GenDiMug: a generic inclusive multigraph framework to analyze genomic organizations and -omics data at multiple scales

GenDiMugの技術要約：汎用的かつ包括的なマルチグラフ・フレームワーク

問題提起
数十年にわたるゲノム研究にもかかわらず、ゲノム組織の解析は依然として困難な課題である。現在の記述は、核酸バックボーン上の順序付けられた位置区間として定義される、ゲノム特徴量（例：オープンリーディングフレーム、調節領域）の線形マップに依存している。これらは正確ではあるものの、構造的特性、特に特徴量間の複雑な空間的および発生論的な関係を数学的に解析するには最適化されていない。さらに、この形式は、利用可能なデータがますます増加している多様な「オミクス」データセット（トランスクリプトーム、エピゲノム、プロテオーム、メルトーム、クロマチンアクセシビリティデータ）の統合を妨げている。既存のネットワーク表現は、主に特定のデータ型（例：遺伝子共発現ネットワークやタンパク質相互作用ネットワーク）に適用されてきたが、ゲノム構造そのものを、多種多様なオミクスデータを「生命の網」を通じて統合できるネットワークのバックボーンとして扱うまでには至っていない。

手法
これらの限界に対処するため、著者らは、ゲノム配列とアノテーション（GFF3形式）を**有向マルチグラフ（Directed MultiGraph）**へと変換するPythonベースのツール、GenDiMugを開発した。

• グラフ構築: 本フレームワークは、ゲノム特徴量（例：遺伝子、エキソン、イントロン、遺伝子間領域、リピート）をノードとし、2つの主要な関係タイプを表すエッジを持つネットワークを生成する。
  1. 発生論的（Ontogenetic）関係: 「親から子」への関係（例：遺伝子からmRNA、mRNAからエキソン、CDSからタンパク質ドメイン）。
  2. 空間的（Spatial）関係: 配列上の物理的位置に基づく関係。これには、同一鎖内（in cis）および反対鎖間（in trans）の両方で発生する、連続、重複、入れ子、および同一の特徴が含まれる。
• データ統合: 本ツールは、追加のアノテーション（例：InterProScanによるタンパク質ドメイン、Tandem Repeats Finderによるリピート）およびカスタム特徴量の統合をサポートしている。また、遺伝子間領域や末端領域などの暗黙的な特徴を推論する。
• 解析パイプライン: 生成されたネットワークは簡略化（例：遺伝子のみの空間ネットワークへの集約）したり、標準的なグラフ指標を用いて分析したりすることができる。著者らは以下を用いた：
  • 同類結合係数（Assortativity Coefficients）: 同様のラベル（カテゴリまたは数値）を持つノード同士が直接接続する傾向を測定する。
  • 最短経路解析（Shortest Path Analysis）: 特定の遺伝子セット間のトポロジー的な近接性を決定する（これは物理的な線形距離とは異なる）。
  • ラベル置換テスト（Label Permutation Tests）: ランダム化されたネットワークに対する経験的なp値を生成し、統計的有意性を評価する。
• データセット: 本フレームワークは、ウイルス、プロカリオート（細菌および古細菌）、およびユーカリオート（原生生物、植物、真菌、動物）にわたる23のデータセットに適用された。Saccharomyces cerevisiae および Chlamydomonas reinhardtii のトランスクリプトームデータ（TPM/RPKMに正規化され、分位数にビン分割されたもの）は、ノード属性としてマッピングされた。

主な貢献

1. 汎用的なネットワーク形式: GenDiMugは、空間的関係と発生論的な関係を橋渡しする、包括的かつマルチスケールなネットワークとして全ゲノムを表現する、初の種に依存しない（species-agnostic）ツールを提供する。
2. マルチオミクス統合: 本フレームワークは、多様なデータ型（空間、機能、発現）をゲノム構造に直接統合するための自然なバックボーンを確立し、コンティグおよび染色体スケールでの塩基対解像度でのゲノム・トポロジーの可視化を可能にする。
3. 解析フレームワーク: グラフ理論の指標（同類結合、最短経路）を適用することで、線形マップでは検出が困難なゲノム組織の構造的パターンを明らかにすることを可能にする。

結果

• プロカリオートの組織化: プロカリオートのゲノム（Saccharolobus islandicus, Escherichia coli）において、解析は遺伝子の必須性と機能カテゴリ（ArCOG/COG）に関する強い同類結合（assortative mixing）を確認した。必須遺伝子および機能的に関連する遺伝子は、ランダム化されたネットワークよりも有意に多く、直接的な隣接関係にあることが判明した。これはオペロン構造や染色体コンパートメントと一致している。
• ユーカリオートの組織化: ユーカリオートの遺伝子近傍は無秩序であるという予想に反して、本研究は以下を明らかにした：
  • 必須遺伝子のクラスタリング: 遺伝子重複やポリシストロニックな転写産物を補正した後でも、特定のユーカリオート染色体（例：S. pombe, C. elegans Chr I, S. cerevisiae Chr XV）において、必須遺伝子の有意なクラスタリングが検出された。
  • 等発現ドメイン（Iso-Expression Domains）: S. cerevisiae および C. reinhardtii において、同様の発現レベルを持つ遺伝子（iso-expressed）は、染色体に沿ってクラスターを形成し、「高発現（loud）」および「低発現（quiet）」の領域を形成していることが判明した。この同類結合のパターンは、複数の染色体およびタイムポイントにわたって観察された。
  • 概日リズムによる制御: 光合成藻類 C. reinhardtii において、遺伝子発現の同類結合的な構造化は、概日時計および明暗サイクルに応じて動的に変化した。「高発現」および「低発現」のゲノム領域は、一日の異なる時間に活性化していた。
  • オペロンの検出: S. islandicus におけるゲノム空間ネットワークと共発現データの交差により、著者らは共発現する隣接ノードの連結成分を特定し、既知のオペロンを回収するとともに、新たな候補を提示した。

意義と主張
本論文は、GenDiMugが、ゲノム組織の線形マップを超え、より厳密な数学的取り扱いを可能にする強力かつ汎用的なフレームワークを提供すると主張している。ゲノムをネットワークとして表現することにより、著者らは以下を実証した：

1. 構造的パターンの存在: ユーカリオートのゲノムは、遺伝子の発現レベルや必須遺伝子の非ランダムな空間的構造を有しており、これは、そのようなクラスタリングがプロカリオートに特有であるという見方に異を唱えるものである。
2. 動的な制御: ネットワークアプローチは、線形表現では明らかにならない、動的で時間依存的な遺伝子クラスタリング（例：概日リズムによる制御）を明らかにする。
3. 汎用性: 本フレームワークは包括的であり、拡張可能である。これは、生物学的プロセスがゲノム組織にどのように影響するか、あるいはその逆を調査するために、多様なオミクスデータ型を統合することができる。

著者らは、本研究をゲノム・トポロジーのシステム的な洞察を得るための基礎的なツールとして位置づけており、位置効果の研究を促進し、重要なゲノム領域の特定を通じて、進化生物学から精密医療に至るまでの分野に貢献する可能性を示唆している。