GO Termに関する基礎

TL;DR

GOに関連する解析は次世代シーケンサーやマイクロアレイの解析において、よく使われる解析手法です。解析の意味を正確に理解するには、まずGOそのものに関する理解が必要になります。ここでは、GO Termの基本についてまとめていきます。

GO Termとは

The Gene Ontology (GO)は、Gene Ontology Consortiumによって管理されている、遺伝子産物の機能を体系的に記述するための標準化されたアノテーション体系です。GO Termは人間の専門家によるキュレーションに基づいて定義されており、PFAMやKEGGなどの計算的手法に基づくデータベースと比べて主観性が入りやすいという指摘もあります。

しかし、生物学的な知見を体系的に構造化したアノテーションとしてGO Termは非常に広く利用されており、多くのContributorによるキュレーションにより信頼性は高くなっています。現在では、150,000を超える論文の実験データをもとにアノテーションがつけられており、実験的な裏付けのあるアノテーションは700,000を超えます(参考)。タンパク質の機能推定やパスウェイ解析など、多くのバイオインフォマティクスの解析でGO Termが正解データとして利用されています。

また、人によるキュレーションという性質上、GO Termそのものが更新されることも多いため、解析の際にはできるだけ最新のGO Termのリストを使うことが推奨されます。GO Consortiumは定期的にリリースを行っており、公式サイトのダウンロードページから最新版を取得できます。

File format

GO Termのオントロジー定義は主に以下の形式で提供されています。

  • OBO format: GO専用のテキストベースの形式で、人間にも読みやすい構造になっています。各GO Termのid、名前、定義、関係性などがプレーンテキストで記述されています。goatoolsのobo_parserなどを使用するとパースできます。
  • OWL (Web Ontology Language): W3C標準のオントロジー記述言語で、より厳密な論理的表現が可能です。OWLAPIやowlreadyなどのライブラリで扱えます。
  • JSON形式: 後述するsubsetなどが提供されています。プログラムから扱いやすい形式です。

また、遺伝子産物へのアノテーション情報はGAF (Gene Association File) 形式やGPAD (Gene Product Association Data) 形式で提供されています。GAFはタブ区切りのテキストファイルで、遺伝子産物とGO Termの対応関係、Evidence Code、参考文献などが記録されています。

Subset

GO Termには生物種や特定の用途に応じたSubset（スリムオントロジー）が用意されています。例えば、GO Slimは上位の代表的なGO Termだけを集めたもので、大まかな機能分類の概要を把握するのに有用です。

生物種固有のSubsetも提供されており、例えば動物は光合成をしないため、植物固有のGO Termを除外した動物用のSubsetを使うことで、より適切な解析が可能になります。代表的なSubsetにはgoslim_generic、goslim_plant、goslim_yeastなどがあります。

GO Termの中身

基本要素

1つのGO Termは以下の要素を基本に構成されます。

NameDescriptionExample
Gene Productアノテーションされている遺伝子産物UniProtKB
(rat Dhfr)
GO TermIDと名前 (説明)GO:0004146 (dihydrofolate reductase activity)
Referenceアノテーションの根拠を示す論文
Evidence Codeアノテーションの根拠の種類を示すコード（実験、系統解析など）Inferred from Experiment (EXP)

Evidence Code

各GO AnnotationにはEvidence Codeが付与されており、アノテーションの根拠がどのような種類のものかを示します。Evidence Codeは大きく以下のカテゴリに分類されます（参考）。

カテゴリ代表的なコード説明
ExperimentalEXP, IDA, IPI, IMP, IGI, IEP, HTP, HDA, HMP, HGI, HEP実験的手法に基づくアノテーション。最も信頼性が高い。
PhylogeneticIBA, IBD, IKR, IRD系統解析に基づくアノテーション。
ComputationalISS, ISO, ISA, ISM, IGC, RCA配列類似性や計算的手法に基づくアノテーション。
Author StatementTAS, NAS著者の記述に基づくアノテーション。
Curator StatementIC, NDキュレーターの判断に基づくアノテーション。NDは「データなし」を意味する。
ElectronicIEA自動的な電子的アノテーション。最も数が多いが、人手による検証はされていない。

GO解析を行う際には、Evidence Codeによるフィルタリングが重要です。例えば、IEA（電子的推論）を除外して実験的根拠のあるアノテーションのみを使用する場合があります。

Extensions

基本要素以外にも、いくつかのアノテーションの拡張が行われています。拡張アノテーションは以下の2つに大別されます（Huntley & Lovering 2017）。

  • 遺伝子や遺伝子産物、複合体、化学物質などの関係性を示すMolecular relationships
  • 細胞種や解剖学、発達段階などとの関係性を示すContextual relationships

Molecular relationships

NameDescriptionExample
has_regulation_target制御対象となる遺伝子産物を示すhas_regulation_target (UniProtKB
zinc finger protein GLI1)
has_input反応やプロセスの入力となる分子を示すhas_input (PomBase
.0 pcf2)
has_direct_input直接的に作用する基質やリガンドなどの分子を示すhas_direct_input (UniProtKB
Solute carrier family 26 member 9)

Contextual relationships

NameDescriptionExample
part_of特定の細胞や組織の一部であることを示すpart_of (WBbt:0006804 body wall muscle cell)
occurs_inプロセスが起こる場所（細胞種など）を示すoccurs_in (CL:0000740 retinal ganglion cell)
happens_duringプロセスが起こるタイミングや条件を示すhappens_during (GO:0071470 cellular response to osmotic stress)

GO Annotationの構造

GO Annotation全体はノードとしてGO Termを、エッジとして下で定義されるRelationを持つ有向非巡回グラフ(DAG)で表されており、階層構造を持ちます。階層構造の上に行くほど、広い意味をもつアノテーションになります。

階層構造における関係性を表すRelationは以下の通りです(参考)。

NameDescription
is a基本構造です。A is a Bと示すとき、AはBのサブタイプです。
part ofより強い制約です。B is part of Aでは、Bが存在するとき、それは必ずAの一部であり、Aの存在が約束されます。Extensionのpart ofはノード情報ですが、このpart ofはエッジ情報です。
has partA has part Bのとき、BはAの一部です。Aが存在するとき、Bは存在する必要がありますが、Bが存在していても必ずしもAが存在する必要がありません。
regulates制御関係を表します。例えば、他のパスウェイからの影響などがあります。positively_regulates（正の制御）とnegatively_regulates（負の制御）のサブタイプがあります。

以下は、Biological Processにおけるアポトーシス（プログラム細胞死）関連のGO Termを例に、DAGの構造と各Relationを図示したものです。

is_a

is_a

is_a

is_a

part_of

regulates

is_a

negatively_regulates

GO:0008150
biological_process

GO:0008219
cell death

GO:0012501
programmed cell death

GO:0006915
apoptotic process

GO:0097193
intrinsic apoptotic
signaling pathway

GO:0001836
release of cytochrome c
from mitochondria

GO:0042981
regulation of
apoptotic process

GO:0043066
negative regulation of
apoptotic process

この図から、GO TermのDAG構造における重要な特徴が読み取れます。

  • is_a: 階層構造の基本です。apoptotic processはprogrammed cell deathのサブタイプであり、さらにそれはcell deathのサブタイプです。上位に行くほど広い概念になります。
  • part_of: release of cytochrome c from mitochondriaはintrinsic apoptotic signaling pathwayの一部として起こるプロセスです。
  • regulates: regulation of apoptotic processはapoptotic processを制御する関係にあります。negative regulation of apoptotic processはその中でも負の制御（抑制）を表します。

GO Termの一番上の階層として、以下の3つが割り当てられています。解析ツールなどでは、このノードを最上流ノードとして扱うことが多いです。

略称意味
Biological ProcessBP遺伝子産物が関与する生物学的なプロセスやパスウェイ（例: シグナル伝達、代謝、細胞分裂など）
Molecular FunctionMF遺伝子産物の分子レベルでの機能・活性（例: 酵素活性、受容体活性、転写因子活性など）
Cellular ComponentCC遺伝子産物が活動する細胞内の場所や構造体（例: 核、ミトコンドリア、細胞膜など）

Reference

この記事に関するIssueをGithubで作成する

次に読む