A pangenome-graph approach for mapping and imputing barley sequences

膨大な図書室を整理しようとしているところを想像してみてください。ただし、棚に並んでいるのは本ではなく、生命を構築するための「取扱説明書」です。これがゲノミクス、つまりあらゆる植物、動物、そして人間を唯一無二の存在にしているDNAを読み解き、理解する科学の世界です。長い間、科学者たちは、たった一つの「完璧な」本をマスターコピーとして選び、それをもとにこの図書室を整理しようとしてきました。彼らは、新しく見つかったすべての本をこの一つのマスターと比較し、そこにある差異は単なる誤字脱字やページの欠落に過ぎないと考えていました。しかし、もしそのマスターコピーに、他の本には存在するはずの「章」が丸ごと抜け落ちていたらどうでしょう？ もしその「誤字」が、実は全く新しい物語そのものだったとしたら？ これは、繰り返されるパターンが多く、読み解くのが非常に困難な複雑な取扱説明書を持つ、大麦のような作物においては特に厄介な問題です。科学者がこれを重視するのは、もし私たちが、干ばつや害虫、あるいは変化する気候を生き抜くことができる食料を育てたいのであれば、単一の植物に見られるバージョンだけでなく、遺伝的多様性の「全体像」を見る必要があるからです。

ここで、この新しい研究の背後にいる研究者たちの登場です。彼らは単一のマスターブックを使うのをやめ、代わりに大麦の家系全体を描いた、巨大で相互につながった地図を作り上げることにしました。彼らは、既存の「MorexV3」リファレンスゲノム（これは、手元にある最も完全な一冊の本のようなものです）からスタートしましたが、それでは世界中の畑で見られる野生の大麦の多様性を捉えるには不十分であることに気づきました。そこで、彼らは「Pan20」と呼ばれるパンゲノムグラフを構築しました。これは、単なる一本の直線的なテキストではなく、広大な地下鉄の路線図のようなものです。通常の書物では、最初から最後まで一直線に読み進めます。しかし、この地下鉄の路線図では、線路（DNA配列）が枝分かれし、ループを描き、再びつながります。すべての路線を通る駅（遺伝子）もあれば、特定のルートを走る特定の品種にしか存在しない駅もあります。このグラフは、ランドレース（在来種）や栽培品種の「グローバルな多様性」を捉えており、つまり、古い単一の本が見落としていた大麦の種類の遺伝的秘密を保持しているのです。

この地図を実用的なものにするために、チームは、未知の新しい大麦DNAの断片をどのようにしてこの複雑な地下鉄システムの中に位置づけるかを考え出さなければなりませんでした。彼らは、二段階の巧妙な戦略を考案しました。まず、GMAPというツールを使用して、その断片がおおよそどこに属するかという大まかな位置を特定します。これは、GPSを使って一般的な近隣エリアを見つけるようなものです。次に、「実用的なハプロタイプグラフ（PHG）」を使用して、詳細な停留所を特定するためにズームインします。これは、GPSの位置情報を得た後、詳細なローカルマップを確認して、自分がどのバス路線に乗っているのかを確認する作業に似ています。この手法により、彼らは「存在・欠如変異（presence-absence variation）」を検出することができます。これは、単なる小さな綴りの間違いを探すのではなく、特定のDNAの断片が存在しているのか、あるいは完全に欠落しているのかを判別できるという、専門的な言い回しです。極めて重要なのは、このシステムが元のMorexV3の座標系にすべてを整合させている点です。これにより、たとえ全く異なる遺伝的な経路を見ていたとしても、科学者たちは同じ地図の座標を使って互いに会話を続けることができます。

このグラフのテスト結果は、非常に啓発的なものでした。彼らが長鎖の大麦DNAおよびRNA（指示書の作業用コピー）をこのグラフに対してマッピングしようとしたとき、それは見事に機能しました。実際、テストした長鎖ゲノム配列の約3分の1は、元のリファレンスゲノムには適合せず、グラフの「非リファレンス」部分に配置されたときに初めて意味を成すことがわかりました。このことは、単一の本に頼ることが、物語の膨大な部分を切り捨てていたことを証明しています。さらに、彼らは「シーケンシングによるジェノタイピング（Genotyping by Sequencing）」や「ローパス・シーケンシング（low-pass sequencing）」（素早く安価にDNAを読み取る方法ですが、完璧ではありません）を用いた実世界のデータを用いてテストを行いました。グラフは、これらの乱雑で不完全なデータファイルを効率的に処理し、局所的な遺伝的「近隣」の文脈を維持したまま、欠落した隙間（インピュテーション／補完）をうまく埋めることができました。

この論文は、この柔軟なフレームワークが大麦研究者にとってゲームチェンジャーになることを示唆しています。これにより、研究者は単一のリファレンスポイントを超えた遺伝的多様性を探索し、個々の文字の変化（SNP）ではなく、ヘテロ接合体（遺伝子を一緒に受け継ぐブロック）のレベルで植物のグループを分析できるようになります。この論文は、これが農業におけるすべての問題を解決すると主張しているわけではありませんが、グラフが配列を正確に整列させ、ゲノムの複雑な文脈を保持できることを実証しています。チームは、使いやすいセットアップのためのDockerコンテナや、自身の配列をマッピングできるウェブアプリケーションを含め、ツールを一般に公開しており、科学コミュニティが共に大麦の豊かで枝分かれした歴史を探求することを呼びかけています。