JPH07274965A - 遺伝子のモチーフ抽出処理装置及び処理方法 - Google Patents

Abstract

(57)【要約】 【目的】 遺伝子配列情報から遺伝子機能を特定する、
配列に特徴的な規則性を抽出する遺伝子のモチーフ抽出
処理装置および処理方法に関し、遺伝子配列情報をもと
に機械的に（自動的に）モチーフを抽出することを目的
とする。 【構成】 入力した複数の遺伝子配列のアライメントデ
ータから、進化系統樹に基づく各配列への重み付けを行
い、各配列の重みとアミノ酸の類似性とから各部位のス
コアを計算し、スコアが大きい部分を配列に特徴的な規
則性であるモチーフとして自動抽出する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は遺伝子のモチーフ抽出処
理装置及び処理方法に係り、特に与えられた複数の遺伝
子配列情報の比較からそれらの配列間の保存部位である
モチーフを抽出する遺伝子のモチーフ抽出処理装置及び
処理方法に関する。近年の遺伝子工学の進歩に伴い、Ｄ
ＮＡ配列やアミノ酸配列で表現される遺伝子配列情報デ
ータベースが急増している。また、ヒトゲノム計画など
のように、特定の生物の遺伝子配列を全て解明しようと
いう試みが世界的規模で行われており、遺伝子配列情報
は今後も急激に増加することが予想される。

【０００２】これらの遺伝子配列の中には、配列情報は
明らかになっているが、その機能や構造に関しては未知
であるものも多い。このような遺伝子の機能や構造を、
その配列情報から予測するために有効な方法として、配
列に特徴的な規則性であるモチーフの検索がある。その
ために、配列が既知のものから多くのモチーフを抽出す
る技術が必要とされる。

【０００３】

【従来の技術】従来、遺伝子配列において遺伝子機能を
特定する、配列に特徴的な規則性を示すモチーフは、実
験や文献での報告に基づいて決定されてきた。このよう
なモチーフを登録したデータベースとして、ＰＲＯＳＩ
ＴＥが知られている。ところで、一般に、遺伝子配列の
中で、機能的に重要な部位（サイト）は変わりにくいこ
とが知られている。このことを利用すれば、複数の遺伝
子配列の比較から、保存領域としてモチーフを抽出する
ことができる。しかしながら、従来、遺伝子配列の比較
からモチーフを抽出する手法は確立されていない。

【０００４】

【発明が解決しようとする課題】実験等により人為的に
モチーフを決定するのは、大変な作業である。そこで、
遺伝子配列の比較からモチーフを機械的に抽出すること
ができれば、遺伝子機能の解明等に有効な多くの情報を
得ることができると考えられる。しかし、単に複数の遺
伝子配列の各部位を比較し、各部位の類似性を調べてい
く手法を採った場合、次のような問題がある。

【０００５】つまり、抽出対象とする複数の遺伝子配列
情報が特定の種類の生物に偏った場合、抽出しようとす
る規則性に偏りが生じる。例えば、人間の遺伝子配列情
報、猿の遺伝子配列情報、馬の遺伝子配列情報、・・・
等の高等生物の遺伝子配列情報が多数あり、それより下
等な生物の遺伝子配列情報が少ない配列情報群につい
て、各部位の類似性からモチーフを抽出しようとした場
合、類似性の高い部分が進化においてあまり変化してい
ない保存領域であるとは必ずしも認定することはでき
ず、モチーフとして抽出する保存領域の認定が誤りが生
じる可能性がある。この逆の場合も同様である。

【０００６】本発明は上記問題点の解決を図り、複数の
遺伝子配列情報をもとに、機械的に（自動的に）モチー
フを抽出することを目的とする。

【０００７】

【課題を解決するための手段】図１は本発明の構成例を
示す図である。図１において、１０はＣＰＵ及びメモリ
等からなる処理装置である。配列情報入力手段１１は、
モチーフの抽出対象となる複数の遺伝子配列のアライメ
ントデータを入力する手段である。系統樹作成手段１２
は、配列情報入力手段１１によって入力した複数の遺伝
子配列のアライメントデータをもとに遺伝子配列間の相
違度に基づく進化系統樹１３を作成する手段である。な
お、系統樹１３は、例えば古生物学的な情報等を用いて
予め作成しておくようにしてもよい。

【０００８】配列の重み計算手段１４は、系統樹１３の
枝の長さから各配列の重みを計算する手段である。スコ
ア計算手段１５は、配列の各部位毎に、その部位におい
て出現する配列要素の類似性の度合を示すスコアを、配
列の重みと、予め配列要素の種類に応じて求められてい
る要素の類似性に基づくスコア表１６とに基づいて計算
する手段である。

【０００９】特徴情報抽出手段１７は、計算されたスコ
アに基づいて遺伝子配列における特徴的な規則性を有す
る部分をモチーフとして抽出し、ディスプレイやプリン
タ等の出力装置１８に出力させる手段である。特に、特
徴情報抽出手段１７は、スコア計算手段１５によって計
算されたスコアの値が所定の閾値または設定された閾値
を超えた場合に、その部位をモチーフ部位として抽出す
る。又、特徴情報抽出手段１７は、所定の連続領域幅又
は設定した連続領域幅でモチーフ部位の出現率を計算
し、その値が所定のランダムレベル又は設定したランダ
ムレベルを超えた場合には、その連続領域をモチーフ領
域とし、隣合うモチーフ領域を１つのモチーフ領域とす
る。これらの計算結果等が出力装置１８へ出力される。
出力装置１８は、モチーフの出現率やランダムレベルの
値等をプロットしてグラフ表示を出力する。

【００１０】

【作用】本発明の遺伝子のモチーフ抽出処理装置は、マ
ルティプルアライメントデータを入力データとし、各部
位においてアライメントデータを構成する配列中で高度
に保存されているアミノ酸をモチーフとして出力する。
ただし、進化的に近縁な配列が存在することによる、ア
ミノ酸の出現頻度の偏りを補正するために、アライメン
トデータに基づき系統樹１３を作成し、系統樹１３の枝
長や形から、各遺伝子配列に対する重み付けを行う。更
に、性質の似たアミノ酸の出現を許容するために、アミ
ノ酸の類似性に基づいて計算されたスコア表１６を用い
て、各部位でのスコアを計算する。ここで求められたス
コアが高いほど、その部位では、アミノ酸が高度に保存
されていることを示す。

【００１１】更に、モチーフ部位を抽出するために、ス
コアの閾値を設定する操作を行う。又、ここで設定した
閾値を超えるスコアを示した部位をモチーフ部位として
抽出する。そして、モチーフ領域を限定するために、領
域幅とランダムレベルとを設定する操作を行う。ここで
設定した領域幅内でのモチーフ部位の出現率がランダム
レベルを超える値を示した場合、その領域をモチーフ領
域とみなす。又、隣合うモチーフ領域は、１つのモチー
フ領域とみなす。

【００１２】

【実施例】以下、図面を参照しつつ、本発明の実施例を
アミノ酸配列で表される遺伝子配列情報を例にして説明
する。図２は本発明の実施例の処理フローチャートであ
る。以下の説明における処理（ａ）〜（ｋ）は、図２に
示す処理（ａ）〜（ｋ）に対応する。

【００１３】図３に示す５本の遺伝子配列Ａ〜Ｅからな
るアライメントデータを考える。アルファベット一文字
がひとつのアミノ酸に対応し、配列長の＊はギャップを
表す。 （ａ）アライメントデータ入力 配列情報入力手段１１は、図３に示す配列Ａ〜Ｅのアラ
イメントデータを入力する。配列情報がよく似た配列が
多数存在する場合、各部位を代表するアミノ酸をその出
現頻度から求めると偏りが生ずる。そこで、以下の処理
では、入力したアライメントデータから系統樹１３を作
成し、系統樹１３の枝長や形をもとに、各遺伝子配列に
対する重み付けの計算を行う。その計算結果を用い、各
配列に対して重み付けを行うことで、偏りを補正する。

【００１４】（ｂ）系統樹作成 系統樹作成手段１２による系統樹１３の作成には、例え
ばＵＰＧ（UnweightedPair-Group Clustering）法を用
いる。他の作成方法を用いてもよい。本実施例では、具
体的には系統樹の作成を以下のように行う。先ず、アラ
イメントデータをもとに、遺伝子配列間の相違度を求め
る。相違度は２本ずつの配列を組にして、それら配列間
のアミノ酸の置換数として計算される。計算式はアミノ
酸置換数を求める時に一般的に使われる次の式（１）を
用いる。

【００１５】 Ｋ＝−ｌｏｇ（１−ｐ） ・・・式（１） ここで、Ｋはアミノ酸数置換数、ｐは２本の配列間で異
なるアミノ酸を持つ部位の割合である。また、ギャップ
を含む部位については計算から除外する。式（１）によ
り、全ての２本の配列の組、即ち（Ａ，Ｂ），（Ａ，
Ｃ），・・・（Ａ，Ｅ），（Ｂ，Ｃ），・・・，（Ｃ，
Ｄ），（Ｃ，Ｅ），（Ｄ，Ｅ）の組について相違度を計
算する。また、この相違度をＶ_AB，Ｖ_AC，・・・，Ｖ_DE
と表すと、相違度Ｖ_AB，Ｖ_AC，・・・，Ｖ_DEの中で最小
のものを選び、その組を結び付ける。この例では、配列
Ｄと配列Ｅが結び付けられる。この相違度を枝の長さと
する。

【００１６】次に配列Ｄと配列Ｅを一つのグループと
し、これらと他の各配列との相違度を同様に式（１）に
より計算する。例えば、配列Ｄ，Ｅと配列Ａとの相違度
Ｖ_{(DE) A} は、Ｖ_(DE)A ＝（Ｖ_AD＋Ｖ_AE）／２で求められ
る。同様に、Ｖ_(DE)B ，Ｖ_{(DE) C} についても計算し、こ
れらと、前に求めたＶ_AB，Ｖ_AC，・・・からＶ_DEを除い
たものの中から、最小の値を持つものを選ぶ。この例で
は、配列Ａと配列Ｂの相違度Ｖ_ABが最小であり、これら
が２番目にグループ化される。以下、同様にグループ化
と相違度の計算を行い、その結果をもとに系統樹１３を
作成する。

【００１７】図４（Ａ）は、図３に示すアライメントデ
ータをもとに構築された系統樹１３の例であり、図中の
括弧内の数字は系統樹１３中の各枝の長さを表してい
る。 （ｃ）各遺伝子配列に対する重み付けの計算 次に、配列の重み計算手段１４は、作成された系統樹１
３の各枝の長さをもとに、各枝に重みを付与する。各枝
に与える重みは、その枝から分岐した配列の本数で枝の
長さを割ることにより求める。

【００１８】図４（Ａ）の系統樹１３を例に説明する。
枝１は長さ０．１５８であり、枝１からは配列Ａ、配列
Ｂ、配列Ｃの３本の配列が分岐している。従って、枝１
の重みは０．１５８／３で０．０５３と求められる。同
様にして、全ての枝の重みを求めると、次のようにな
る。 枝１の重み＝０．１５８／３＝０．０５３ 枝２の重み＝０．９０３／２＝０．４５２ 枝３の重み＝０．３６７／２＝０．１８４ 枝４の重み＝０．７４５ 枝５の重み＝枝６の重み＝０．３７８／２＝０．１８９ 枝７の重み＝枝８の重み＝０．０００ こうして求めた各枝の重みをもとに各配列の重みを計算
する。

【００１９】各配列に付与する重みは、系統樹１３の根
（ｒｏｏｔ）から遡った時に通る枝の重み合計として求
める。図４（Ａ）の系統樹１３の例では、次のようにな
る。配列Ａは、系統樹１３上で枝１、枝３、枝５を通
る。各枝に与えられた重みは、それぞれ０．０５３，
０．１８４，０．３７８である。従って、配列Ａの重み
は、これらの合計で０．６１５と求められる。同様にし
て、全ての配列に対する重みを計算する。更に、全ての
配列の重みの合計を求め、その合計で各配列の重みを割
り、重みの合計が１になるように標準化する。図４
（Ｂ）は、図４（Ａ）の系統樹１３から求めた各配列Ａ
〜Ｅの重みを示す。

【００２０】（ｄ）各アミノ酸ごとの重み計算 次に、配列の重み計算手段１４は、各配列Ａ〜Ｅの標準
化された重みをもとに、各部位におけるそれぞれのアミ
ノ酸の重みを求める。そして、部位毎に出現するアミノ
酸の重みを、そのアミノ酸が現れるすべての配列の重み
の合計として求める。

【００２１】図３に示すアライメントデータと図４
（Ｂ）の配列の重みをもとに説明する。第１番目の部位
では、配列ＡはＱ（グルタミン）、配列ＢはＬ（ロイシ
ン）、配列ＣはＥ（グルタミン酸）、配列Ｄと配列Ｅは
Ｓ（セリン）のアミノ酸がそれぞれ出現している。従っ
て、第１番目の部位では、アミノ酸Ｑの重みには配列Ａ
の重み０．２１０が与えられ、同様にアミノ酸Ｌには
０．２１０、アミノ酸Ｅには０．２７２、アミノ酸Ｓに
は配列Ｄと配列Ｅの重みの和で０．３０８の重みがそれ
ぞれ与えられる。その他のアミノ酸は、第１番目の部位
では重み０となる。

【００２２】同様に、第２番目の部位では、配列Ａ，
Ｂ，Ｃにアミノ酸Ｖ（バリン）が出現し、配列Ｄ，Ｅに
アミノ酸Ａ（アラニン）が出現している。この部位にお
けるアミノ酸Ｖの重みは、配列Ａ，Ｂ，Ｃの重みの和
で、 ０．２１０＋０．２１０＋０．２７２＝０．６９２ と
なる。第２番目の部位におけるアミノ酸Ａの重みは、 ０．１５４＋０．１５４＝０．３０８ となる。

【００２３】同様にして、全ての部位において、各アミ
ノ酸の重みを計算する。図５は、以上のようにして計算
した第１番目の部位から第１０番目の部位までのアミノ
酸の重みを示す。なお、図５では、小数点以下第４桁ま
での計算結果を示している。図６は、配列の重み計算手
段１４が行う、図２に示す処理（ｄ）の一実施例を示す
フローチャートである。

【００２４】図６中、ステップ３１は、配列の重み計算
手段１４の、即ち、処理装置１０のＣＰＵ内の、部位位
置カウンタを初期化する。ステップ３２は、配列の重み
計算手段１４の、即ち、処理装置１０のＣＰＵ内の、遺
伝子配列番号カウンタを初期化する。ステップ３３は、
現部位位置での現遺伝子配列のアミノ酸を、配列の重み
計算手段１４の、即ち、処理装置１０のメモリ内の、現
アミノ酸種格納領域に格納する。以下の説明で、現部位
位置、現遺伝子配列、現アミノ酸種等は、夫々現在注目
している部位の位置、現在注目している遺伝子配列、現
在注目しているアミノ酸種等を指す。ステップ３４は、
現遺伝子配列の重みを、配列の重み計算手段１４の、即
ち、処理装置１０のメモリ内の、現部位位置の現アミノ
酸種のスコア格納領域に格納されているスコアに加算し
て格納する。ステップ３５は、遺伝子配列番号カウンタ
に１を加える。

【００２５】ステップ３６は、遺伝子配列番号カウンタ
の値が遺伝子数より大きいか否かを判定し、判定結果が
ＮＯであれば、処理はステップ３４へ戻る。他方、ステ
ップ３６の判定結果がＹＥＳであれば、ステップ３７が
現部位位置の各アミノ酸のスコアの合計が１になるよう
に標準化処理を行う。次に、ステップ３８は、各部位で
のスコアを計算し、ステップ３９は、部位位置に１を加
える。ステップ４０は、部位位置カウンタの値がアライ
メントデータ長より大きいか否かを判定し、判定結果が
ＹＥＳであれば処理が終了する。他方、ステップ４０の
判定結果がＮＯであれば、処理はステップ３２へ戻る。

【００２６】（ｅ）各部位でのスコア計算 配列によっては、性質の類似したアミノ酸への置換が起
こっている場合があるが、このような場合でも、機能的
に保存されていることが多い。そこで、スコア計算手段
１５は、このような部位をモチーフとして抽出するため
に、アミノ酸間の物理化学的類似性に基づくスコア表を
もとに各部位のスコアを計算する。

【００２７】アミノ酸の類似性に基づくスコア表１６ａ
は、予め各アミノ酸の物理・化学的性質をもとに求めら
れているものであって、各アミノ酸の組の置換頻度や性
質の違いの程度を示す距離に基づいて、各アミノ酸の組
に対して付与された値を持つテーブルである。例えば、
グリシン（Ｇ）と他のアミノ酸との組のスコアは、次の
ような値が付与されている。ただし、この場合には便宜
上各スコアが１００倍されている。

【００２８】 このようなスコア表については、種々のものが知られて
いるので、ここでの説明はこの程度にとどめる。

【００２９】スコア表１６ａの値を加味して計算した各
部位のスコアは、その値が大きいほど、その部位ではア
ミノ酸が「保存的」であることを示している。例えば、
図５の第１番目の部位のスコアは、次の式（２）で求め
られる。 Ｓ₁ ＝Ｄ（Ｓ，Ｓ）×Ｓ（Ｓ）×Ｓ（Ｓ） ＋Ｄ（Ｓ，Ｌ）×Ｓ（Ｓ）×Ｓ（Ｌ） ＋Ｄ（Ｓ，Ｅ）×Ｓ（Ｓ）×Ｓ（Ｅ） ＋Ｄ（Ｓ，Ｑ）×Ｓ（Ｓ）×Ｓ（Ｑ） ＋Ｄ（Ｌ，Ｓ）×Ｓ（Ｌ）×Ｓ（Ｓ） ＋Ｄ（Ｌ，Ｌ）×Ｓ（Ｌ）×Ｓ（Ｌ） ＋Ｄ（Ｌ，Ｅ）×Ｓ（Ｌ）×Ｓ（Ｅ） ＋Ｄ（Ｌ，Ｑ）×Ｓ（Ｌ）×Ｓ（Ｑ） ＋Ｄ（Ｅ，Ｓ）×Ｓ（Ｅ）×Ｓ（Ｓ） ＋Ｄ（Ｅ，Ｌ）×Ｓ（Ｅ）×Ｓ（Ｌ） ＋Ｄ（Ｅ，Ｅ）×Ｓ（Ｅ）×Ｓ（Ｅ） ＋Ｄ（Ｅ，Ｑ）×Ｓ（Ｅ）×Ｓ（Ｑ） ＋Ｄ（Ｑ，Ｓ）×Ｓ（Ｑ）×Ｓ（Ｓ） ＋Ｄ（Ｑ，Ｌ）×Ｓ（Ｑ）×Ｓ（Ｌ） ＋Ｄ（Ｑ，Ｅ）×Ｓ（Ｑ）×Ｓ（Ｅ） ＋Ｄ（Ｑ，Ｑ）×Ｓ（Ｓ）×Ｓ（Ｑ） ・・・式（２） ここで、Ｓ₁ は第一番目の部位のスコア、Ｄ（アミノ酸
１，アミノ酸２）はアミノ酸１とアミノ酸２のスコア表
１６ａから得た類似度、Ｓ（アミノ酸）はその部位にお
けるアミノ酸の重み（図５）である。

【００３０】図７は、スコア計算手段１５が行う、図２
に示す処理（ｅ）の一実施例を示すフローチャートであ
る。図７中、ステップ５１は、スコア計算手段１５の、
即ち、処理装置１０のメモリ内の、現部位位置のスコア
格納領域を初期化する。ステップ５２は、スコア計算手
段１５の、即ち、処理装置１０のメモリ内の、アミノ酸
種カウンタを初期化する。ステップ５３は、スコア計算
手段１５の、即ち、処理装置１０のメモリ内の、比較ア
ミノ酸種カウンタを初期化する。ステップ５４は、現ア
ミノ酸種と現比較アミノ酸種間の類似度を、アミノ酸類
似度スコア表１６ａを参照して得る。ステップ５５は、 Ｓ_i ＝Ｓ_i ＋Ｄ（Ａ₁ ，Ａ₂ ）×Ｓ（Ａ₁ ）×Ｓ
（Ａ₂ ） なる計算を行う。ここで、Ｓ_i は現部位位置（ｉ番目）
のスコア、Ａ₁ は現アミノ酸種、Ａ₂ は現比較アミノ酸
種、Ｄ（Ａ₁ ，Ａ₂ ）は現アミノ酸種と現比較アミノ酸
種の類似度のスコア、Ｓ（Ａ₁ ）は現部位位置の現アミ
ノ酸種のスコア、Ｓ（Ａ₂ ）は現部位位置の現比較アミ
ノ酸種のスコアを夫々示す。

【００３１】ステップ５６は、比較アミノ酸種を次の比
較アミノ酸種に変更し、ステップ５７は、全てのアミノ
酸種との比較が行われたか否かを判定する。ステップ５
７の判定結果がＮＯであれば、処理はステップ５３へ戻
る。他方、ステップ５７の判定結果がＹＥＳであると、
ステップ５８でアミノ酸種を次のアミノ酸種に変更す
る。ステップ５９は、全てのアミノ酸種についてスコア
の計算を行ったか否かを判定し、判定結果がＹＥＳであ
れば処理が終了する。他方、ステップ５９の判定結果が
ＮＯであれば、処理はステップ５２へ戻る。

【００３２】（ｆ）計算結果出力 図３に示すアライメントデータについて、スコア計算手
段１５でスコアを計算した結果は以下のとおりであっ
た。 （部位０１〜０５） 0.5183 0.7744 0.5677 0.8198 0.4881 （部位０６〜１０） 0.9328 0.4940 0.8683 0.3165 0.3580 （部位１１〜１５） 0.9311 0.3834 0.4072 0.3611 0.6114 （部位１６〜２０） 0.6937 0.5976 0.5699 0.5574 0.5010 （部位２１〜２５） 0.3880 0.6168 0.5530 0.5739 0.6296 （部位２６〜３０） 0.7718 0.3473 0.3772 0.6956 1.0000 （部位３１〜３５） 0.9841 0.9646 1.0000 0.9149 0.8891 （部位３６〜４０） 1.0000 0.6916 0.7864 0.7804 0.7903 （部位４１〜４５） 0.5830 0.6021 0.7753 0.5654 0.6976 （部位４６〜５０） 0.9037 0.6428 0.8303 0.9542 0.7105 （ｇ）閾値設定 特徴情報抽出手段１７は、スコアに閾値を決定し、その
閾値を超えるスコアの与えられた部位をモチーフとして
抽出する。そのため、閾値を、ユーザの指定またはディ
フォルト値として事前に定められている値により設定す
る。

【００３３】（ｈ）閾値を超える部位をモチーフとして
出力 スコアの閾値がｔｈの場合、特徴情報抽出手段１７は、
次式の条件を満たす部位をモチーフの候補として抽出す
る。 Ｓ＞ｔｈ 図３に示すアライメントデータについて、スコアの閾値
ｔｈを０．９０として抽出したモチーフは、以下のとお
りであった。

【００３４】『３０ Ｄ［ＬＩ］［ＩＭ］Ｌ［ＬＩＦ］
［ＫＲＨ］Ｌ』 ここで、「３０」は図３のアライメントデータ中におけ
るモチーフの先頭アミノ酸の位置が３０であることを意
味する。また、［］は、その部位では［］内の複数のア
ミノ酸が出現していることを示す。即ち、抽出されたモ
チーフ部位は、アライメントデータ中の６番目の（Ｆま
たはＹ）、１１番目（ＦまたはＹ）、３０番目（Ｄ）、
３１番目（ＬまたはＩ）、３２番目（ＩまたはＭ）、３
３番目（Ｌ）、３４番目（ＬまたはＩまたはＦ）、３６
番目（Ｌ）、４６番目（ＩまたはＶ）及び４９番目（Ｌ
またはＩまたはＭ）の部位である。

【００３５】図８は、本発明の実施例によって抽出され
たモチーフ部位を示す図である。ところで、従来は、遺
伝子配列に特徴的な配列パターンであるモチーフを部位
としてマニュアル操作である程度までは抽出することが
できたが、モチーフを領域として同定することは困難で
あった。しかし、機能領域の同定や、祖先遺伝子の推定
を行う場合、モチーフを領域として同定することは非常
に重要である。そこで、本発明において、部位として抽
出されたモチーフ配列を領域として同定する方法につい
て、より詳細に説明する。

【００３６】（ｉ），（ｊ），（ｋ）領域幅及びランダ
ムレベルの設定、モチーフ部位の出現率の計算、モチー
フ領域の出力 図９は、特徴情報抽出手段１７が行う、図２に示す処理
（ｉ），（ｊ），（ｋ）の一実施例を示すフローチャー
トである。本実施例は、大略３つの処理からなる。第１
の処理では、任意の領域幅を設定し、その領域幅内のモ
チーフ部位の出現率を求める。第２の処理では、設定し
た領域幅内でのモチーフ部位の出現率が充分に高いか否
かを判断するためのランダムレベルを求め、ランダムレ
ベルを越える出現率でモチーフ部位が存在する場合はそ
の領域幅内のモチーフ部位を１つのモチーフ領域として
同定する。第３の処理では、同定されたモチーフ領域が
連続する場合にはそれらをまとめて１つのモチーフ領域
とする。

【００３７】つまり、より具体的には以下の処理Ｓ１〜
Ｓ６が繰り返される。 Ｓ１：モチーフ部位の抽出を行う。 Ｓ２：初期領域幅、拡張幅、最大拡張幅を設定する。ま
た、モチーフ部位の出現率のランダムレベルを求めるた
めの領域幅を最大拡張幅に設定する。ただし、最大拡張
幅がアライメントデータ長の半分を越える場合には、ラ
ンダムレベルの領域幅をアライメントデータ長の半分の
長さを越えない値に設定する。 Ｓ３：初期領域幅及びランダムレベルの領域幅の夫々で
のモチーフ部位の出現率を計算してプロットする。 Ｓ４：初期領域幅でのモチーフ部位の出現率がランダム
レベルの領域幅でのモチーフ部位の出現率を越えている
場合には、初期領域幅を「モチーフ領域」とみなす。 Ｓ５：隣合う初期領域幅のモチーフ部位の出現率がとも
に「モチーフ領域」である場合には、これらを結合して
１つの「モチーフ領域」とみなす。 Ｓ６：処理Ｓ４及びＳ５をアライメントデータの全長に
渡って繰り返す。

【００３８】図９に基づいてモチーフ領域の同定処理を
説明するに、ステップ６１はモチーフ部位の出現率を求
める領域幅を設定する。ステップ６２は、特徴情報抽出
手段１７の、即ち、処理装置１０のＣＰＵ内の、部位位
置カウンタを初期化する。ステップ６３は、現部位位置
を中心として、設定した領域幅内でのモチーフ部位の出
現率を、次の式から求める。

【００３９】（モチーフ部位の出現率）＝（領域幅内モ
チーフ部位数）／（領域幅） ステップ６４は、モチーフ部位の出現率をグラフにプロ
ットし、ステップ６５は、現部位位置でのランダムレベ
ルを計算し、グラフにプロットする。ステップ６６は、
部位位置に１を加え、ステップ６７は、部位位置カウン
タの値がアライメントデータ長より大きいか否かを判定
する。ステップ６７の判定結果がＮＯであれば、処理は
ステップ６３へ戻る。

【００４０】他方、ステップ６７の判定結果がＹＥＳで
あると、ステップ６８で特徴情報抽出手段１７の、即
ち、処理装置１０のＣＰＵ内の、モチーフ領域フラグを
初期化する。ステップ６９は、部位位置カウンタを初期
化する。ステップ７０は、部位位置のモチーフ出現率が
ランダムレベルより高いか否かを判定する。ステップ７
０の判定結果がＹＥＳであれば処理はステップ７１へ進
み、ＮＯであれば処理はステップ７５へ進む。

【００４１】ステップ７１は、モチーフ領域フラグが立
っているか（セットされているか）否かを判定し、判定
結果がＹＥＳであると、ステップ７２が現部位位置を中
心とした領域を現モチーフ領域に加えて伸長する。他
方、ステップＳ７１の判定結果がＮＯであると、ステッ
プ７３はモチーフ領域フラグを立て、ステップ７４は、
現部位位置を中心とした領域幅の中で最初にモチーフ部
位の出現する部位位置を現モチーフ領域の開始部位とす
る。ステップ７２又は７４を行った後は、処理がステッ
プ７８へ進む。

【００４２】ステップ７５は、モチーフ領域フラグが立
っているか否かを判定し、判定結果がＮＯであれば、処
理はステップ７８へ進む。他方、ステップ７５の判定結
果がＹＥＳであれば、ステップ７６がモチーフ領域フラ
グを初期化し、スッテプ７７が現モチーフ領域を出力す
る。このステップ７６を行った後は、処理がステップ７
８へ進む。

【００４３】ステップ７８は、部位位置に１を加える。
又、ステップ７９は、部位位置カウンタの値がアライメ
ントデータ長より大きいか否かを判定し、判定結果がＹ
ＥＳであれば、処理は終了する。他方、ステップ７９の
判定結果がＮＯであれば、処理はステップ７０へ戻る。
上記の如きモチーフ領域の同定処理を行った場合の実験
結果を以下に説明する。

【００４４】実験では、ＦＬＡＡ７Ａ−１をプローブと
して、アライメントデータを対象としてモチーフ領域の
同定を行った。図１０〜図１２は、プローブ名がＦＬＡ
Ａ７Ａ−１、ｈｏｍｏｌｏｇｕｅ本数が５３、初期領域
幅が２１、最大拡張幅が１０１、アライメントデータ長
が９７、ランダムレベルを求めるための領域幅が４１、
モチーフ部位抽出時の設定値が０．９０の場合の実験結
果を示す。図１０は、設定した領域幅におけるモチーフ
部位の占める割合を示しており、「ｏ」はモチーフ領域
幅の初期値でのプロットを示し、「．．．」はランダム
レベルのプロットを示す。尚、プロットが重なった場合
は、割合の高い方を優先してプロットしてある。図１１
は、抽出されたモチーフ部位を示す。更に、図１２は、
モチーフ領域の同定処理により得られたモチーフ領域を
示している。図１２中、「：」はモチーフの開始位置と
終了位置とを示し、「［ ］」はそのモチーフ部位に複
数のアミノ酸が出現することを示し、「−」はその部位
に任意のアミノ酸又はギャップ（即ち、モチーフ部位で
はない部位）が出現することを示す。

【００４５】図１３〜図１５は、同様にしてＥＣＯＤＨ
ＦＯＬＧ−１をプローブとして用いて得られた他の実験
結果を示す。図１３〜図１５は、プローブ名がＥＣＯＤ
ＨＦＯＬＧ−１、ｈｏｍｏｌｏｇｕｅ、本数が１１、初
期領域幅が１１、アライメントデータ長が１７９、ラン
ダムレベルを求めるための領域幅が８１、モチーフ部位
抽出時の設定値が０．９０の場合の実験結果を示す。図
１３及び図１４は、同じアライメントデータに対するプ
ロットを分割して示しており、図１５は、モチーフ領域
の同定処理により得られたモチーフ領域を示す。 図１
３及び図１４は、設定した領域幅におけるモチーフ部位
の占める割合をアライメントデータと対応させて示して
おり、「ｏ」はモチーフ領域幅の初期値でのプロット、
即ち、設定した領域幅でのモチーフ部位の出現率を示
し、「．．．」はランダムレベルのプロットを示す。つ
まり、モチーフ部位の出現率がこのランダムレベルより
低い場合は、このモチーフ部位をモチーフ領域とはみな
さない。尚、プロットが重なった場合は、割合の高い方
を優先してプロットしてある。更に、図１３及び図１４
中、アライメントデータの左側に示されている名前は、
遺伝子配列データベースＤＤＢＪに登録されている遺伝
子配列のエントリー名を示す。又、Ｄｉｈｙｄｒｏｆｏ
ｌａｔｅ ｒｅｄｕｃｔａｓｅ ｓｉｇｎａｔｕｒｅ
［ＬＩＦ］−Ｇ−Ｘ（４）−［ＬＩＶＭＦ］−Ｐ−Ｗ
は、モチーフデータベースＰＲＯＳＩＴＥに登録されて
いるデータである。

【００４６】図１５中、左側に示されている「１２２」
等の数字は、各モチーフ領域のアライメントデータ上で
の開始位置を示す。又、右側に示されている「１３７」
等の数字は、各モチーフ領域のアライメントデータ上で
の終了位置を示す。図１６〜図１８は、同様にしてＨＵ
ＭＴＲＸ１−１をプローブとして用いて得られた他の実
験結果を示す。図１６〜図１８は、プローブ名がＨＵＭ
ＴＲＸ１−１、ｈｏｍｏｌｏｇｕｅ、本数が１５、初期
領域幅が１１、アライメントデータ長が１１０、ランダ
ムレベルを求めるための領域幅が５１、モチーフ部位抽
出時の設定値が０．９０の場合の実験結果を示す。図１
６及び図１７は、同じアライメントデータに対するプロ
ットを分割して示しており、図１８は、モチーフ領域の
同定処理により得られたモチーフ領域を示す。

【００４７】図１６及び図１７は、設定した領域幅にお
けるモチーフ部位の占める割合をアライメントデータと
対応させて示しており、「ｏ」はモチーフ領域幅の初期
値でのプロット、即ち、設定した領域幅でのモチーフ部
位の出現率を示し、「．．．」はランダムレベルのプロ
ットを示す。つまり、モチーフ部位の出現率がこのラン
ダムレベルより低い場合は、このモチーフ部位をモチー
フ領域とはみなさない。尚、プロットが重なった場合
は、割合の高い方を優先してプロットしてある。更に、
図１６及び図１７中、アライメントデータの左側に示さ
れている名前は、遺伝子配列データベースＤＤＢＪに登
録されている遺伝子配列のエントリー名を示す。又、Ｔ
ｈｉｏｒｅｄｏｘｉｎ ｆａｍｉｌｙ ａｃｔｉｖｅ
ｓｉｔｅ［ＳＴＡ］−Ｘ−［ＷＧ］−Ｃ−［ＡＧＶ］−
［ＰＨ］−Ｃは、モチーフデータベースＰＲＯＳＩＴＥ
に登録されているデータである。

【００４８】図１８中、左側に示されている「６９」等
の数字は、各モチーフ領域のアライメントデータ上での
開始位置を示す。又、右側に示されている「１０５」等
の数字は、各モチーフ領域のアライメントデータ上での
終了位置を示す。これにより、本発明によれば、遺伝子
配列情報から、機械的に（自動的に）モチーフ領域を抽
出・同定することができるので、高速にモチーフ領域の
抽出・同定が可能となる。従って、大量の遺伝子配列デ
ータから新規なモチーフを発見したり、モチーフデータ
ベースを作成することが、容易にできる。この様にして
得られたモチーフ情報をもとに、未知機能の遺伝子配列
の機能及び構造の予測を効率良く行うことができ、本発
明を遺伝子機能の発見や機能領域の同定に利用すると非
常に便利である。

【００４９】以上、本発明を実施例により説明したが、
本発明は上記実施例に限定されるものではなく、本発明
の範囲内で種々の変形及び改良が可能であることは、言
うまでもない。

【００５０】

【発明の効果】以上説明したように、本発明によれば、
遺伝子配列情報から、機械的に（自動的に）モチーフ領
域を抽出・同定することができるので、高速にモチーフ
領域の抽出・同定が可能となるので、大量の遺伝子配列
データから新規なモチーフを発見したり、モチーフデー
タベースを作成することが、容易にでき、この様にして
得られたモチーフ情報をもとに、未知機能の遺伝子配列
の機能及び構造の予測を効率良く行うこともできるの
で、本発明を遺伝子機能の発見や機能領域の同定に利用
すると非常に便利であり、遺伝子工学の発展に寄与する
ところが大きい。

【図面の簡単な説明】

【図１】本発明の構成例を示す図である。

【図２】本発明の実施例の処理フローチャートである。

【図３】入力したアライメントデータの例を示す図であ
る。

【図４】図３に示すアライメントデータから求めた系統
樹と配列の重みの結果を示す図である。

【図５】各部位におけるアミノ酸の重みの計算結果を示
す図である。

【図６】配列の重み計算手段が行う処理の一実施例を示
すフローチャートである。

【図７】スコア計算手段が行う処理の一実施例を示すフ
ローチャートである。

【図８】本発明の実施例によって抽出されたモチーフ部
位を示す図である。

【図９】特徴情報抽出手段が行う処理の一実施例を示す
フローチャートである。

【図１０】モチーフ領域の同定処理を行った場合の実験
結果を説明する図である（その１）。

【図１１】モチーフ領域の同定処理を行った場合の実験
結果を説明する図である（その２）。

【図１２】モチーフ領域の同定処理を行った場合の実験
結果を説明する図である（その３）。

【図１３】モチーフ領域の同定処理を行った場合の実験
結果を説明する図である（その１）。

【図１４】モチーフ領域の同定処理を行った場合の実験
結果を説明する図である（その２）。

【図１５】モチーフ領域の同定処理を行った場合の実験
結果を説明する図である（その３）。

【図１６】モチーフ領域の同定処理を行った場合の実験
結果を説明する図である（その１）。

【図１７】モチーフ領域の同定処理を行った場合の実験
結果を説明する図である（その２）。

【図１８】モチーフ領域の同定処理を行った場合の実験
結果を説明する図である（その３）。

【符号の説明】

１０ 処理装置 １１ 配列情報入力手段 １２ 系統樹作成手段 １３ 系統樹 １４ 配列の重み計算手段 １５ スコア計算手段 １６ 要素の類似性に基づくスコア表 １７ 特徴情報抽出手段 １８ 出力装置

───────────────────────────────────────────────────── フロントページの続き (72)発明者 池尾 一穂 静岡県三島市谷田1111番地 国立遺伝学研 究所内 (72)発明者 川西 祐一 神奈川県川崎市中原区上小田中1015番地 富士通株式会社内 (72)発明者 河合 正人 神奈川県川崎市中原区上小田中1015番地 富士通株式会社内

Claims (9)

【特許請求の範囲】
1. 【請求項１】 遺伝子配列情報から遺伝子機能を特定す
   る特徴的な規則性を抽出する処理装置であって、 複数の遺伝子配列に関する進化系統樹（１３）の枝の長
   さから各配列の重みを計算する配列の重み計算手段（１
   ４）と、 配列の各部位毎に、その部位において出現する配列要素
   の類似性の度合を示すスコアを前記重みを用いて計算す
   るスコア計算手段（１５）と、 計算されたスコアに基づいて遺伝子配列における特徴的
   な規則性を有する部分をモチーフとして抽出する特徴情
   報抽出手段（１７）とを備えた、 遺伝子のモチーフ抽出処理装置。
2. 【請求項２】 請求項１記載の遺伝子のモチーフ抽出処
   理装置において、 複数の遺伝子配列のアライメントデータをもとに遺伝子
   配列間の相違度に基づく進化系統樹（１３）を作成する
   系統樹作成手段（１２）を更に備えた、 遺伝子のモチーフ抽出処理装置。
3. 【請求項３】 請求項１又は２記載の遺伝子のモチーフ
   抽出処理装置において、 前記スコア計算手段（１５）は、前記配列の重み計算手
   段（１４）によって計算された各配列の重みと、予め配
   列要素の種類に応じて求められている配列要素間の類似
   性情報（１６）とに基づいてスコアを計算する手段を有
   する、 遺伝子のモチーフ抽出処理装置。
4. 【請求項４】 請求項１〜３のうちいずれか一項記載の
   遺伝子のモチーフ抽出処理装置において、 前記特徴情報抽出手段（１７）は、前記スコア計算手段
   （１５）によって計算されたスコアの値が所定の閾値ま
   たは設定された閾値を超えた場合に、その部位をモチー
   フ部位として抽出し出力する手段を有する、 遺伝子のモチーフ抽出処理装置。
5. 【請求項５】 請求項４記載の遺伝子のモチーフ抽出処
   理装置において、 前記特徴情報抽出手段（１７）は、所定の連続領域幅又
   は設定した連続領域幅でモチーフ部位の出現率を計算
   し、その値が所定のランダムレベル又は設定したランダ
   ムレベルを超えた場合に、その連続領域をモチーフ領域
   として抽出すると共に、隣合う領域がともにモチーフ領
   域の場合は、それらの領域を１つのモチーフ領域として
   出力する手段を更に有する、 遺伝子のモチーフ抽出処理装置。
6. 【請求項６】 請求項５記載の遺伝子のモチーフ抽出処
   理装置において、 少なくともモチーフ部位の出現率やランダムレベルの値
   をプロットしてグラフ表示することにより前記特徴情報
   抽出手段（１７）からの特徴情報を出力する出力手段
   （１８）を更に有する、 遺伝子のモチーフ抽出処理装置。
7. 【請求項７】 計算機により遺伝子配列情報から遺伝子
   機能を特定する特徴的な規則性を抽出する処理方法であ
   って、 抽出対象となる複数の遺伝子配列のアライメントデータ
   を入力する処理過程と、 それをもとに進化系統樹を作成する処理過程と、 その系統樹における枝の長さから各配列の重みを計算す
   る処理過程と、 計算された各配列の重みと、予め配列要素の種類の応じ
   て求められている配列要素間の類似性情報とに基づい
   て、各部位のスコアを計算する処理過程と、 計算されたスコアの値が所定の閾値または設定された閾
   値を超えた場合に、その部位をモチーフ部位として抽出
   する処理過程とを有する、 遺伝子のモチーフ抽出処理方法。
8. 【請求項８】 請求項７記載の遺伝子のモチーフ抽出処
   理方法において、 所定の連続領域幅又は設定した連続領域幅でモチーフ部
   位の出現率を計算し、その値が所定のランダムレベル又
   は設定したランダムレベルを超えた場合に、その連続領
   域をモチーフ領域として抽出すると共に、隣合う領域が
   ともにモチーフ領域の場合は、それらの領域を１つのモ
   チーフ領域として出力する処理過程を更に有する、 遺伝子のモチーフ抽出処理方法。
9. 【請求項９】 請求項８記載の遺伝子のモチーフ抽出方
   法において、 少なくともモチーフ部位の出現率やランダムレベルの値
   をプロットしてグラフ表示する前記領域をモチーフとし
   て抽出する処理過程からの特徴情報を出力する処理過程
   を更に有する、 遺伝子のモチーフ抽出処理方法。