GO – ページ 3 – 遺伝子発現解析（マイクロアレイ解析, RNA-seq）

Molecular Signatures Database (MSigDB)

「遺伝子セット」のデータベースが、 Molecular Signatures Database (MSigDB) です。Broad institute の GSEA 内にあります。メールアドレスを登録することで閲覧が可能です。

遺伝子セット

MSigDB の遺伝子セットは、大きく分けて6つのコレクションから構成されています。

c1: positional gene sets, 染色体の座標によるもの。
c2: curated gene sets, キュレーターが論文から取り出したもの。
c3: motif gene sets, 転写制御のモチーフごとのリスト。
c4: computational gene sets: がん由来のマイクロアレイデータをコンピューターで分析して作成したリスト
c5: GO gene sets, Gene Ontology (GO) から作成したリスト。
c6: oncogenic signatures, さまざまな因子の影響下にある、がん細胞のマイクロアレイデータから作成したリスト。

MSigDB の代表的な遺伝子セットとしては、c2 の論文から取得されたリストでしょう。論文に書かれた遺伝子群をキュレーターがチェックして、遺伝子セットとして登録しています。また、この中には、BioCarta, KEGG, Reactome など、パスウェイに関するリストも含まれています。また、 c5 には、GO から得られた遺伝子セットもあります。つまり、GSEA を行うと、パスウェイ解析もGO解析も同時に行えるといえます。（パスウェイの色づけはなく、アノテーションが最新とは限らないため、完全な代用にはなりませんが。）

> Subramanian, Tamayo, et al. (2005, PNAS 102, 15545-15550)

Gene Set Enrichment Analysis (GSEA)

Gene Set Enrichment Analysis (GSEA) は、GO解析、パスウェイ解析、に並んで、よく用いられる解析手法の1つです。

後者の2つの解析は、原理的には、遺伝子発現が増加または減少した遺伝子群を多く含む「特定の遺伝子群」を探すというものでした。この「特定の遺伝子群」が、あるキーワードをアノテーションに持つ遺伝子群であったり（GO解析）、あるパスウェイに載っている遺伝子群であったり（パスウェイ解析）するわけです。

この「特定の遺伝子群」を「遺伝子セット (Gene Set)」として、あらかじめ準備しておき、増加または減少した遺伝子群が、どの「遺伝子セット」に多く含まれているかを調べるのが、Gene Set Enrichment Analysis (GSEA) です。

例えば、GSEA の遺伝子セットには、「stem cell で発現が増加していた遺伝子群」があります。これは論文 (Pubmed 12228720) の情報をもとに作成された遺伝子セットです。このような遺伝子セットは、キュレーターによって登録されており、Molecular Signatures Database (MSigDB) と呼ばれるデータベースとして公開されています。

GSEA の利用、MSigDB の閲覧には、メールアドレスの登録が必要です。

> Subramanian,Tamayo, et al. (2005, PNAS 102, 15545-15550) and Mootha, Lindgren, et al. (2003, Nat Genet 34, 267-273).

パスウェイ解析とは？

パスウェイ解析

発現が増加または、減少した遺伝子の一群（発現変動遺伝子群）が、「どのパスウェイに多く含まれていたかを調べる」ものです。考え方は、GO解析と同様です。（パスウェイに含まれていることを、パスウェイにマップされているとも表現されます。）

特定のパスウェイに多く含まれていたこと（集中していたこと）を統計学的に有意かどうかを述べるには、GO解析の場合と同様に、下記の2点を考慮する必要があります。パスウェイに含まれている遺伝子の単純な個数で評価することは、望ましくありません。

そのパスウェイに含まれる遺伝子が、ゲノム中にもともと多いのかどうか。
発現が増加または、減少した遺伝子の数が多いかのどうか。

1. パスウェイに含まれる遺伝子の数

たとえば、 “Pathways in cancer” のパスウェイなどは、パスウェイ上に描かれている遺伝子の数が多いです。そのため、このパスウェイに含まれる遺伝子は、それだけ見つかりやすいと考えられます。

2. 発現変動遺伝子の数

数千個の遺伝子が増加、または減少している状況では、あらゆるパスウェイにおいて、増加、減少した遺伝子が見つかります。

GO解析と同様に、DAVID などのサービスを利用すれば、上記の2点を考慮した各パスウェイごとの p-value が得られます。

パスウェイ解析で得られる結果

基本的にパスウェイ解析によって得られるのは、下記の2つものです。

特定のパスウェイに含まれる遺伝子のリスト（シグナル値と ratio, fold-change, Z-score, p-value などのスコア）
遺伝子発現の増減で色付けされたパスウェイの図

GO解析(2)

GO解析の考え方

発現が増加または、減少した遺伝子の一群（発現変動遺伝子群）の中に、「特定の用語（機能、キーワード）をアノテーションに持つ遺伝子が多い」ことを述べるには、下記の2つの点を考慮する必要があります。

その用語をアノテーションに持つ遺伝子が、ゲノム中にもともと多いのかどうか。
発現が増加または、減少した遺伝子の数が多いかのどうか。

1. について

もともとゲノム中に多く含まれる機能は、当然、発現変動遺伝子群においても見つかりやすいです。たとえば、 GO:0005488 : binding は、ほとんどの遺伝子がこの機能をアノテーションされています。（何らかのタンパクと結合することが考えられますので、当然といえます。）GO:0016020 : membrane などもそうです。ほとんどの遺伝子は、膜系か、それ以外に分類されるためです。

「当たり」が多く含まれている宝くじを引いていることをイメージするとよいでしょう。それでは当たったことが重要にはなりません。

2. について

発現が増加または、減少した遺伝子の数が多い場合、あらゆる機能の遺伝子が見つかりやすくなります。マイクロアレイデータによっては、3000個以上の遺伝子が増加、減少していることもあります。この状態では、ほぼすべての機能の遺伝子が含まれていて当然と考えられます。

宝くじをたくさん引いていることをイメージするとよいでしょう。何度も挑戦することで、当然、当たりやすくなるため、当たったことの重要性は薄れます。

好ましい状態

上記を考慮すると、最も重要性が高くなるのは、次の条件です。

「もともとゲノム中に数少なく見られる機能を持つ遺伝子が、少ない発現変動遺伝子群に数多く含まれている。」

言い換えると、「ゲノム中（4万個）に10個程度しか含まれない遺伝子が、マイクロアレイ解析の結果、変動していた100個の遺伝子群の中に、8個も見つかった」というような状況です。（数字は適当です。）

DAVID の解析結果などに表示されている GO についた p-value や Enrichment Score は、上記の点を考慮して算出されたものです。 p-value < 0.05 であれば、偶然ではないことが主張できます。

GO解析 (1)

GO解析とは

マイクロアレイ解析の結果、まず得られるのは、発現が増加または減少した遺伝子（発現変動遺伝子）のリストです。一般的には、エクセルの表の形で扱われることが多いと思います。

そのリストを眺めて（または検索して）いると、「特定のGO用語（機能、キーワード）が多く含まれているようだ」ということが直感的に分かると思います。

例えば、GOの列に GO:0006954 : inflammatory response が多いなぁ、というように。

では、どれくらいの頻度で見つかれば、特定の用語が見つかる頻度が高い（エンリッチされている）と言えるのでしょうか？発現変動遺伝子が100個あったとして、10個見つかれば、いいほうなのでしょうか？何個 “inflammatory response” が見つかれば、「マイクロアレイ解析の結果、炎症系の遺伝子に影響があった」と言えるのでしょうか？

これに答えるのが、「GO解析」です。GO解析(2) へ。