Efficient and precise discovery of LTR-retrotransposon families using HiRepEat
本論文は、TACOリピート圧縮器とSALSA座標マッピングシステムを、適応させたウェーブフロントアライメントアルゴリズムと組み合わせることで、多様な脊椎動物およびショウジョウバエのゲノムにおけるLTRレトロトランスポゾン・ファミリーを精密に特定、クラスター化、および解析する、高速かつメモリ効率の高い計算フレームワークであるHiRepEatを紹介する。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは査読を受けていないプレプリントのAI生成解説です。医学的助言ではありません。この内容に基づいて健康上の判断をしないでください。 免責事項の全文を読む
ゲノムは、4つの化学文字で書かれた生命の設計図である。しかし、これらの設計図は、清潔で直線的な文書ではない。そこには、テキスト全体にコピー＆ペーストを繰り返す、古くからの反復的な一節が詰まっている。これら自己複製要素の主要な型の一つが、長い末端反復配列（LTR）レトロトランスポゾンである。これらは、RNAを中間体として利用して自身のコピーを作成し、そのコピーをゲノム内に再び挿入することができる遺伝配列である。数百万年にわたり、これらは蓄積を続け、多くの動物において全DNAの相当部分を占めるようになっている。これらの要素がどこに存在し、時間の経過とともにどのように変化したかを理解することは、進化を理解する上で極めて重要であるが、それらを見つけ出すことは極めて困難であることで知られている。これらは互いに非常に似通っており、しばしば他の反復配列の中に埋もれているため、標準的なコンピュータツールでは、ノイズや他の要素と区別することができず、古いファミリーを見逃したり、混乱を招く不正確なマップを作成したりすることが多い。
研究チームは、この問題を解決するために、HiRepEatと呼ばれる新しい手法を開発し、これらの「遺伝的な旅人」を見つけ出すための、より高速で精密な方法を提供した。彼らのアプローチの核心は、関心の対象である特定の要素を探す前に、ゲノムから邪魔な要素を取り除いて「掃除」することにある。プロセスは、隣り合わせに長く同一の列として存在する配列であるタンデムリピート（連鎖反復配列）を特定し、圧縮することから始まる。これらのタンデムリピートは検出ソフトウェアを混乱させることが多いため、研究者たちはTACOと名付けたツールを使用して、これらの長い列を単一の代表的なコピーへと折り畳む。彼らは、削除されたコピーが正確にどこにあったかを記録するSALSAと呼ばれる詳細なマップを保持しており、これにより情報が失われることなく、元の位置を後で復元できる仕組みとなっている。これらの高密度の反復ブロックを最初に除去することで、ゲノムははるかに読みやすくなり、ソフトウェアは、以前は隠れていた、より複雑で散在するレトロトランスポゾンを特定できるようになる。
ゲノムが簡略化されると、ソフトウェアは、これら要素の特有の構造的特徴である「中央領域を挟む2つの一致する末端」を探して、候補となるレトロトランスポゾンをスキャンする。潜在的な候補が見つかったとき、研究者たちは単に素早い類似性チェックに基づいてそれらをグループ化するのではなく（これはエラーを招きやすい手法である）、各グループに対して系統樹を構築する。この系統学的アプローチにより、最終的なファミリーのリストが正確になり、「コンセンサス」配列（そのファミリーの祖先を表すもの）が正しく導出されることが保証される。もし候補となる配列が別の配列の中にネスト（入れ子）されていることが判明した場合、システムは層を剥ぎ取ることができ、内側の挿入と外側の挿入を別々に特定することができる。見つかったリピートを効果的に「食べて」その下に隠れているものを明らかにするというこの反復的なプロセスにより、他の手法では見逃してしまう複雑な入れ子構造を解明することができる。
研究者たちは、イネ、キンカチョウ、ゴリラを含む幅広い種を用いてこの新システムをテストし、その結果を既存の、注意深く精査されたデータセットと比較した。この新手法は高い精度を示し、既知のレトロトポゾンファミリーの大部分を正しく特定した一方で、従来のツールよりも誤報（偽陽性）を大幅に少なく抑えた。速度に関しては劇的な差があった。従来の手法では、一つの大きなゲノムを処理するのに数時間あるいは数日かかったり、時には処理が完了しなかったりしたが、HiRepEatはゴリラのゲノム解析を約26分で完了させた。このシステムはその後、脊椎動物ゲノムプロジェクトの577種類もの異なる脊椎動物ゲノムに適用されたが、これは古いソフトウェアでは不可能であった大規模な試みである。ほとんどの場合、標準的なコンピュータ資源を用いて1時間足らずで解析が終了しており、この手法が、生成され続けている高品質なゲノム配列の増加に対して効率的にスケールできることを示している。
単なるカタログ化を超えて、研究者たちはこの新しいデータを用いて、異なる種の間での共有パターンを調査した。多くの種にわたってこれらのレトロトランスポゾンの遺伝配列を比較することにより、非常に遠縁の種の間で同じファミリーの要素が現れるケースを特定した。例えば、共通の祖先から1億年以上前に分岐した異なる種類の魚類の間で、ほぼ同一のレトロトロン配列を発見した。これらの要素が単に共通の祖先から受け継がれたものであれば、これほど長い年月を経て多くの変異が蓄積しているはずであるが、そのほぼ同一の状態は、それらが最近、種間を移動したことを示唆している。これは、遺伝物質が親から子へと受け継がれるのではなく、生物間で飛び移るプロセスである「水平伝播」を示している。同様のパターンは、果実蝿（ショウジョウバエなど）や両生類でも観察されており、水中で卵を産む種がこれらの要素を共有しているケースを含め、水圏環境における受精がこのような遺伝的交換を促進しているという考えを支持している。
この研究は、ゲノムの反復的な景観を眺めるための強力な新しいレンズを提供するものである。ノイズを体系的に取り除き、正確な系統樹を構築することによって、研究者たちは、生命の樹に沿ったこれらの遺伝的要素の歴史と移動を研究するための信頼できる方法を作り上げた。数百のゲノムを迅速に処理できる能力により、科学者たちは、以前は分析が困難であった種におけるこれらの要素の分布を探索できるようになる。今回の知見は、遺伝物質の種間の移動がこれまで考えられていたよりも一般的であり、特に水圏環境において顕著であること、そして、これらの移動性の要素が進化の過程を通じてゲノムをダイナミックに形作る役割を果たしていることを示唆している。本研究で開発されたツールは他の科学者たちも利用可能となっており、これら古の「遺伝的な旅人」がどのようにして生物学に影響を与え続けているのかについて、より詳細な理解への扉を開いている。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。