Isoform inflation and annotation heterogeneity can confound Kunitz-repertoire comparisons in blood-feeding animals: a gene-level reappraisal

技術要約：Kunitzレパートリー比較におけるアイソフォーム膨張とアノテーションの不均一性

問題提起
吸血（血液摂取）への進化は、異なる系統が宿主の止血作用に対抗するために、Kunitz/BPTIドメインのような特定の抗凝固タンパク質ファミリーを独立して動員するという、収斂進化の教科書的な例として頻繁に引用される。有力な仮説は、吸血行動がこれらの遺伝子ファミリーの収斂的な拡大を駆動していると示唆している。しかし、これらレパートリーの門（phylum）を越えた比較は、多くの場合、遺伝子数ではなく、タンパク質エントリ数（アノテーションされたアイソフォーム数）に基づいている。このアプローチは、以下の2つの主要な技術的アーティファクトによって混乱を招く。

1. アイソフォーム膨張（Isoform Inflation）： アノテーション・パイプラインや範囲の違いにより、アノテーションされたアイソフォームと遺伝子の比率はゲノムプロジェクト間で大きく異なる可能性があり、生物学的な実態を反映することなく、ファミリーのカウントを膨張させる恐れがある。
2. アノテーションの不均一性（Annotation Heterogeneity）： 異なる系統は、しばしば異なるパイプライン（例：RefSeq 対 サブミッター固有のアノテーション）を用いてアノテーションされており、分子（ファミリーのヒット数）と分母（セクレトームのサイズ）の両方に系統的なバイアスをもたらす。

これらの要因は、遺伝子レベルでは存在しないかもしれない「収斂」パターンを、見かけ上作り出してしまう可能性がある。

方法論
著者らは、8つのメソゾア（メタゾア）系統（5つの吸血種：ヒル、ダニ、鉤虫、蚊、吸血コウモリ；および3つの非吸血種：Capitella、C. elegans、Drosophila）にわたるKunitz/BPTIレパートリーの厳格かつ監査可能な再解析を実施した。本研究では、以下の制約を持つ遺伝子レベルのセンサス・プロトコルを採用した。

• 遺伝子レベルのマッピング： タンパク質を、固定された優先順位（locus_tag > Dbxref:GeneID > gene symbol）を持つGFF3 CDS属性を用いて遺伝子にマッピングした。アイソフォームの曖昧さを避けるため、転写産物の Parent フィールドは明示的に除外した。
• アイソフォームの集約（Isoform Collapsing）： 遺伝子あたりの代表として、最も長いアイソフォームのみを保持した。
• ドメイン検出： 門を越えた一貫性を確保するため、gathering 閾値（--cut_ga）を用いた hmmsearch プロファイルを用いてスコアリングを行った。
• アノテーションの監査： パイプライン固有の効果を分離するため、公開されているアノテーションと、ヒル（Hirudinaria manillensis）ゲノムに対する統一された独自の再アノテーションを比較した。
• 実現可能性の評価： 確証的な、コントロール（対照群）を一致させたクロスファイラム（門間）テストが統計的に実行可能かどうかを判断するため、事前登録されたハッシュ凍結（hash-frozen）プロトコルを用いた。これには、吸血の独立した起源の列挙、比較可能なアノテーションを持つ非吸血コントロールの可用性の監査、および様々なエンドポイントに対する統計的検出力のシミュレーションが含まれる。

主な結果

1. 遺伝子レベルのカウントにおける普遍的な上昇の欠如：
   遺伝子数に限定した場合、吸血種は非吸血種と比較して、Kunitzレパートリーのサイズにおいて一貫した普遍的な上昇を示さなかった。

• 中央値： 吸血種（中央値 = 18遺伝子）対 非吸血種（中央値 = 39遺伝子）。
• 分布： 吸血種の範囲（4–114）は、非吸血種の範囲（37–39）と大きく重複していた。最大の2つのレパートリー（ダニ：114、鉤虫：79）は吸血種であったが、最小の2つ（ヒル：4、蚊：5）もまた吸血種であった。
• 結論： 吸血種における大きなKunutizレパートリーという期待されるパターンは、遺伝子レベルでは再現されなかった。

2. 有意なアイソフォーム膨張：
   タンパク質エントリ数は、遺伝子レベルのカウントを大幅に過大評価しており、膨張係数は1.00倍から4.60倍の範囲であった（例：蚊では23個のタンパク質エントリが5つの遺伝子に集約された）。

• 食事カテゴリーへの依存性なし： この膨張は、摂食カテゴリーとは相関していなかった。例えば、非吸血種のショウジョウバエ（Drosophila）は、吸血種の蚊（mosquito）よりも高いアイソフォーム密度（2.20）を示した。
• 示唆： タンパク質エントリによる比較は、生物学的シグナルとアノテーションのアーティファクトを混同するため、レパートリーに関する主張の根拠としては信頼できない。

3. アノテーション・パイプラインの影響：
   同一のゲノムアセンブリを統一されたパイプラインで再アノテーションしたところ、ファミリー特有の不一致が明らかになった。

• 不均一性： Antistasinファミリーについて、再アノテーションにより密度が297.5%変化し、単一のパイプラインでアノテーションされた異なる種間の差異を大きく上回った。
• ヒルの事例： 自動化された再アノテーションは、手動でキュレーションされた公開アノテーションに存在する（主要なヒル抗凝固因子である）hirudin 遺伝子を回収できなかった。これは、証拠に基づいた ab initio 予測が、短く系統限定的な分泌ペプチドの捕捉に苦慮していることを浮き彫りにしている。

4. 現在のデータによる確証的テストの不可能性：
   事前登録された実現可能性評価により、現在利用可能な公開ゲノムを用いた、適切に検出力を備えた確証的クロスファイラム・テストは不可能であると判断された。

• データの不足： 比較可能なアノテーションを持つゲノムを持つ候補ペアは、1組（ベッドバグ vs ミリド）しか見つからなかった。ほとんどの起源には、適切な非吸血コントロールが存在しなかった。
• 統計的検出力： 高い出現率を仮定したとしても、独立した起源の数（最大約12–15）は、「普遍的な濃縮」のエンドポイントに対して検出力を確保するには不十分である。理論的には「クロスオリジン不均一性」のエンドポイントが達成可能であったが、それには探索的データによって支持される程度の不均一性が必要となる。
• 結論： 現在の候補セットは、現時点での確証的テストを支えるには不十分である。著者らは、適切なゲノム（例：一様な再アノテーションによるもの）が追加で利用可能になる可能性があることを指摘している。つまり、生物学的な問い自体は原理的に解決不能ではないが、現在のデータ環境が決定的なテストを妨げている。

意義と主張
本論文は、吸血種における抗凝固因子の展開という生物学的実体を否定するものではなく、また、収斂進化全般を否定しようとするものでもない。代わりに、以下の3つの具体的な貢献を提示している。

1. 遺伝子レベルの再評価： 吸血種におけるKunitzドメインの「収斂的な拡大」という広く引用されている説は、サンプルされた系統に対して厳格かつ監査可能な遺伝子レベルの基準を適用すると、支持されないことを示した。
2. 方法論的な警告： アイソフォーム膨張とアノテーションの不均一性が、比較ゲノミクスにおける重大な混乱要因であることを確立した。タンパク質エントリのカウントは、遺伝子レベルで分析すると消失してしまうような、見かけ上の系統差を生み出す可能性がある。著者らは、門を越えたレパートリー・サイズに関する定量的な主張は、遺伝子レベルの、アノテーションを考慮したカウント、理想的には一様な再アノテーションに基づくべきであると主張している。
3. 収斂性の検証に対する規律： 収斂形質をテストするための厳格なワークフローを提案する。(1) 独立した起源を列挙する、(2) 比較可能なアノテーションを持つマッチしたコントロールの可用性を監査する、(3) 確証的デザインにコミットする前に統計的検出力をシミュレートする。吸血行動と抗凝固遺伝子のケースでは、現在のデータ環境はこれらの前提条件を満たしておらず、決定的な確証的テストは現時点では実行不可能である。

著者らは、自らの知見は記述的かつ警告的なものであることを強調している。それは、現在のデータが何を「サポートできないか」を示すものであり、収斂的な動員の不在を決定的に証明するものではない。彼らは、機能的な収斂は展開（発現）の証拠に依存するものであり、全ゲノムのレパートリーカウントだけでは提供できないことを指摘している。