長のほぼ完全な負の指数分布を示す。^{[ 1 ] [ 7 ] [ 23 ] [ 3 ]}まれな例外を除いて、真核生物の遺伝子エクソンは予測される最大600塩基内に収まる。

この理論は、エクソンが終止コドンによって区切られ、特にエクソンの 3' 末端で区切られることを正しく予測しています。実際、予測どおり、ほとんどの既知の遺伝子では、エクソンの 3' 末端でより強く、5' 末端でより弱く正確に区切られています。^{[ 1 ] [ 7 ] [ 23 ] [ 3 ]}これらの終止コドンは、両方のスプライス接合部の最も重要な機能部分です。したがって、この理論は、エクソンの末端にある「保存された」スプライス接合部と、イントロンがスプライシングされるときにこれらの終止コドンがイントロンとともに失われることの説明を提供します。この理論は、スプライス接合部が真核生物の DNA 配列にランダムに分布していることを正しく予測しています。^{[ 3 ] [ 26 ] [ 38 ] [ 39 ]}この理論は、転移 RNA 遺伝子とリボソーム RNA 遺伝子に存在するスプライス接合部には終止コドンが含まれていないことを正しく予測しています。スプライシングプロセスに関与する別の配列であるラリアットシグナルにも終止コドンが含まれています。^{[ 1 ] [ 7 ] [ 3 ] [ 23 ] [ 26 ] [ 38 ] [ 39 ]}

この理論は、イントロンが非コード領域であり、ほとんど機能を持たないことを正しく予測している。ドナーおよびアクセプタースプライスシグナル配列や分岐点配列、そしておそらくイントロン末端に存在するイントロンスプライスエンハンサーなど、イントロンの除去を助ける一部のイントロン配列を除けば、大部分のイントロンは機能を持たない。ただし、イントロンは非常に長いため、ゲノムや細胞が利用できる稀な配列がイントロン内に存在する可能性は、この理論では排除されていない。

このように、この理論の予測は、現代の真核生物ゲノムにおける主要な要素によって正確に裏付けられている。

複数の生物の現代ゲノムデータの比較分析により、分裂遺伝子の特徴は最も初期の生物にまで遡ることが判明した。これらの生物は、今日の生物に見られる分裂遺伝子と複雑なタンパク質を含んでいた可能性がある。^{[ 41 ] [ 42 ] [ 43 ] [ 44 ] [ 45 ] [ 46 ] [ 47 ] [ 48 ] [ 49 ]}

最尤法解析を用いた研究では、最も初期の真核生物は現代の生物と同じ遺伝子を持ち、イントロン密度がさらに高かったことがわかった。^{[ 50 ]}基底真核生物^{[ 51 ]}（アメーボ鞭毛虫類、ディプロモナディダ類、パラバサリア類などの原始的な真核生物と考えられている）を含む多くの生物の比較ゲノム解析では、現代の生物に見られるイントロンに富むスプリット遺伝子とスプライソソームが最も初期の祖先に存在し、最も初期の生物はすべての真核細胞構成要素を備えていたことが示された。^{[ 52 ] [ 41 ] [ 53 ] [ 54 ] [ 55 ] [ 50 ]}

• Shapiro, Marvin B.; Senapathy, Periannan (1987). "異なるクラスの真核生物のRNAスプライス接合部：配列統計と遺伝子発現における機能的意義" . Nucleic Acids Research . 15 (17): 7155– 7174. doi : 10.1093/nar/15.17.7155 . PMC 306199 . PMID 3658675 .  
• Senapathy, P. (1988). "真核生物遺伝子における終止コドンからのスプライス接合シグナルの進化の可能性" . Proc Natl Acad Sci USA . 85 (4): 1129–33 . Bibcode : 1988PNAS...85.1129S . doi : 10.1073/pnas.85.4.1129 . PMC 279719. PMID 3422483 .  
• Senapathy, P; Shapiro, MB; Harris, NL (1990). [ 16 ]スプライス接合部、分岐点部位、およびエクソン：配列統計、同定、およびゲノムプロジェクトへの応用。Methods in Enzymology. Vol.  183. pp. 252–78 . doi : 10.1016/0076-6879(90)83018-5 . ISBN  978-0-12-182084-8PMID 2314278 .​ 
• Harris, NL; Senapathy, P. (1990). "真核生物遺伝子における分岐点シグナルの分布とコンセンサス：コンピュータによる統計解析" . Nucleic Acids Res . 18 (10): 3015–9 . doi : 10.1093 / nar/18.10.3015 . PMC 330832. PMID 2349097 .  
• Senapathy, P. (1986). "真核生物イントロンの起源：遺伝子におけるコドン分布統計に基づく仮説とその意義" . Proc Natl Acad Sci USA . 83 (7): 2133–7 . Bibcode : 1986PNAS...83.2133S . doi : 10.1073/pnas.83.7.2133 . PMC 323245. PMID 3457379 .  
• Regulapati, R.; Bhasi, A.; Singh, CK; Senapathy, P. (2008). "ランダムな遺伝子配列からのスプライソソーム遺伝子の分裂構造の起源" . PLOS ONE . 3 (10): 10. Bibcode : 2008PLoSO...3.3456R . doi : 10.1371/journal.pone.0003456 . PMC 2565106 . PMID 18941625 .  
• Senapathy, P. (1995). "イントロンとタンパク質コード遺伝子の起源" . Science . 268 (5215): 1366– 7. Bibcode : 1995Sci...268.1366S . doi : 10.1126/science.7761858 . PMID 7761858 .