2012年9月29日Encode勉強会@東大柏キャンパス での大野担当分発表資料

1. Session12
GENCODE: The reference human
genome annotation for The
ENCODE Project (Harrow et. al)
発表者：⼤大野健太（Preferred Infrastructure）
oono@preferred.jp
Twitter:@delta2323_
2012/09/29
ENCODE勉強会@東⼤大柏キャンパス

2. アジェンダ
• 概要
• 統計情報
• GENCODEデータへのアクセス⽅方法
• アノテ―ション⽅方法と結果
• 議論
• その他の情報

3. GENCODEの概要(1/1)
“Encyclopedia of genes and gene variants”
• ⽬目標：Identify all gene features in the human genome
• ⼿手段：Annotation of protein-coding gene, lncRNA loci and
pseudogenes
• ⼿手法：Combination of computational analysis, manual annotation,
and experimental validation.
• 成果（バージョン7、現⾏行行バージョンは13）

4. 統計情報(1/3 : GENCODE 13)

5. 統計情報(2/3 : アノテーションされたTransctipts,
CDSの数(Fig.7))

6. 統計情報(3/3 : アノテーションされたTransctipts,
CDSの数(Supplemental Figure 5))

7. GENCODEデータへのアクセス⽅方法(1/3)
• オリジナルデータ⼊入⼿手
• http://www.gencodegenes.org/releases/13.html
• UI付き・API (Supplemental Table 11)
• UCSC genome brower
• Ensembl genome browser
• Ensembl BioMart (Perl/Ruby API・DBへの直接アクセス可能)
• 利⽤用例
• 1000 Genome Project Consortium
• International Cancer Genome Consortium

8. UCSC Genome Browser (2/3)
http://genome-mirror.moma.ki.au.dk/cgi-bin/hgTracks

9. UCSC Genome Browser (3/3:Result)
http://genome-mirror.moma.ki.au.dk/cgi-bin/hgc?
hgsid=192670&c=chr21&o=33032021&t=33041244&g=wgEncodeGencodeBasicV12
&i=ENST00000470944.1

10. アノテ―ション⽅方法(1/2 : システム全体図)
(Fig. 1)

11. アノテ―ション⽅方法(2/2 : 付加情報)
(Supplementary Table1)
• Locusに対してBiotype, Status, Level情報を付与
• Biotype : protein-coding/lncRNA/(polymorphic)pseudogene
• Status : Known/Novel/Putative
• Level : アノテ―ションの根拠に応じて区分
• Level1:manually annotated and experimentally validated
• Level2:manually annotated
• Level3:automatically annotated
• さらにtranscriptsに対して詳細な情報を付与
• e.g. protein-coding locus に対して
• protein coding, NMD, NSD etc.

12. ⾮非コード領域のアノテ―ション結果(1/1)
• long non-coding RNA (lncRNA)のアノテ―ション
• 5058 lincRNA, 3214 antisense loci, 378 sense intronic loci,
and 930 processed transcripts loci.
• 他のデータセットとの共通部分は少なかった
• pseudogeneのアノテ―ション
• 例：PTENP1[Poliseno et al. 2010], DHFRL1[McEntee et al.
2011]
• 11224 pseudogene lociを⼿手動アノテ―ションされる(=Level2)
• 7183 lociをLevel1と判定
• 934 loci(480(EST or cDNA)+454(HBM)) を”transcribed”と判定

13. 議論(1/1)
• あと100個程度protein-coding lociは⾒見見つかっていないと予想
• 未発⾒見見lincRNAは数千単位と予想(GENCODE4で2798lincRNAを発⾒見見)
• NMDの影響を受けるのにペプチド合成されるtranscriptを4つ発⾒見見
• NMDを抑制し細胞特異的に転写翻訳を促すmicroRNAの⽰示唆
[Bruno et al. 2011]
• 網羅的な⼿手動アノテ―ションの結果を⾏行行い、機能を持つpseudogeneは
発⾒見見。ヒトゲノムのpseudogeneは10000程度あると予想
• 次世代シーケンサを⽤用いたde novo assemblyの⽋欠点はリードが短いた
め、transcriptの構造を予測するのが難しい
• 第三世代シーケンサ (Pacific Bioscience社など)を⽤用いた
Transcriptome annotationへの期待

14. その他論⽂文に書かれている内容(1/1)
• ⼿手動アノテ―ション情報と⾃自動アノテ―ション情報のマージ⽅方法
• GENCODE プロジェクトの発展（Ver.3 Ver.7での統計情報の推移）
• 他プロジェクトの成果との関係（共通部分／差集合）
• Quality Control System (“Annotrack” : Error Tracking System)
• アノテーションの根拠となった事柄のクオリティ検証
• RT-PCR-seqを⽤用いた実験によるアノテ―ションの検証
• PhyloCSFを⽤用いてtranscriptのタンパク質コーディング可能性の推定
• 質量分析を⽤用いて”putative”と判定されたtranscriptのタンパク質コー
ディング可能性の推定

15. 補⾜足

16. 統計情報
(Supplemental Table 5)

17. 統計情報
(Supplemental Figure 6)

18. Biomart Ruby Client (github)

19. pseudogeneのbiotype詳細
(Supplemental Table 1より抜粋)