15.15: 게놈 주석 및 조립

게놈은 유기체의 모든 유전 물질을 의미합니다. 이는 미생물 세포의 수백만 염기쌍부터 많은 진핵 생물의 수십억 염기쌍까지 다양합니다. 게놈 조립은 DNA 염기서열 분석 자료를 가져와 이를 올바른 순서로 다시 조립하여 원래 게놈과 가까운 표현을 만드는 과정을 의미합니다. 그 다음에는 새로 조립된 게놈의 기능적 요소를 식별하는 과정(게놈 주석이라고 함)이 이어집니다.

게놈 조립은 복잡한 과정입니다. 한 집단의 인간 게놈은 가변적인 유전자 카피 수와 게놈 조립에 복잡성을 추가하는 반복 서열을 가질 수 있지만 유전자의 물리적 위치는 일정하게 유지됩니다. 대조적으로, 박테리아 유전자는 항상 동일한 위치에 있는 것은 아니며 동일한 유전자의 여러 복사본이 게놈의 다른 위치에 나타날 수 있습니다. 이는 박테리아 게놈의 조립에 복잡성을 추가합니다. 따라서 유기체의 단일 게놈 어셈블리는 종 개체군 내의 모든 다양성을 나타낼 수 없습니다.

더욱이 기술적 또는 알고리즘적 오류의 가능성으로 인해 게놈 조립 과정이 더욱 복잡해집니다. 결과적으로, 공개된 많은 게놈은 시퀀싱 기술은 물론 조립 및 주석 도구의 발전을 통해 지속적으로 업데이트됩니다. 예를 들어, 최초의 인간 게놈 어셈블리(빌드 37)가 2009년에 출시된 반면, 새로운 버전(빌드 38)은 2013년에 출시되었습니다.

또한 지난 수십 년 동안 게놈 주석 도구의 발전으로 해상도가 향상되었습니다. 게놈 주석 도구는 게놈의 긴 단백질 코딩 유전자와 조절 요소에 주석을 추가하는 것에서부터 집단 내의 유일한 뉴클레오티드에 주석을 추가하는 것까지 먼 길을 왔습니다.

게놈 조립과 주석은 모두 종, 개체군, 개체의 생물학에 대한 정확한 통찰력을 제공하는 게놈 분석을 위한 필수 도구입니다.

유기체의 전체 게놈은 연속적인 염기서열분석(sequences)으로 염기서열분석(sequenceing)할 수 없으며, 심지어 최신 세대의 염기서열분석 기술조차도 50-1000bp 길이의 수천 개의 짧은 DNA 단편으로부터 단편화된 데이터를 생성합니다.

리드(read)라고 하는 이러한 짧은 DNA 염기서열은 게놈 조립(genome assembly)이라는 과정에서 게놈의 전체 염기서열을 재구성하기 위해 조립되어야 합니다.

모든 차세대 게놈 조립에는 원시 데이터 분석, contig 조립, 스캐폴딩, 그리고 마지막으로 갭 해소의 네 가지 주요 단계가 있습니다.

첫 번째 단계는 품질을 위해 획득한 원시 데이터를 분석한 다음 오염, 편향된 데이터 또는 알려지지 않은 뉴클레오티드가 많은 저품질 판독을 제거하는 것입니다.

다음으로, 클린 리드를 잘라 끝에서 어댑터 시퀀스를 제거합니다. 품질 임계값을 통과하지 못하는 단편 끝단의 모든 염기도 트리밍됩니다.

그런 다음, 잘 어울리는 조립 도구를 사용하여 겹치는 DNA 세그먼트를 기반으로 판독값을 contigs라고 하는 연속적인 시퀀스로 조립합니다.

비교 게놈 조립은 밀접하게 관련된 유기체의 참조 게놈이 새로운 게놈의 재구성을 지시할 수 있을 때 사용할 수 있습니다. 여기서 판독은 참조 게놈에 정렬되며, 이는 게놈 어셈블리의 추가 단계를 위한 레이아웃을 제공합니다.

대안적으로, de novo 게놈 조립은 reference genome이 없는 상태에서 수행되어야 합니다. 여기서, 중첩 읽기는 시퀀스를 더 긴 contigs로 방향을 지정하는 데 사용됩니다.

다음 단계에서는 쌍을 이룬 짧은 읽기(contigs의 끝에서 돌출된 읽기)가 게놈을 스캐폴딩하는 데 사용됩니다.

인접한 contigs 사이의 간격은 알 수 없는 시퀀스의 경우 Ns로 채워집니다. 그러나 길이가 1kb 이상인 긴 읽기를 사용하여 contigs를 함께 연결하는 경우 갭을 실제 시퀀스로 채울 수 있습니다.

그 결과 조립된 게놈이 생성되며, 이 게놈 주석(genome annotation)이라는 프로세스인 자동화된 도구를 사용하여 주석을 달

게놈 주석의 두 가지 주요 목적은 유전자 구조와 유전자 기능 예측이며, 각각 일반적으로 구조적 주석과 기능 주석으로 알려져 있습니다.

구조적 주석은 코딩 영역, 조절 모티프 등과 같은 게놈 요소의 식별로 이어지지만, 기능적 주석은 이러한 구조 요소, 특히 단백질 코딩 유전자의 생물학적 기능을 올바르게 식별하는 데 도움이 됩니다.

게놈 주석 도구는 알려진 전사체, 단백질 또는 신호 염기서열, 다른 염기서열 분석된 게놈에서 예측된 유전자 또는 보존된 도메인의 시그니처 등 사용 가능한 데이터를 새로운 주석에 대한 참조로 사용합니다.

소프트웨어가 이 사용 가능한 데이터를 초안 게놈에 정렬하면 수동으로 또는 주석 도구를 사용하여 필터링하고 다듬어 최종 유전자 주석 세트를 얻어