JPH09105748A

JPH09105748A - Ｄｎａ配列比較方法

Info

Publication number: JPH09105748A
Application number: JP7265157A
Authority: JP
Inventors: Susumu Hiraoka; 進平岡; Keiichi Nagai; 啓一永井; Tetsuo Nishikawa; 哲夫西川; Naoko Kasahara; 直子笠原
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1995-10-13
Filing date: 1995-10-13
Publication date: 1997-04-22

Abstract

(57)【要約】【課題】翻訳されるアミノ酸配列が互いに類似するＤＮ
Ａ配列を検索することができるＤＮＡ配列比較方法を提
供する。【解決手段】検索ＤＮＡ配列とデータベース中の既知Ｄ
ＮＡ配列に対して、３文字毎にアミノ酸に翻訳ための中
間ＤＮＡ配列を作成し、中間ＤＮＡ配列を翻訳してアミ
ノ酸配列を作成する。検索ＤＮＡ配列を翻訳するための
中間ＤＮＡ配列と検索ＤＮＡ配列を対応させて表示し、
既知ＤＮＡ配列を翻訳するための中間ＤＮＡ配列と既知
ＤＮＡ配列を対応させて表示する。中間ＤＮＡ配列の３
文字とアミノ酸を対応させてアミノ酸配列を表示する。
対応するアミノ酸配列の間、検索ＤＮＡ配列と対応する
中間ＤＮＡ配列の間、および既知ＤＮＡ配列と対応する
中間ＤＮＡ配列の間に類似度を示す記号列を表示する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、ＤＮＡ配列比較方
法に関し、特にＤＮＡ配列の照合に適したＤＮＡ配列比
較方法に関する。

【０００２】

【従来の技術】近年、遺伝子工学の発展によりＤＮＡ配
列に関するデータが急増している。ＤＮＡは生物の設計
図と言うことができる物質であり、生物の機能は全てＤ
ＮＡ中に記述されている。ＤＮＡはＡ、Ｃ、Ｇ、Ｔの文
字で代表される４種類の物質が並んだ構造となってお
り、Ａ、Ｃ、Ｇ、Ｔだけの文字列であるＤＮＡ配列とし
て表すことができる。

【０００３】生体中ではＤＮＡの一部が翻訳されて蛋白
となり生物機能を担っている。重要な生物機能を担って
いる蛋白を見つけることが出来れば薬として用いること
も可能である。インターフェロン、インスリンなどは薬
として製造されるようにもなった蛋白の例である。蛋白
構造全体がわからない場合でも薬物などと結合する結合
サイトがわかれば、その蛋白が関係する生物機能を制御
する薬の基本構造を決定することができる。蛋白は２０
種類のアミノ酸が一列に並んだ構造となっており、ＤＮ
Ａと同様にその構造はアミノ酸配列として文字列で表す
ことができる。ＤＮＡ配列からアミノ酸配列への翻訳は
コドンと呼ばれるＤＮＡの３文字が一組となり行われ
る。図６に示すようにコドンからアミノ酸への翻訳規則
は解析されており、コドンからアミノ酸への翻訳は一意
的に行われる。ＤＮＡ配列の翻訳方向と翻訳開始点がわ
かればＤＮＡ配列から３文字ずつコドンを取り出すこと
で生物中で行われているのと同様にＤＮＡから蛋白の翻
訳を行うことができる。ただしＤＮＡ配列中に挿入、欠
失などの測定誤りがあった場合には、途中からコドンの
枠がずれてしまうため蛋白への翻訳を誤ってしまう。

【０００４】ＤＮＡ配列の翻訳方向と翻訳開始点を示す
規則は完全にはわかっていない。そのためコドンからア
ミノ酸への翻訳と異なりＤＮＡ配列中の翻訳領域の決定
は容易には行われていない。またコドン枠がずれないよ
うにほとんど誤りなくＤＮＡ配列を決定するためには配
列決定作業が増加してしまう。そのためＤＮＡ配列が決
定されても対応する蛋白配列の決定が容易に行われない
ことも多く、未知のＤＮＡ配列から未知の蛋白を発見す
ることは容易ではない。未知の蛋白の発見は新薬の開発
に重要である。

【０００５】ＤＮＡ配列から翻訳領域を決定するなどし
て蛋白を決定する手法には、翻訳領域推定ソフト、蛋白
測定、ｃＤＮＡ測定、ハイブリダイゼーション、類似Ｄ
ＮＡ配列検索などがある。翻訳領域推定ソフトはこれま
でわかっている知識を総合してＤＮＡ配列から蛋白翻訳
領域を推定するソフトである。蛋白翻訳に関する知識が
完全ではないため精度はあまり高くない。蛋白測定は生
物中で合成されている蛋白を直接測定する方法であり、
感度が高くなくアミノ酸配列測定も容易でないため、大
量の生物試料が必要とされる。

【０００６】ｃＤＮＡ測定はＤＮＡから蛋白へ翻訳され
る過程の中間物質をＤＮＡに変換して測定する方法であ
る。蛋白と異なりＤＮＡは増幅可能なため、ｃＤＮＡ測
定は蛋白測定に比べて感度は高い。それでも微量な蛋白
に対応するｃＤＮＡは大量な蛋白に対応するｃＤＮＡの
中に混合し埋もれてしまうため、特殊な蛋白を測定する
ためには特殊な生物試料からｃＤＮＡを抽出するか、ハ
イブリダイゼーション、ＤＮＡ配列相同性検索などを用
いて特定のｃＤＮＡを選択する必要がある。

【０００７】ハイブリダイゼーションはすでに手元にあ
るＤＮＡに対して類似しているＤＮＡをＤＮＡ混合試料
または長いＤＮＡから選択する技術である。手元にある
ＤＮＡに相補的なＤＮＡを合成し、これに結合するＤＮ
Ａを選択することで類似ＤＮＡを選択することができ
る。

【０００８】ＤＮＡ配列相同性検索（ホモロジーサー
チ）はハイブリダイゼーションが生物学的手法で行って
いることを情報処理的手法で行うものである。あらかじ
め全てのＤＮＡ配列を測定しておく必要があるが、ハイ
ブリダイゼーションと異なり相補的結合を行うようなＤ
ＮＡばかりでなく、異なった基準で類似しているＤＮＡ
配列を選択することができる。

【０００９】相同性検索を行う最も基本的な方法とし
て、問い合わせ配列とデータベース内の各配列との間で
スミスとウォーターマンにより提案されたダイナミック
プログラミング法によるアライメントを行い、高いスコ
ア順に各配列を表示する方法がある。ダイナミックプロ
グラミング法によるアライメントに関してはジャーナル
・オブ・モレキュラー・バイオロジー、１４７（１９８
１年）１９５頁から１９７頁（ＪｏｕｎａｌｏｆＭ
ｏｌｅｃｕｌａｒＢｉｏｌｏｇｙ、１４７（１９８
１）ｐｐ１９５−１９７）に記載されている。

【００１０】ダイナミックプログラミング法による配列
１（ＣＡＧＴＧＡＣＴ）と配列２（ＣＡＣＴＧＣＴＧ）
のアライメントを図７を用いて説明する。ダイナミック
プログラミング法によるアライメントでは２次元メッシ
ュのＸ、Ｙ方向に添ってそれぞれ２本の配列を置き、メ
ッシュの各点をノードとして、ノード間には縦、横、斜
めの３方向の経路を考えた時に任意の２つのノード間を
左上から右下に向かう最適経路を求める。縦、横のアー
ク（格子点間を結ぶ線）は挿入・欠失に相当するためペ
ナルティスコアがかかり、また配列要素が対合する斜め
のアークにも対合の種類に応じたスコアが与えられる。
これらのスコアを経路に添って総計した合計スコアがも
っとも高くなる経路をダイナミックプログラミング法に
よって解き最適なアライメントを求める。ＤＮＡ配列ど
うしのアライメントにおいて一般的に用いられているス
コアは、挿入・欠失のスコアはｎ文字の挿入・欠失に対
して−４ｎ−８点、一致した１文字のスコアは４点、異
なっている１文字のスコアは−３点である。例えば図７
に示した経路でのスコアは９点である。

【００１１】相同性検索プログラムであるＦＡＳＴＡに
ついては、アカデミックプレス（ＡｃａｄｅｍｉｃＰ
ｒｅｓｓ）より発行されたドゥーリトル（Ｄｏｏｌｉｔ
ｔｌｅ）編集によるメソッヅ・イン・エンザイモロジ
ー、１８３（１９９０年）第６３頁から９８頁（Ｍｅｔ
ｈｏｄｓｉｎＥｎｚｙｍｏｌｏｇｙ、１８３（１９
９０）ｐｐ６３−９８）に記載されている。ＦＡＳＴＡ
ではダイナミックプログラミング法によるスコアよりも
少ない計算量で求められるｉｎｉｔｎ、ｉｎｉｔ１と呼
ばれるスコアを求めている。これらのスコアは完全に一
致する一定長の部分文字列を探し出し、それらを繋ぎあ
わせて求める。ＦＡＳＴＡではこれらのスコアが高い順
に配列を表示しており、さらに上位の配列に対してはダ
イナミックプログラミング法によるスコアを計算しＯＰ
Ｔという名で表示している。

【００１２】また、相同性検索プログラムであるＢＬＡ
ＳＴについては、ジャーナル・オブ・モレキュラー・バ
イオロジー、２１５（１９９０年）第４０３頁から４１
０頁（ＪｏｕｎａｌｏｆＭｏｌｅｃｕｌａｒＢｉ
ｏｌｏｇｙ、２１５（１９９０）ｐｐ４０３−４１０）
に記載されている。ＢＬＡＳＴでもダイナミックプログ
ラミング法によるスコアよりも少ない計算量で求められ
るスコアを求めている。ＢＬＡＳＴではＦＡＳＴＡにお
けるｉｎｉｔ１よりも単純化したスコアを用いている。
ＢＬＡＳＴではＢＬＡＳＴ独自のスコア計算のみであ
り、ダイナミックプログラミング法によるスコアの計算
は行っていない。

【００１３】スミスとウォーターマンによるダイナミッ
クプログラミング法、ＦＡＳＴＡ、ＢＬＡＳＴはいずれ
もＤＮＡ配列をＤＮＡ配列データベースに対して検索す
る方法であり、ＤＮＡ配列どうしを比較している。これ
らのプログラムはアミノ酸配列どうしを比較すること
で、アミノ酸配列をアミノ酸配列データベースに対して
検索することも可能である。アミノ酸配列の比較で用い
られているスコアを図８に示す。

【００１４】これに対してＤＮＡ配列をアミノ酸配列デ
ータベースに対して検索するＢＬＡＳＴＸ、そしてアミ
ノ酸配列をＤＮＡ配列データベースに対して検索するＴ
ＦＡＳＴＡ、ＴＢＬＡＳＴＮが存在する。これらは比較
する際にＤＮＡ配列を方向と翻訳開始点を変えた６通り
のアミノ酸配列に翻訳し、アミノ酸配列どうしで比較し
ている。

【００１５】

【発明が解決しようとする課題】従来の配列比較、検索
プログラムでは、ＤＮＡ配列とアミノ酸配列の比較にお
いてＤＮＡ配列の翻訳を行っていたが、ＤＮＡ配列どう
しの比較においては両ＤＮＡ配列をアミノ酸に翻訳し比
較することを行っていなかった。ＤＮＡ配列のアミノ酸
翻訳領域はたとえ翻訳されたアミノ酸がわからない場合
でも、ＤＮＡ配列そのままで比較するよりもアミノ酸配
列に翻訳して比較することが望ましい。類似機能を持つ
蛋白は類似アミノ酸配列部分を持ち、その部分が共通す
る重要な働きをしているからである。

【００１６】コドンからアミノ酸への翻訳は多対一であ
るため異なるＤＮＡ配列でも同じ蛋白に翻訳されること
がある。さらにコドンが完全に異なり異なるアミノ酸に
翻訳される場合でも、それらのアミノ酸の性質が類似し
ていることがある。言い替えれば翻訳されたアミノ酸配
列が類似していても元のＤＮＡ配列が類似しているとは
限らない。アミノ酸配列に翻訳して比較することで翻訳
されたアミノ酸配列が類似しているＤＮＡ配列と類似し
ている部分を選択することができる。類似アミノ酸配列
に翻訳される部分はアミノ酸配列翻訳領域であり、蛋白
の共通機能部分であることが推定できる。

【００１７】従来のＤＮＡ配列検索ではＤＮＡ配列その
ものが類似している順番にＤＮＡ配列データベースを並
べていた。そのため翻訳されたアミノ酸が類似している
ＤＮＡ配列は多くの偶然似ているＤＮＡ配列に埋もれて
しまって見つけられない点に問題がある。ＤＮＡ配列ど
うしを一対一で比較する場合にも多くの偶然類似してい
るＤＮＡ部分配列の中に埋もれてしまい、翻訳されたア
ミノ酸配列が類似しているＤＮＡ配列部分を見つけるこ
とは困難である点に問題がある。

【００１８】本発明の目的は、ＤＮＡ配列から翻訳され
たアミノ酸配列を比較することで、翻訳されるアミノ酸
配列が互いに類似するＤＮＡ配列をもれなく検索するこ
とができるＤＮＡ配列比較方法を提供することにある。

【００１９】

【課題を解決するための手段】上記目的を達成するため
に本発明では、比較するＤＮＡ配列をアミノ酸配列に翻
訳し、翻訳されたアミノ酸配列を比較することを特徴と
する。翻訳したアミノ酸配列の類似部分配列を対応させ
てアミノ酸配列を並置表示し、ＤＮＡ配列の各コドンを
翻訳された各アミノ酸に対応させて表示する。ＤＮＡ配
列からアミノ酸配列への翻訳と、アミノ酸配列どうしの
比較結果を表示する。ＤＮＡ配列をアミノ酸配列に翻訳
し、翻訳されたアミノ酸を比較することで、翻訳された
アミノ酸配列が類似しているＤＮＡ配列を見つけるこて
とができ、翻訳されたアミノ酸配列が互いに類似するＤ
ＮＡ配列をもれなく検索することができる。

【００２０】以下、より詳細に本発明の特徴を説明する
と、第一と第二のＤＮＡ配列を所定の長さの塩基群に分
割し、分割された塩基群をアミノ酸に翻訳し、第一のＤ
ＮＡ配列から翻訳されたアミノ酸を第一のアミノ酸配列
として、第二のＤＮＡ配列から翻訳されたアミノ酸を第
二のアミノ酸配列として、第一のアミノ酸配列と第二の
アミノ酸配列とを並置して、塩基群とともに表示するこ
とを特徴とする。所定の長さの塩基群は、挿入、または
欠失を含み、挿入、または欠失を表示する。第一と第二
のＤＮＡ配列を所定の方向に塩基を順次シフトして、塩
基群に分割し、第一と第二のＤＮＡ配列から翻訳された
第一と第二のアミノ酸配列の間で、それぞれのアミノ酸
について類似度を積算し、積算結果が最大になるよう
に、第一と第二のＤＮＡ配列を所定の方向に塩基を順次
シフトして、第一と第二のアミノ酸配列を選択する。第
二のＤＮＡ配列が、ＤＮＡ配列データベースから選択さ
れた既知ＤＮＡ配列であってもよい。

【００２１】所定の塩基長の固定長ＤＮＡ配列とＤＮＡ
配列データベース内の既知ＤＮＡ配列とを所定の方向に
塩基を順次シフトして、３塩基長からなる塩基群に分割
し、既知ＤＮＡ配列と固定長ＤＮＡ配列との分割された
塩基群のそれぞれをアミノ酸に翻訳し、既知ＤＮＡ配列
と固定長ＤＮＡ配列とから翻訳されたアミノ酸からなる
アミノ酸配列の間でそれぞれのアミノ酸について類似度
を積算し、既知ＤＮＡ配列について、積算結果の最大値
を固定長ＤＮＡ配列に対応した構成要素とするスコア表
を作成し、第一のＤＮＡ配列に対して既知ＤＮＡ配列毎
に、第一のＤＮＡ配列を所定の塩基長に分割し、既知Ｄ
ＮＡ配列と第一のＤＮＡ配列との所定の塩基長毎の類似
度の和をスコア表の類似度を参照して求め、求めた類似
度の和に対応させて順次既知ＤＮＡ配列を表示し、求め
た類似度の和の高い既知ＤＮＡ配列を第二のＤＮＡ配列
としてもよい。第一と第二のＤＮＡ配列を第一のフォン
トで表示し、第一と第二のアミノ酸配列を第二のフォン
トで表示する。

【００２２】また、本発明では、第一のＤＮＡ配列か
ら、アミノ酸に翻訳するために３塩基ずつに区分された
第一の中間ＤＮＡ配列を作成し、第二のＤＮＡ配列か
ら、アミノ酸に翻訳するために３塩基ずつに区分された
第二の中間ＤＮＡ配列を作成し、区分された第一と第二
の中間ＤＮＡ配列をそれぞれの３塩基ごとにアミノ酸に
翻訳し、第一と第二の中間ＤＮＡ配列のそれぞれの３塩
基ごとに対応させて翻訳されたアミノ酸のそれぞれを並
置して、第一の中間ＤＮＡ配列から翻訳されたアミノ酸
を第一のアミノ酸配列として、第二の中間ＤＮＡ配列か
ら翻訳されたアミノ酸を第二のアミノ酸配列として、表
示し、第一のＤＮＡ配列と第一の中間ＤＮＡ配列の間の
第一の類似度を求め、第二のＤＮＡ配列と第二の中間Ｄ
ＮＡ配列の間の第二の類似度を求め、第一と第二のアミ
ノ酸配列の間の第三の類似度を求め、第一、第二および
第三の類似度から所定の関数を用いて得られるパラメー
タが最大となるように第一と第二の中間ＤＮＡ配列およ
び第一と第二のアミノ酸配列を選択することを特徴とす
る。第二のＤＮＡ配列が、ＤＮＡ配列データベースから
選択された既知ＤＮＡ配列であってもよい。

【００２３】ＤＮＡ配列データベース内の既知ＤＮＡ配
列から、アミノ酸に翻訳するために３塩基ずつに区分さ
れた第三の中間ＤＮＡ配列を作成し、所定の塩基長の固
定長ＤＮＡ配列から、アミノ酸に翻訳するために３塩基
ずつに区分された第四の中間ＤＮＡ配列を作成し、第三
と第四の中間ＤＮＡ配列の区分されたそれぞれの３塩基
ごとにアミノ酸に翻訳し、第三と第四の中間ＤＮＡ配列
のそれぞれの３塩基ごとに対応させて翻訳されたアミノ
酸のそれぞれを並置して、第三の中間ＤＮＡ配列から翻
訳されたアミノ酸を第三のアミノ酸配列として、第四の
中間ＤＮＡ配列から翻訳されたアミノ酸を第四のアミノ
酸配列として、既知ＤＮＡ配列と第三の中間ＤＮＡ配列
との間の第四の類似度を求め、固定長ＤＮＡ配列と第四
の中間ＤＮＡ配列との間の第五の類似度を求め、第三と
第四のアミノ酸配列の間の第六の類似度を求め、既知Ｄ
ＮＡ配列について、第四、第五および第六の類似度から
所定の関数を用いて得られるパラメータの最大値を固定
長ＤＮＡ配列に対応した構成要素とするスコア表を作成
し、第一のＤＮＡ配列に対して既知ＤＮＡ配列毎に、第
一のＤＮＡ配列を所定の塩基長に分割し、既知ＤＮＡ配
列と第一のＤＮＡ配列との所定の塩基長毎の類似度の和
をスコア表の類似度を参照して求め、求めた類似度の和
に対応させて順次既知ＤＮＡ配列を表示し、求めた類似
度の和の高い既知ＤＮＡ配列を第二のＤＮＡ配列として
もよい。第一と第二のＤＮＡ配列を第一のフォントで表
示し、第一と第二のアミノ酸配列を第二のフォントで表
示する。

【００２４】

【発明の実施の形態】本発明を検索ＤＮＡ配列に対する
ＤＮＡ配列データベース検索に応用した実施例について
詳述する。あらかじめＤＮＡ配列データベースに対して
スコア表を作成しておく。スコア表はＤＮＡ配列データ
ベース内の各ＤＮＡ配列について、所定長の固定長ＤＮ
Ａ配列に対応したアミノ酸配列に翻訳した時のスコア
（類似度）を、構成要素とする表である。図１を用いて
ＤＮＡ配列データベース内のＤＮＡ配列と固定長ＤＮＡ
配列とをアミノ酸配列に翻訳した時のスコアの計算方法
を説明する。

【００２５】ＤＮＡ配列データベース内のＤＮＡ配列を
ＤＮＡ配列３０１、固定長ＤＮＡ配列をＤＮＡ配列３０
２とする。ＤＮＡ配列３０１から中間ＤＮＡ配列３０３
を生成し、ＤＮＡ配列３０２から中間ＤＮＡ配列３０４
を生成する。中間ＤＮＡ配列３０３、３０４はアミノ酸
配列に翻訳するために３塩基ずつに区分されている。３
塩基ずつ翻訳していくことで、中間ＤＮＡ配列３０３か
らアミノ酸配列３０５が生成され、中間ＤＮＡ配列３０
４からアミノ酸配列３０６が生成される。

【００２６】ＤＮＡ配列３０１と中間ＤＮＡ配列３０３
をダイナミックプログラミング法を用いてアライメント
（並置）し、スコア３０７を求め、ＤＮＡ配列３０２と
中間ＤＮＡ配列３０４をダイナミックプログラミング法
を用いてアライメントし、スコア３０８を求め、アミノ
酸配列３０５とアミノ酸配列３０６をダイナミックプロ
グラミング法を用いてアライメントし、スコア３０９を
求める。スコア３０７、３０８、３０９は用いる中間Ｄ
ＮＡ配列３０３、３０４によって様々な値をとる。適当
な中間ＤＮＡ配列３０３、３０４を用いて、スコア３０
７、３０８、３０９から所定の関数を用いて得られるパ
ラメータの最大値を求める。この最大値がＤＮＡ配列３
０１とＤＮＡ配列３０２をアミノ酸配列に翻訳したとき
の類似性を示すスコアとなる。この値をスコア表に格納
する。

【００２７】ＤＮＡ配列データベース検索の際は、検索
ＤＮＡ配列を固定長ＤＮＡ配列と同じ塩基長に分割し、
ＤＮＡ配列データベース内の各ＤＮＡ配列と検索ＤＮＡ
配列との固定長ＤＮＡ配列の塩基長毎のスコアの和をス
コア表のスコアを参照して求め近似スコアとする。前記
近似スコアに対応させて順次ＤＮＡ配列データベース内
の各ＤＮＡ配列の配列名称を近似スコアの値の大きい順
に近似スコアと共に表示する。

【００２８】表示されたＤＮＡ配列データベース内の各
ＤＮＡ配列の中からＤＮＡ配列を選択し、選択されたＤ
ＮＡ配列と検索ＤＮＡ配列とをアミノ酸に翻訳したとき
の類似性を示すスコアを求める計算を行う。このスコア
の求め方を図２を用いて以下で説明する。

【００２９】ＤＮＡ配列データベース内のＤＮＡ配列を
ＤＮＡ配列４０２、検索ＤＮＡ配列をＤＮＡ配列４０１
とする。ＤＮＡ配列４０１から中間ＤＮＡ配列４０３を
生成し、ＤＮＡ配列４０２から中間ＤＮＡ配列４０４を
生成する。中間ＤＮＡ配列４０３、４０４はアミノ酸配
列に翻訳するために３塩基ずつに区分されている。３塩
基ずつ翻訳していくことで、中間ＤＮＡ配列４０３から
アミノ酸配列４０５が生成され、中間ＤＮＡ配列４０４
からアミノ酸配列４０６が生成される。ＤＮＡ配列４０
１と中間ＤＮＡ配列４０３をダイナミックプログラミン
グ法を用いてアライメント（並置）し、スコア４０７を
求め、ＤＮＡ配列４０２と中間ＤＮＡ配列４０４をダイ
ナミックプログラミング法を用いてアライメントし、ス
コア４０８を求め、アミノ酸配列４０５とアミノ酸配列
４０６をダイナミックプログラミング法を用いてアライ
メントし、スコア４０９を求める。スコア４０７、４０
８、４０９は用いる中間ＤＮＡ配列４０３、４０４によ
って様々な値をとる。中間ＤＮＡ配列４０３、４０４に
は、スコア４０７、４０８、４０９から所定の関数を用
いて得られるパラメータが最大値となるＤＮＡ配列を選
択する。パラメータの最大値はＤＮＡ配列４０１とＤＮ
Ａ配列４０２をアミノ酸配列に翻訳したときの類似性を
示すスコアである。

【００３０】本実施例を用いた検索結果を図３に示す。
近似スコアに対応させて順次ＤＮＡ配列データベース内
の各ＤＮＡ配列の配列名称を近似スコアの値の大きい順
に近似スコアと共に表示する。ＤＮＡ配列４０１（検索
ＤＮＡ配列）と中間ＤＮＡ配列４０３を対応させて表示
し、ＤＮＡ配列４０２（ＤＮＡ配列データベース内のＤ
ＮＡ配列（Ａ２４０８５））と中間ＤＮＡ配列４０４と
を対応させて表示し、アミノ酸配列４０５とアミノ酸配
列４０６を対応させて表示し、対応するＤＮＡの塩基が
一致していれば記号”：”、類似していれば記
号”．”、一致も類似もしていなければ記号としてブラ
ンクを対応するＤＮＡの間に表示し、対応するアミノ酸
が一致していれば記号”：”、類似していれば記
号”．”、一致も類似もしていなければ記号としてブラ
ンクを対応するアミノ酸の間に表示する。

【００３１】スコア表に用いる固定長配列の長さは長い
方が望ましい。固定長ＤＮＡ配列の長さが短い場合に
は、スコア表のほとんど全ての構成要素がおなじ値にな
り、スコア表から計算される近似スコアもほとんど同じ
値になり、結果として検索ＤＮＡ配列と翻訳したアミノ
酸が似ているデータベース内の配列を選ぶことが出来な
いからである。例えば固定長ＤＮＡ配列の長さとして６
文字を用いた場合には、翻訳されるアミノ酸配列の長さ
は２文字である。データベース中のＤＮＡ配列を翻訳す
ると、かなりの頻度で固定長ＤＮＡ配列から翻訳された
アミノ酸とデータベース中のＤＮＡ配列から翻訳された
アミノ酸が同じになることが起こり得る。これによりス
コア表のほとんどの構成要素の値は完全に一致した場合
のスコアとなる。そこでスコア表に用いる固定長配列の
長さとしては７文字以上が望ましい。

【００３２】スコアの関数としては最も単純には３つの
スコアの和が考えられる。単純な和以外にも自乗和など
も可能である。そしてＤＮＡ配列どうしのスコアとアミ
ノ酸配列どうしのスコアも、従来用いられているスコア
そのものに限定する必要はない。例えばＤＮＡどうしの
スコアを半分にすれば、より大きいＤＮＡ配列測定誤差
を許容した比較が可能となる。ＤＮＡ配列決定方法によ
ってＤＮＡ配列測定誤差は異なるため、それに応じてス
コアの関数、ＤＮＡ配列どうしのスコア、そしてアミノ
酸配列どうしのスコアを使い分けることが望ましい。

【００３３】中間ＤＮＡ配列４０３と中間ＤＮＡ配列４
０４は計算時間が問題とならない場合には、あらゆるＤ
ＮＡ配列を生成することが望ましい。この場合、ＤＮＡ
配列どうしの直接比較における場合と同様にダイナミッ
クプログラミング法によるスコア計算が可能である。

【００３４】図４を参照して、中間ＤＮＡ配列を用いて
アミノ酸に翻訳し比較するときのダイナミックプログラ
ミング法によるスコア計算方法を以下に示す。２次元メ
ッシュのＹ方向に沿ってＤＮＡ配列５０１を置き、Ｘ方
向に沿ってＤＮＡ配列５０２を置いた。図４ではメッシ
ュの各点がノード１０１〜１１３を示し、格子間を結ぶ
線分がアーク２０１〜２０６を示す。各ノードを左上か
ら右下につないでいった経路がアライメント（並置）に
対応しており、アークは経路を分割したときの最小単位
である。そして各ノードにおけるスコアはＤＮＡ配列５
０１とＤＮＡ配列５０２のそこまでの部分配列どうしを
比較したときのスコアに対応している。

【００３５】ダイナミックプログラミング法では、メッ
シュ中のあらゆる経路のスコアを求め最大値を決定する
計算を、左上から右下に向かって各ノードのスコアを順
番に求めていく計算に置き換えて計算の高速化を果たし
ている。各ノードのスコアはそのノードで終る経路のス
コアの最大値を示している。各ノードのスコアは、その
ノードと単独のアークで結ばれる上、左または左上の各
ノードのスコアとそこからのアークのスコアを加えたス
コアを求め、それらの最大値を求めることで行われる。
ダイナミックプログラミング法では全てのノードのスコ
アを求めた後、全てのノードのスコアの中の最大値を求
めることでＤＮＡ配列５０１とＤＮＡ配列５０２の間の
スコアを決定することができる。

【００３６】ＤＮＡ配列を直接比較する従来のダイナミ
ックプログラミング法では、ノード１０１で終るアーク
は、ＤＮＡ挿入に対応するアーク２０１、ＤＮＡ欠失に
対応するアーク２０２、ＤＮＡどうしの比較に対応する
アーク２０３である。ノード１０２のスコアとアーク２
０１のスコアの和、ノード１０５のスコアとアーク２０
２のスコアの和、ノード１０９のスコアとアーク２０３
のスコアの和、および０の中の最大値がノード１０１に
おけるスコアとなる。

【００３７】ＤＮＡ配列を中間ＤＮＡ配列を用いてアミ
ノ酸配列に翻訳して比較するときのダイナミックプログ
ラミング法では、従来のＤＮＡ配列を直接比較するとき
のダイナミックプログラミング法とは異なったアークを
用いる必要がある。ノード１０１に達するアークには、
コドンの境界へのＤＮＡ挿入に対応するアーク２０１、
コドンの境界へのＤＮＡ欠失に対応するアーク２０２、
翻訳したアミノ酸の挿入に対応するアーク２０４、翻訳
したアミノ酸の欠失に対応するアーク２０５、翻訳した
アミノ酸どうしの比較に対応するアーク２０６がある。
ＤＮＡ配列の直接比較におけるダイナミックプログラミ
ング法と異なりＤＮＡどうしの比較に対応するアーク２
０３は用いない。そしてアミノ酸への翻訳では中間ＤＮ
Ａ配列中のコドンを考慮することで、コドン中のＤＮＡ
の置換、挿入、欠失を含めて行う。

【００３８】例えば、アーク２０６はＤＮＡ配列５０１
中のＤＮＡ３文字ＡＡＣとＤＮＡ配列５０２中のＤＮＡ
４文字ＡＴＣＴを比較している。ＤＮＡ配列５０１に対
応する中間ＤＮＡ配列中のコドンをＡＡＣ、ＤＮＡ配列
５０２に対応する中間ＤＮＡ配列中のコドンをＴＣＴと
したときのアーク２０６のスコアは、ＤＮＡ配列５０１
中のＤＮＡ３文字ＡＡＣとＤＮＡ配列５０１に対応する
中間ＤＮＡ配列中のコドンＡＡＣとの間のスコアと、Ｄ
ＮＡ配列５０２中のＤＮＡ４文字ＡＴＣＴとＤＮＡ配列
５０２に対応する中間ＤＮＡ配列中のコドンＴＣＴとの
間のスコアと、ＤＮＡ配列５０１に対応する中間ＤＮＡ
配列中のコドンＡＡＣを翻訳したアミノ酸ＡｓｎとＤＮ
Ａ配列５０２に対応する中間ＤＮＡ配列中のコドンＴＣ
Ｔを翻訳したアミノ酸Ｓｅｒとの間のスコアの所定の関
数の値となる。そしてアーク２０６のスコアは、ＤＮＡ
配列５０１に対応する中間ＤＮＡ配列とＤＮＡ配列５０
２に対応する中間ＤＮＡ配列に対して全ての塩基の組合
せでできるコドンに対して求めた前記の所定の関数の最
大値である。

【００３９】中間ＤＮＡ配列中のコドンは３文字だが、
中間ＤＮＡ配列中のコドンと比較するＤＮＡ配列中のＤ
ＮＡは３文字である必要はない。アーク２０６はその一
例である。図４に示した翻訳したアミノ酸の比較に対応
するアークは一例であり、ノード１０１の上に位置する
ノード１０２、１０３、１０４などからノード１０１へ
のアークすべてが翻訳したアミノ酸の挿入に対応するア
ークであり、ノード１０１の左に位置するノード１０
５、１０６、１０７、１０８などからノード１０１への
アークすべてが翻訳したアミノ酸の欠失に対応するアー
クであり、ノード１０１の左上に位置するノード１０
９、１１０、１１１などからノード１０１へのアークす
べてが翻訳したアミノ酸どうしの比較に対応するアーク
となる。これらすべてのアークに対して、アークの始ま
りのノードのスコアとアークのスコアの和を求め、最大
値を求めることでノード１０１のスコアが求められる。

【００４０】図４に示した中間ＤＮＡ配列を用いてアミ
ノ酸翻訳して比較するダイナミックプログラミング法に
よる計算は、全ての中間ＤＮＡ配列を考慮することによ
ってＤＮＡ配列測定における測定誤りを考慮しており、
ＤＮＡ配列の途中にＤＮＡ挿入が入ってコドンの読み枠
がずれた場合にも対応できる。

【００４１】ダイナミックプログラミング法では計算時
間が長く問題となる場合には、生成する中間ＤＮＡ配列
を制限することも可能である。翻訳方向と読み枠を固定
した中間ＤＮＡ配列４０３として、ＤＮＡ配列４０１を
順方向と逆方向にそれぞれ３種類の読み枠で固定したＤ
ＮＡ配列を考える。中間ＤＮＡ配列４０４も同様に６種
類考える。この場合中間ＤＮＡ配列４０３と中間ＤＮＡ
配列４０４の組み合せは３６通りであり、全ての組み合
せでスコア計算を行っても計算時間は長くない。

【００４２】図５は、本発明の一装置構成を示す図であ
る。図５を用いて、計算処理手順を示す。スコア表記憶
器１には上記方法で計算したデータベース内の各ＤＮＡ
配列と一定長のあらゆるＤＮＡ配列とのアミノ酸配列に
翻訳した時の類似性を示すスコアを、スコア表として作
成しておく。検索の際は始めにデータベース各配列の近
似スコアを記憶しておく近似スコア記憶器２と一時スコ
ア記憶器８をすべて０にリセットし、検索配列を検索配
列記憶器３に記憶する。

【００４３】次に、カウンタ４を０から増分させてい
く。カウンタ４の出力は上位桁は部分配列取り出し器５
に入力され部分配列切り出し部分を指定し、下位桁はス
コア表記憶器１と近似スコア記憶器２と一時スコア記憶
器８に入力されデータベース配列番号を指定する。指定
された各配列の近似スコアと一時スコアはそれぞれスコ
ア記憶器１４と１５に記憶される。検索配列記憶器３に
接続された部分配列取り出し器５によって検索配列は一
定長ｋ文字づつ切り出され、カウンタ４によって指定さ
れた部分配列が部分配列記憶器６に記憶される。部分配
列記憶器６の出力はスコア表記憶器１に入力されカウン
タ４で指定されたデータベース内の各配列とのダイナミ
ックプログラミング法によるスコアがスコア表記憶器１
から出力される。スコア表記憶器１の出力は加算器７を
用いてスコア記憶器１４のスコアと加算される。加算器
７の出力は比較器９で０と比較され大きい値が出力さ
れ、スコア記憶器１４に書き戻される。比較器９の出力
は、スコア記憶器１５のスコアと比較器１０で比較され
大きい値が再びスコア記憶器１５に書き戻される。その
後スコア記憶器１４と１５の内容はそれぞれカウンタ４
で指定される一時スコア記憶器８と近似スコア記憶器２
の対応する部分に書き戻される。

【００４４】カウンタ４により検索配列から切り出され
たすべての部分配列に対してすべてのデータベース配列
が走査しつくされたら、近似スコア記憶器２の各スコア
をソーター１１によって大きいスコアの順に並べ変え、
配列名称記憶器１３によって対応する配列名称を求め表
示器１２に表示する。次に表示されたＤＮＡ配列データ
ベース中の配列の中から指定されたＤＮＡ配列と検索Ｄ
ＮＡ配列を、アミノ酸配列に翻訳して比較する。

【００４５】図３の翻訳比較では、ＤＮＡ配列と中間Ｄ
ＮＡ配列との並置、中間ＤＮＡ配列のアミノ酸配列への
翻訳、翻訳されたアミノ酸配列どうしの並置を全て表示
している。従来のアミノ酸配列どうしの並置と同様にア
ミノ酸配列の類似部分を表示することによって、共通す
る蛋白構造の位置、配列、類似度を同時に示している。
これは蛋白への薬物結合サイトの発見から薬物設計、そ
して蛋白の共通機能の推定などに役立てることができ
る。同時に表示される中間ＤＮＡ配列のアミノ酸配列へ
の翻訳からは用いられているコドンを調べることができ
る。生物種によって用いられるコドンにはかたよりがあ
るため、生物種がわかっていればここで表示されている
翻訳が正しいかどうかを推定することができる。またＤ
ＮＡ配列と中間ＤＮＡ配列との並置からはＤＮＡ配列測
定誤差の傾向を知ることができる。これはＤＮＡ配列測
定実験の精度を上げるために役立てられ、測定誤差の大
きい部分のＤＮＡ配列を再測定するための指針となる。

【００４６】本実施例ではＤＮＡ配列と中間ＤＮＡ配列
との並置、中間ＤＮＡ配列のアミノ酸配列への翻訳、翻
訳されたアミノ酸配列どうしの並置を同時に表示するこ
とで、ＤＮＡ配列測定誤差、アミノ酸翻訳誤り、アミノ
酸配列共通構造を一目で総合的に判断できる。本実施例
と異なり中間ＤＮＡ配列、ＤＮＡ配列と中間ＤＮＡ配列
との並置を省略することも可能である。省略した場合よ
り多くの結果を表示することが可能となる。さらに全く
ＤＮＡ配列の表示がなく翻訳されたアミノ酸配列の並置
だけを表示した場合にもＤＮＡ配列だけの情報から類似
アミノ酸配列を知ることができるため有効である。また
複数種類のフォントまたは色が表示可能な表示器の場合
には、ＤＮＡ配列とアミノ酸配列のフォントまたは色に
異なるものを用いることが可能である。これによりアミ
ノ酸配列をＤＮＡ配列よりも強調し、ＤＮＡ配列の比較
表示の中でもっとも重要であるアミノ酸配列の並置が一
目でわかるようにすることができる。

【００４７】本実施例で用いている近似スコアは検索Ｄ
ＮＡ配列を分割した部分ＤＮＡ配列とＤＮＡ配列データ
ベース中のＤＮＡ配列とのアミノ酸翻訳をして比較した
スコアを加算した結果となっている。本実施例ではあら
かじめデータベース内の各配列に対して一定長のあらゆ
る文字列とのアミノ酸翻訳をして比較したスコア表を作
成してある。そのため近似スコアはスコア表を参照し和
をとるだけで求めることが出来、計算量は小さい。

【００４８】本実施例では２つのＤＮＡ配列間でアミノ
酸に翻訳して比較しているが、本発明は３つ以上のＤＮ
Ａ配列間にも適用可能である。多数のＤＮＡ配列を本方
法で比較することによって翻訳されたアミノ酸配列に共
通する構造を見つけ出すことができる。

【００４９】

【発明の効果】本発明により、ＤＮＡ配列に対して翻訳
されたアミノ酸配列構造がわからない場合にもアミノ酸
配列の共通構造を発見できる。アミノ酸配列の共通構造
の発見は、薬物の結合サイトの発見から薬物設計へ応用
したり、類似蛋白機能の発見から蛋白設計などに役立
つ。

【００５０】また、ＤＮＡ配列のアミノ酸配列への翻訳
とアミノ酸配列どうしの並置表示を同時に行うことでＤ
ＮＡ配列測定誤差、アミノ酸翻訳誤り、アミノ酸配列共
通構造を一目で総合的に判断できる。

【００５１】また、ＤＮＡ配列から翻訳されるアミノ酸
配列を比較することで、翻訳されるアミノ酸が互いに類
似するＤＮＡ配列をもれなく検索することができる。

【図面の簡単な説明】

【図１】ＤＮＡ配列データベース内のＤＮＡ配列と固定
長ＤＮＡ配列とをアミノ酸配列に翻訳してスコアを計算
する方法を説明する図。

【図２】選択されたＤＮＡ配列と検索ＤＮＡ配列とをア
ミノ酸配列に翻訳してスコアを求める方法を説明する
図。

【図３】実施例の表示画面を示す図。

【図４】中間ＤＮＡ配列をアミノ酸に翻訳して比較する
ときの、ダイナミックプログラミング法によるスコア計
算方法を説明する図。

【図５】本発明の一装置構成を示す図。

【図６】アミノ酸翻訳コドン表を示す図。

【図７】ダイナミックプログラミング法を説明する図。

【図８】アミノ酸スコア表を示す図。

【符号の説明】

１…スコア表記憶器、２…近似スコア記憶器、３…検索
配列記憶器、４…カウンタ、５…部分配列取り出し器、
６…部分配列記憶器、７…加算器、８…一時スコア記憶
器、９，１０…比較器、１１…ソーター、１２…表示
器、１３…配列名称記憶器、１４，１５…スコア記憶
器、１０１〜１１３…ノード、２０１〜２０６…アー
ク、３０１，３０２，４０１，４０２，５０１，５０２
…ＤＮＡ配列、３０３，３０４，４０３，４０４…中間
ＤＮＡ配列、３０５，３０６，４０５，４０６…アミノ
酸配列、３０７〜３０９，４０７〜４０９…スコア。

───────────────────────────────────────────────────── フロントページの続き (72)発明者笠原直子東京都国分寺市東恋ケ窪１丁目280番地株式会社日立製作所中央研究所内

Claims

【特許請求の範囲】

【請求項１】第一と第二のＤＮＡ配列の塩基配列を比較
するＤＮＡ配列比較方法において、前記第一と第二のＤ
ＮＡ配列を所定の長さの塩基群に分割し、分割された塩
基群をアミノ酸に翻訳し、前記第一のＤＮＡ配列から翻
訳されたアミノ酸を第一のアミノ酸配列として、前記第
二のＤＮＡ配列から翻訳されたアミノ酸を第二のアミノ
酸配列として、前記第一のアミノ酸配列と前記第二のア
ミノ酸配列とを並置して、前記塩基群とともに表示する
ことを特徴とするＤＮＡ配列比較方法。
【請求項２】前記所定の長さの塩基群は、挿入、または
欠失を含み、前記挿入、または前記欠失を表示すること
を特徴とする請求項１に記載のＤＮＡ配列比較方法。
【請求項３】前記第一と第二のＤＮＡ配列を所定の方向
に塩基を順次シフトして、前記塩基群に分割し、前記第
一と第二のＤＮＡ配列から翻訳された前記第一と第二の
アミノ酸配列の間で、それぞれのアミノ酸について類似
度を積算し、積算結果が最大になるように、前記第一と
第二のＤＮＡ配列を所定の方向に塩基を順次シフトし
て、前記第一と第二のアミノ酸配列を選択することを特
徴とする請求項１に記載のＤＮＡ配列比較方法。
【請求項４】前記第二のＤＮＡ配列が、ＤＮＡ配列デー
タベースから選択された既知ＤＮＡ配列であることを特
徴とする請求項１に記載のＤＮＡ配列比較方法。
【請求項５】所定の塩基長の固定長ＤＮＡ配列とＤＮＡ
配列データベース内の既知ＤＮＡ配列とを所定の方向に
塩基を順次シフトして、３塩基長からなる塩基群に分割
し、前記既知ＤＮＡ配列と前記固定長ＤＮＡ配列との分
割された前記塩基群のそれぞれをアミノ酸に翻訳し、前
記既知ＤＮＡ配列と前記固定長ＤＮＡ配列とから翻訳さ
れたアミノ酸からなるアミノ酸配列の間でそれぞれのア
ミノ酸について類似度を積算し、前記既知ＤＮＡ配列に
ついて、積算結果の最大値を前記固定長ＤＮＡ配列に対
応した構成要素とするスコア表を作成し、前記第一のＤ
ＮＡ配列に対して前記既知ＤＮＡ配列毎に、第一のＤＮ
Ａ配列を前記所定の塩基長に分割し、前記既知ＤＮＡ配
列と第一のＤＮＡ配列との所定の塩基長毎の類似度の和
を前記スコア表の類似度を参照して求め、求めた類似度
の和に対応させて順次前記既知ＤＮＡ配列を表示し、求
めた類似度の和の高い前記既知ＤＮＡ配列を前記第二の
ＤＮＡ配列とすることを特徴とする請求項１に記載のＤ
ＮＡ配列比較方法。
【請求項６】前記第一と第二のＤＮＡ配列を第一のフォ
ントで表示し、前記第一と第二のアミノ酸配列を第二の
フォントで表示することを特徴とする請求項１に記載の
ＤＮＡ配列比較方法。
【請求項７】第一と第二のＤＮＡ配列の塩基配列を比較
するＤＮＡ配列比較方法において、前記第一のＤＮＡ配
列から、アミノ酸に翻訳するために３塩基ずつに区分さ
れた第一の中間ＤＮＡ配列を作成し、前記第二のＤＮＡ
配列から、アミノ酸に翻訳するために３塩基ずつに区分
された第二の中間ＤＮＡ配列を作成し、区分された前記
第一と第二の中間ＤＮＡ配列をそれぞれの３塩基ごとに
アミノ酸に翻訳し、前記第一と第二の中間ＤＮＡ配列の
それぞれの３塩基ごとに対応させて翻訳された前記アミ
ノ酸のそれぞれを並置して、前記第一の中間ＤＮＡ配列
から翻訳されたアミノ酸を第一のアミノ酸配列として、
前記第二の中間ＤＮＡ配列から翻訳されたアミノ酸を第
二のアミノ酸配列として、表示し、前記第一のＤＮＡ配
列と前記第一の中間ＤＮＡ配列の間の第一の類似度を求
め、前記第二のＤＮＡ配列と前記第二の中間ＤＮＡ配列
の間の第二の類似度を求め、前記第一と第二のアミノ酸
配列の間の第三の類似度を求め、前記第一、第二および
第三の類似度から所定の関数を用いて得られるパラメー
タが最大となるように前記第一と第二の中間ＤＮＡ配列
および前記第一と第二のアミノ酸配列を選択することを
特徴とするＤＮＡ配列比較方法。
【請求項８】前記第二のＤＮＡ配列が、ＤＮＡ配列デー
タベースから選択された既知ＤＮＡ配列であることを特
徴とする請求項７に記載のＤＮＡ配列比較方法。
【請求項９】ＤＮＡ配列データベース内の既知ＤＮＡ配
列から、アミノ酸に翻訳するために３塩基ずつに区分さ
れた第三の中間ＤＮＡ配列を作成し、所定の塩基長の固
定長ＤＮＡ配列から、アミノ酸に翻訳するために３塩基
ずつに区分された第四の中間ＤＮＡ配列を作成し、前記
第三と第四の中間ＤＮＡ配列の区分されたそれぞれの３
塩基ごとにアミノ酸に翻訳し、前記第三と第四の中間Ｄ
ＮＡ配列のそれぞれの３塩基ごとに対応させて翻訳され
た前記アミノ酸のそれぞれを並置して、前記第三の中間
ＤＮＡ配列から翻訳されたアミノ酸を第三のアミノ酸配
列として、前記第四の中間ＤＮＡ配列から翻訳されたア
ミノ酸を第四のアミノ酸配列として、前記既知ＤＮＡ配
列と前記第三の中間ＤＮＡ配列との間の第四の類似度を
求め、前記固定長ＤＮＡ配列と前記第四の中間ＤＮＡ配
列との間の第五の類似度を求め、前記第三と第四のアミ
ノ酸配列の間の第六の類似度を求め、前記既知ＤＮＡ配
列について、前記第四、第五および第六の類似度から所
定の関数を用いて得られるパラメータの最大値を前記固
定長ＤＮＡ配列に対応した構成要素とするスコア表を作
成し、前記第一のＤＮＡ配列に対して前記既知ＤＮＡ配
列毎に、第一のＤＮＡ配列を前記所定の塩基長に分割
し、前記既知ＤＮＡ配列と第一のＤＮＡ配列との所定の
塩基長毎の類似度の和を前記スコア表の類似度を参照し
て求め、求めた類似度の和に対応させて順次前記既知Ｄ
ＮＡ配列を表示し、求めた類似度の和の高い前記既知Ｄ
ＮＡ配列を前記第二のＤＮＡ配列とすることを特徴とす
る請求項７に記載のＤＮＡ配列比較方法。
【請求項１０】前記第一と第二のＤＮＡ配列を第一のフ
ォントで表示し、前記第一と第二のアミノ酸配列を第二
のフォントで表示することを特徴とする請求項７に記載
のＤＮＡ配列比較方法。