Abstract

線虫と関連線虫に関する情報のモデル生物データベースWormBase ( http://www.wormbase.org ) は幅と深さを広げ続けている。 過去1年間で、WormBase は SAGE、インタラクトーム、3Dタンパク質構造データセット、NCBI KOGs などの複数の大規模データセットを追加しました。 この成長に対応するため、国際WormBaseコンソーシアムは、ナビゲーション、大規模データセットの可視化、高度な検索、データマイニングを支援する新機能を追加し、ユーザーインターフェースを改善しました。 内部的には、遺伝子の表現を合理化するためにデータベースモデルを再構築し、今後1年間でさらに3種のCaenorhabditisのゲノム配列を受け入れるためのシステムを準備しました。

Received August 21, 2004; Revised and Accepted October 5, 2004

DESCRIPTION

WormBase は線虫とブリグザーの生物とゲノムのモデル生物データベースである。 線虫は、発生、神経科学、アポトーシス、老化など、様々な生物医学研究のモデル生物として広く利用されており( 1 – 4 )、ますます幅広いハイスループット・データが利用可能になっていることから、急速に発展しているリソースであると言えます。 線虫のゲノム配列( 5 )は、ORFeome( 6 )、RNA interference (RNAi) ( 7 )、マイクロアレイ( 8 )、interactome (genome-wide protein-protein interactions) ( 9 )、 serial analysis of gene expression (SAGE) ( 10 , 11 )、その他の遺伝子発現プロファイル技術( 11 )などゲノム規模の研究プロジェクトを後押ししています。 これらの大規模なデータセットにより、WormBase のコンテンツは非常に充実しています ( 2 , 3 ) 。 さらに最近では、C.elegans のゲノム配列に加えて C.briggsae の全ゲノム配列 ( 12 ) が利用可能になり、WormBase は Caenorhabditides 属間の比較ゲノム解析のプラットフォームとして確立しました ( 13 )。

国際WormBaseコンソーシアムは、4つの研究機関から30名以上の研究者が参加し( http://wormbase.org/about/people.html )、C.elegans , C.briggsae および関連線虫の大規模および小規模なデータを収集・注釈し、単一の公開データベースに整理し、WormBase ウェブサイトで閲覧やダウンロードができるようにしたものである。 研究コミュニティとの連携により直接寄託されたデータを取得するほか、Caenorhabditisの全公表文献をレビューしてデータを抽出しています。 データベースの新しいリリースは2週間ごとに提供され、新しいデータセットや更新されたデータセットがタイムリーに研究者に提供されることを確実にしている。 この論文では、WormBaseのコンテンツとユーザーインターフェースの改善に関する最近の進歩をレビューし、WormBaseがどのように進化しているかを説明し、データにアクセスするためのさまざまな方法について議論します。 最後に、来年度に予定されている新機能について述べて、このペーパーを締めくくります。

RECENT ADDITIONS TO WormBase CONTENTS

過去1年間で、いくつかの既存データセットのサイズを大幅に増加させました。 例えば、マイクロアレイのデータポイントが5倍、マイクロアレイの実験数が8実験（2論文で報告）から113実験（15論文で報告）へと劇的に13倍増加しています。 また、野生型以外の表現型をもたらすRNAi実験の数も、この1年で2倍以上になった。

我々は、文献に現れる新しいデータ、公開ヌクレオチドデータベース（GenBank/EMBL/DDBJ）の新しい配列データ、およびワームコミュニティからの個人的なコミュニケーションに基づいて、線虫遺伝子モデルの改良を続けている。 ほとんどのキュレーション活動では、既存の遺伝子モデルの構造を改良しています。 しかし、もはや有効でない遺伝子予測（例：非常に短いオープンリーディングフレーム）を削除し、必要に応じて新しい遺伝子予測を継続的に追加しています（通常は既存の遺伝子の新しいアイソフォームに対応する）。 多くの遺伝子が作成、削除されたにもかかわらず、総遺伝子数（タンパク質コード化遺伝子）は1年間でわずかな純増（22遺伝子）にとどまっています。 これとは対照的に、転写産物データによって確認されたタンパク質コード遺伝子の割合（すなわち、すべてのコード化エクソンが転写産物のサポートを有する）は、同じ期間に20%増加しました（4663から5569まで）。 これは、より多くの転写データが利用可能になったことと、利用可能な転写データにより適合するように遺伝子モデルを改良するキュレーターの作業によるものです。 また、転写産物をゲノム上にマッピングし、遺伝子モデルに接続する方法も大幅に改善されました。

同じ期間に、WormBaseはいくつかの新しい大規模な実験的および理論的データセットを追加しました。 注目すべきは、大規模な SAGE データセット ( 10 , 11 ) 、インタラクトームデータセット ( 9 ) 、3D 構造データ、そして予測されるオーソロググループの NCBI (National Center for Biotechnology Information) KOGs ( 14 ) セットなどである。 最近、新たに開発されたtrans-spliced exon coupled RNA end determination (TEC-RED) 技術を用いて、線虫の発現遺伝子の5末端を解析し ( 15 ) 、そのデータセットをキュレーションしてWormBaseに登録中である。

Genome-wide SAGE

SAGE ( 10 , 11 ) は、ゲノム全体の遺伝子発現レベルをアッセイする高感度な手法で、マイクロアレイを用いた手法の補完に適している。 WS123 リリースでは、WormBase は 12 個の SAGE ライブラリの結果を組み込んでおり、そのうちの 2 個は以前に発表されている ( 10 ) 。 12のライブラリは、胚から成体までの様々な発生段階( 11 )をカバーし、WormBaseのC.elegansゲノムにアノテーションされた全遺伝子の91.9%に相当する20 417遺伝子（コーディング配列, WS129）に触れています（オルタナティブスプライシングを含む22 213のコーディング配列, WS129）。 遺伝子に対応するSAGEタグは、WormBaseの遺伝子ページ（例： http://www.wormbase.org/db/gene/gene?name=ced-3#Reagents ）の下部にあり、新しいSAGEレポートページ（図1）の様々なライフステージでのSAGEタグの存在量の詳細情報にリンクされています。

Interactome

タンパク質の相互作用を解明することはしばしばその生物的役割を知るための鍵となることがあります。 WormBaseには、yeast two-hybrid (Y2H) 技術に基づく大規模なスクリーニングである ‘Interactome Project’ の結果が含まれている ( 9 ) 。 現在のデータセットでは、ベイトはヒト遺伝子に相同な遺伝子、多細胞機能を持つ遺伝子（Drosophila melanogaster, Homo sapiens, Arabidopsis thaliana を含む多細胞生物に相同な遺伝子を持ち、Saccharomyces cerevisiae にはない）、または有糸分裂と減数分裂における役割が知られているものに偏りがある。 現在、WormBase には、C.elegans プロテオームの 15% をカバーする 5534 の相互作用が含まれています。 これらの相互作用は、遺伝子サマリーページで見ることができます。

Protein three-dimensional structures

この小さいが重要なデータセットは Northeast Structural Genomics Consortium ( http://www.nesg.org ) によるもので、340 の C.elegans ターゲットを生成することを目的としている。 このコンソーシアムでは、線虫だけでなく、S.cerevisiae や D.melanogaster などの真核生物モデル生物のタンパク質も主要なターゲットとしている。 現在、6つのタンパク質の構造がProtein Data Bank (PDB) ( http://www.rcsb.org/pdb/ ) に登録されている( 16 )。 これら340のC.elegans標的の詳細な情報はWormBaseに含まれており、定期的に更新される予定である。

NCBI KOGs

KOGs はもともと NCBI で微生物ゲノムのために考案された Conserved Orthologous Groups を真核生物に特化したものである ( 14 )。 KOGは、真核生物のタンパク質のドメイン間の相互のBLASTPベストヒットの三角形で定義され、高度に分岐した種からのものである( 14 )。 昨年から、WormBaseは他の相同性グループとともに、これらのKOGアノテーションを組み込んでいる( 14 )。 現在、WormBaseは4852のKOGを持ち、9427のC.elegansタンパク質コード遺伝子の産物を含んでいます（つまり、WS129で予測された全タンパク質コード遺伝子の48％）。

INTERNAL DATA MODEL CHANGES AND NEW IDENTIFIERS

WormBaseのバックエンドデータベースはACeDB ( http://www.acedb.org ) ( 4 )であり、WormBaseはこのACeDBを使用しています。 昨年中に、いくつかのデータ型がデータベースで表現される方法を変更しました。 これらのデータベーススキーマの変更は、通常のユーザには影響しません。 しかし、WormBase にアクセスするためのスクリプトを書く上級ユーザは、それについて知っておく必要があります。 重要なモデル変更には、統一された Gene クラス ( http://wormbase.org/db/misc/model?class=Gene ) の導入があります。これは、遺伝子に関するすべての関連情報を保持します。 以前は、そのような情報はいくつかの相互に関連したクラスに散らばっていました。 同時に、スプライシングされた転写物とその生成物の関係をより良く管理するためにCDSとTranscriptクラスを導入し、cDNAとEST配列からの転写物の構造の導出を大幅に改善しました。

これらの変更に伴い、WBGene00006741 という形式の遺伝子用、および WBPaper0005637 という形式の論文用の、WBPerson241 という形式の人物識別子と同じ形式の、安定した匿名識別子が導入されました。 これらの識別子は、対応する実体に使用されてきた様々な名前を追跡し、データベースの相互参照に可能な限り使用されるべきものです。 このウェブサイトは http://www.wormbase.org/db/get?name=WBGene00006741;class=Gene という形式の URL をサポートしています。 データモデルに関するご質問は、[email protected] までお願いします。

USER INTERFACE ENHANCEMENTS

Enhancements to WormBase genome browser

Genome browser は WormBase の中心コンポーネントで、遺伝子モデル構造とそれを裏付ける証拠、さらに一塩基多型 (SNP) や反復要素、実験試薬などの特徴を可視化するためのもので、ユーザーはこの機能を使用できます。 この1年間で、このブラウザはいくつかの点で強化されました。 (i) スケーラブル・ベクター・グラフィックス（SVG）のサポート. WormBase ゲノムブラウザの画像はプレゼンテーションや出版物の挿絵に広く使われていますが ( 2 , 3 , 17 ) 、そのビットマップの性質上、高解像度で印刷すると画像の劣化を招きます。 そこで、WormBase のユーザーが指定したゲノムブラウザ画像を SVG ファイル ( http://www.w3.org/TR/SVG/ ) としてダウンロードできる機能を追加し、Adobe Illustrator 10 などの SVG 対応ソフトウェアで高解像度での表示・編集・印刷ができるようにしました。 (ii) フィーチャーハイライト. WormBase では、検索でヒットしたフィーチャーを黄色い背景で強調表示するようになりました。 この変更は、大きなウィンドウサイズでマルチトラックをオンにしてブラウズする場合に特に有効です。 (iii) 非翻訳領域(UTR)。 内部データモデルと視覚的表示の両方が、転写産物の未翻訳部分と、5′-または3′-UTR内で発生する内部スプライスを表示するように変更されました。 (SNP、SAGEタグ、オペロン、ポリ（A）サイト、予測されるシグナル配列など、より多くのフィーチャートラックが追加されました。 (v) DASのサポート。 Distributed Annotation System (DAS) ( 18 ) トラックのビューアとしてゲノムブラウザが使用できるようになり、WormBase トラックにユーザー独自のアノテーションをスーパーインポーズすることができるようになりました。

EST alignment page and protein alignment page

WormBase は EST、cDNA、その他の配列の塩基レベルのアラインメントを種内、種間で保持するようになりました。 例えば、C.elegans と C.briggsae のゲノムのアラインメントは、colinar gene のグループ間の関係を強調する低解像度ビュー ( http://www.wormbase.org/db/seq/ebsyn?name=cb25.fpc0143:1..8000 ) と、個々のヌクレオチドの相違を示す高解像度テキストアラインメントの両方で表示することができます。 C.elegansや他の線虫からのESTやcDNAは、ミスアラインメントやギャップをハイライトするmultiple alignment viewで見ることができます ( http://www.wormbase.org/db/seq/aligner?name=WBGene00000423;class=Gene ).

タンパク質レベルでは、ヒト ( H.sapiens )、マウス ( Mus musculus )、ラット ( Rattus norvegicus )、ハエ ( D.melanogaster )、酵母 ( S.cerevisiae )、 C.briggsae などの重要種からの最長タンパク質生成物とBLASTマッチするリストを保持しており、関連遺伝子の機能に対する洞察を得ることが可能です。 すべてのBLAST結果は、それぞれのモデル生物データベースまたはSwiss-Prot/TrEMBLの関連するエントリにハイパーリンクされている（必要に応じて）。 マルチプルアラインメント表示では、保存されたアミノ酸残基を残基の化学的性質に基づいたカラーコードでハイライトしています（図2 ）。

P.W.S. はハワード・ヒューズ医学研究所の研究員である。 原稿を批判的に読んでくれたSheldon McKayとKris Gunsalusに感謝する。 WormBase は米国国立ヒトゲノム研究所および英国医学研究評議会からの助成金 P41-HG02223 によって支援されています。