เกนสแคน

Q: ประวัติศาสตร์

ในปี พ.ศ. 2544 โลกของการทำนายยีนของมนุษย์ได้เข้าสู่ จีโนมิกส์เชิงเปรียบเทียบ ส่งผลให้มีการพัฒนาโปรแกรมที่เรียกว่า TWINSCAN ซึ่งเป็นการดัดแปลงจาก GENSCAN ที่มีความแม่นยำสูงขึ้น ต่อมาได้มีการพัฒนาโปรแกรมอื่นๆ เช่น N-SCAN โดยดัดแปลงโมเดล GHMM เพิ่มเติม [ 5 ]

เกนสแคน
เกนสแคน
นักพัฒนา	คริสโตเฟอร์ เบิร์จ
มีจำหน่ายใน	ภาษาอังกฤษ
พิมพ์	เครื่องมือชีวสารสนเทศ
เว็บไซต์	ยีน.mit .edu /GENSCANinfo .html

ในชีวสารสนเทศ GENSCAN เป็นโปรแกรมสำหรับระบุ โครงสร้าง ยีน ที่สมบูรณ์ ในดีเอ็นเอจีโนมเป็นโปรแกรมที่ใช้ G HMMซึ่งสามารถใช้ใน การ ^{ทำนาย}ตำแหน่งของยีนและ ขอบเขต เอ็กซอน - อินตรอนในลำดับจีโนมจากสิ่งมีชีวิตหลากหลายชนิด เซิร์ฟเวอร์เว็บ GENSCAN สามารถพบได้ที่MIT [ ^{1 ]}

GENSCAN ได้รับการพัฒนาโดยChristopher Burgeในกลุ่มวิจัยของSamuel Karlinที่มหาวิทยาลัยสแตนฟอร์ด^{[ 2 ]}^{[ 3 ]}^{[ 4 ]}

ประวัติศาสตร์

ในปี พ.ศ. 2544 โลกของการทำนายยีนของมนุษย์ได้เข้าสู่จีโนมิกส์เชิงเปรียบเทียบส่งผลให้มีการพัฒนาโปรแกรมที่เรียกว่า TWINSCAN ซึ่งเป็นการดัดแปลงจาก GENSCAN ที่มีความแม่นยำสูงขึ้น ต่อมาได้มีการพัฒนาโปรแกรมอื่นๆ เช่น N-SCAN โดยดัดแปลงโมเดล GHMM เพิ่มเติม^{[ 5 ]}

ณ ปี 2545 GENSCAN ยังคงเป็นเครื่องมือยอดนิยมในด้านชีวสารสนเทศ โดยกลายเป็นคุณสมบัติมาตรฐานสำหรับจีโนมที่เผยแพร่บนเบราว์เซอร์จีโนม ของมหาวิทยาลัยแคลิฟอร์เนีย ซานตาครู ซ และ Ensembl ^[⁵^]

การดำเนินการ

แบบจำลองจีโนม

เป้าหมายหลักในการพัฒนารูปแบบลำดับจีโนมสำหรับ GENSCAN คือการระบุคุณสมบัติทั้งทั่วไปและเฉพาะเจาะจงที่ประกอบเป็นหน่วยการทำงานแต่ละหน่วยของยีนยูคาริโอต (เช่น เอ็กซอนอินทรอนตำแหน่งการเชื่อมต่อโปรโมเตอร์)โดยเน้นเป็นพิเศษที่คุณลักษณะที่สามารถจดจำได้โดยกลไกการถอดรหัส การเชื่อมต่อ และการแปลทั่วไปที่ประมวลผลยีนที่เข้ารหัสโปรตีน ส่วนใหญ่ทั้งหมด ตรงข้ามกับสัญญาณที่เกี่ยวข้องกับการถอดรหัสหรือการเชื่อมต่อของยีนและตระกูลยีน (เช่นกล่อง TATA ) นอกจากนี้ ยังใช้ แบบจำลองมาร์คอฟลำดับที่ห้าแบบสามคาบทั่วไปของบริเวณการเข้ารหัสแทนที่จะใช้แบบจำลองของโมทีฟโปรตีน เฉพาะ หรือ ข้อมูล ความเหมือน ของฐานข้อมูล นอกจากนี้ แบบจำลองยังคำนึงถึงความแตกต่างของโครงสร้างและความหนาแน่นระหว่างบริเวณองค์ประกอบของจีโนมมนุษย์ด้วย^{[ 3 ]}

เนื่องจากการใช้องค์ประกอบเหล่านี้ GENSCAN จึงทำงานโดยไม่จำเป็นต้องอ้างอิงยีนที่คล้ายกันในฐานข้อมูลลำดับโปรตีน แต่การคาดการณ์ที่สร้างโดย GENSCAN จะเสริมกับการคาดการณ์ที่รวบรวมโดยวิธีการระบุยีนตามความคล้ายคลึงกัน (เช่น การค้นหาฐานข้อมูลโปรตีนด้วยBLASTX ) โดยรวมแล้ว โครงสร้างของแบบจำลองที่ใช้ใน GENSCAN คล้ายกับ แบบจำลองมาร์ค อฟที่ซ่อนอยู่ทั่วไป^{[ 3 ]}

คุณสมบัติ

การใช้งาน GENSCAN แตกต่างจากโปรแกรมอื่น ๆ ในหลาย ๆ ด้าน ความแตกต่างที่เห็นได้ชัดคือ GENSCAN ใช้แบบจำลองลำดับจีโนมที่เน้นเฉพาะDNA สองสายโดยจะวิเคราะห์ยีนที่อยู่บนทั้งสองสายพร้อมกัน นอกจากนี้ GENSCAN ยังสามารถวิเคราะห์จีโนมในกรณีที่มียีนบางส่วนหรือไม่มียีนเลย แทนที่จะวิเคราะห์ได้เฉพาะลำดับยีนที่สมบูรณ์เหมือนโปรแกรมอื่น ๆ ในยุคนั้น ปัจจัยทั้งสองนี้ทำให้ GENSCAN มีประโยชน์อย่างยิ่งในการวิเคราะห์จีโนมมนุษย์ที่ยาวขึ้น ยิ่งไปกว่านั้น GENSCAN ยังใช้แนวคิดของการแยกส่วนการพึ่งพาสูงสุด (Maximal Dependence Decomposition) เพื่อสร้างแบบจำลองสัญญาณการทำงานในลำดับ DNA และโปรตีน ทำให้โปรแกรมสามารถพิจารณาการพึ่งพาระหว่างตำแหน่งสัญญาณได้ สิ่งนี้ถูกนำไปใช้ใน GENSCAN โดยการสร้างแบบจำลองของสัญญาณการเชื่อมต่อผู้บริจาค (donor splice signal) โดยจับการพึ่งพาที่เกี่ยวข้องกับกลไกการจดจำสำหรับไซต์การเชื่อมต่อผู้บริจาคในลำดับpre-mRNA ^{[ 3 ]}

GENSCAN มีความสามารถในการคำนวณความแม่นยำของการคาดการณ์แต่ละครั้งโดยใช้อัลกอริธึมแบบไปข้างหน้า-ย้อนกลับ^{[ 3 ]}

การทำนายโครงสร้างและองค์ประกอบโดยรวมของยีนมนุษย์โดยพิจารณาจากตำแหน่งของเอ็กซอนและยีนในลำดับที่ยาวขึ้นถือเป็นองค์ประกอบที่มีประโยชน์เพิ่มเติมของ GENSCAN มีคุณสมบัติที่แตกต่างกันหลายประการที่เป็นส่วนหนึ่งของสิ่งนี้ หนึ่งในนั้นคือความสามารถในการจับความแตกต่างในโครงสร้างและองค์ประกอบของยีนระหว่างบริเวณ C + G ในจีโนมมนุษย์ โดยใช้ชุดพารามิเตอร์แบบจำลองที่สร้างขึ้นจากประสบการณ์ อีกคุณสมบัติหนึ่งที่ได้มาคือ การทำนายยีนหลายตัวในลำดับ นอกเหนือจากความสามารถในการทำงานกับยีนบางส่วนและดีเอ็นเอแบบสองสาย สุดท้ายนี้ ยังช่วยให้ GENSCAN สามารถจับความสัมพันธ์ระหว่างตำแหน่งสัญญาณด้วยแบบจำลองใหม่ของไซต์การเชื่อมต่อผู้ให้และผู้รับ^{[ 3 ]}

ประสิทธิภาพ

เวลาในการทำงานของ GENSCAN จะเพิ่มขึ้นเกือบเป็นเส้นตรงเมื่อได้รับลำดับที่มีขนาดสมจริง (อย่างน้อยหลายกิโลบิต) แต่ในกรณีที่แย่ที่สุดจะเป็นแบบกำลังสอง^{[ 3 ]}

การใช้งานเพิ่มเติม

GENSCAN เช่นเดียวกับโปรแกรมทำนายจีโนมอื่นๆ ไม่ได้สร้างผลลัพธ์ที่ตรงกับโปรแกรมอื่นๆ อย่างสมบูรณ์ เนื่องจากมีปัจจัยหลายประการ รวมถึงแต่ไม่จำกัดเพียง: ความแตกต่างในอัลกอริธึม พารามิเตอร์ และชุดข้อมูลฝึกฝน ดังนั้น GENSCAN จึงถูกนำมาใช้ในการรวมผลลัพธ์ของโปรแกรมทำนายยีนสองโปรแกรมเข้าด้วยกัน โดยหากโปรแกรมใดโปรแกรมหนึ่งในชุดผลลัพธ์มีความมั่นใจในการทำนายลำดับ ก็จะใช้ลำดับนั้น ในทางกลับกัน หากทั้งสองโปรแกรมไม่มั่นใจในผลการทำนาย ก็จะใช้ลำดับที่ทำนายได้ก็ต่อเมื่อทั้งสองโปรแกรมเห็นพ้องกันเท่านั้น^{[ 6 ]}

ความแม่นยำ

มีการทดสอบเพื่อประเมินความแม่นยำของ GENSCAN ด้วยชุดข้อมูลขนาดสั้น การทดสอบหนึ่งดำเนินการกับชุดข้อมูล Burset/Guigó ซึ่งประกอบด้วยลำดับยีนหลายเอ็กซอนของสัตว์มีกระดูกสันหลัง 570 ลำดับ ข้อมูลที่ได้จากการทดสอบนี้แสดงอยู่ในตารางด้านล่าง พร้อมกับข้อมูลที่ได้จากการทดสอบโปรแกรมอื่น ๆ ด้วยชุดข้อมูลเดียวกัน ตารางแสดงให้เห็นว่า GENSCAN มีความแม่นยำโดยทั่วไปมากกว่าคู่แข่งในการทำนายลำดับที่มีทั้งนิวคลีโอไทด์และเอ็กซอน^{[ 3 ]}

ความแม่นยำของ GENSCAN เทียบกับโปรแกรมอื่นๆ^{[ 3 ]}
โปรแกรม	ลำดับ	ความไวต่อสารนิวคลีโอไทด์	ความจำเพาะของนิวคลีโอไทด์	ความสัมพันธ์โดยประมาณของนิวคลีโอไทด์	สัมประสิทธิ์สหสัมพันธ์นิวคลีโอไทด์	ความไวต่อเอ็กซอน	ความจำเพาะของเอ็กซอน	ค่าเฉลี่ยเอ็กซอน	เอ็กซอนที่หายไป	เอ็กซอนผิดพลาด
เกนสแคน	570	0.93	0.93	0.91	0.92	0.78	0.81	0.80	0.09	0.05
เอฟเกเนห์	569	0.77	0.88	0.78	0.80	0.61	0.64	0.64	0.15	0.12
ยีนไอดี	570	0.63	0.81	0.67	0.65	0.44	0.46	0.45	0.28	0.24
มาร	570	0.76	0.77	0.72	ไม่มีข้อมูล	0.55	0.48	0.51	0.17	0.33
เกนหลาง	570	0.72	0.79	0.69	0.71	0.51	0.52	0.52	0.21	0.22
ยีนพาร์เซอร์2	562	0.66	0.79	0.67	0.65	0.35	0.40	0.37	0.34	0.17
เกรล2	570	0.72	0.87	0.75	0.76	0.36	0.43	0.40	0.25	0.11
ซอร์ฟินด์	561	0.71	0.85	0.73	0.72	0.42	0.47	0.45	0.24	0.14
เอ็กซ์ปอนด์	570	0.61	0.87	0.68	0.69	0.15	0.18	0.17	0.33	0.13
GeneID+	478	0.91	0.91	0.88	0.88	0.73	0.70	0.71	0.07	0.13
ยีนพาร์เซอร์3	478	0.86	0.91	0.86	0.85	0.56	0.58	0.57	0.14	0.09

นอกจากนี้ ตารางด้านล่างยังอธิบายความแม่นยำของ GENSCAN ในส่วนที่เกี่ยวกับลำดับจีโนมที่จัดเรียงตามช่วงของC + Gและประเภทของสิ่งมีชีวิตโดยเฉพาะ เราสามารถเห็นได้จากข้อมูลที่ให้มาว่าความแปรผันของความแม่นยำของ GENSCAN ค่อนข้างไม่ไวต่อปริมาณ C + G และประเภทของสิ่งมีชีวิต ซึ่งแสดงให้เห็นเพิ่มเติมถึงความเป็นอิสระของ GENSCAN จากปัจจัยที่อาจส่งผลกระทบต่อผลลัพธ์ของโปรแกรมทำนายจีโนมที่เทียบเคียงได้^{[ 3 ]}

ความแม่นยำของ GENSCAN สำหรับลำดับที่จัดเรียงตามเนื้อหา C+G และสิ่งมีชีวิต^{[ 3 ]}
ชุดย่อย	ลำดับ	ความไวต่อสารนิวคลีโอไทด์	ความจำเพาะของนิวคลีโอไทด์	ความสัมพันธ์โดยประมาณของนิวคลีโอไทด์	สัมประสิทธิ์สหสัมพันธ์นิวคลีโอไทด์	ความไวต่อเอ็กซอน	ความจำเพาะของเอ็กซอน	ค่าเฉลี่ยเอ็กซอน	เอ็กซอนที่หายไป	เอ็กซอนผิดพลาด
ซี + จี <40	86	0.90	0.95	0.90	0.93	0.78	0.87	0.84	0.14	0.05
ซี + จี 40-50	220	0.94	0.92	0.91	0.91	0.80	0.82	0.82	0.08	0.05
ซี + จี 50-60	208	0.93	0.93	0.90	0.92	0.75	0.77	0.77	0.08	0.05
ซี + จี >60	56	0.97	0.89	0.90	0.90	0.76	0.77	0.76	0.07	0.08
ไพรเมต	237	0.96	0.94	0.93	0.94	0.81	0.82	0.82	0.07	0.05
สัตว์ฟันแทะ	191	0.90	0.93	0.89	0.91	0.75	0.80	0.78	0.11	0.05
สัตว์ไม่มีกระดูกสันหลัง	72	0.93	0.93	0.90	0.93	0.81	0.85	0.84	0.11	0.06

ได้มีการทดสอบความแม่นยำของ GENSCAN แยกต่างหากโดยใช้ชุดข้อมูล GeneParser สองชุด ซึ่งได้ตัดยีนทั้งหมดที่มีความตรงกันมากกว่า 25% ในเรื่องของกรดอะมิโนกับยีนในชุดทดสอบ GeneParser ก่อนหน้านี้ออกไปแล้ว ข้อมูลที่ได้จากการทดสอบนี้และการทดสอบเดียวกันที่ดำเนินการกับโปรแกรมอื่น ๆ แสดงอยู่ในตารางด้านล่าง เราจะเห็นว่ามีความแตกต่างเพียงเล็กน้อยระหว่างความแม่นยำของ GENSCAN ภายใต้ชุดข้อมูล Burset/Guigó ดังกล่าวและชุดข้อมูล GeneParser อย่างไรก็ตาม จุดข้อมูลบางจุดที่มีความผันผวนสูงกว่า (เช่น 98% CC สำหรับนิวคลีโอไทด์ C + G สูงในชุด GeneParser ชุดที่ II เทียบกับ 90% CC สำหรับ C + G > 60 นิวคลีโอไทด์ใน Burset/Guigó) อาจเกิดจากชุดข้อมูล GeneParser มีขนาดตัวอย่างที่เล็กกว่ามาก การทดสอบกับชุดข้อมูลทั้งสามชุดดังกล่าวให้ข้อมูลเพียงพอที่จะสรุปผลได้ อย่างไรก็ตาม ชุดข้อมูลเหล่านี้ไม่ได้มีขนาดที่สมจริง ดังนั้น ความน่าเชื่อถือและขอบเขตของชุดข้อมูลจึงถูกตั้งคำถามอย่างสมเหตุสมผล^{[ 3 ]}

ความแม่นยำในการทำนายของ GENSCAN เทียบกับโปรแกรมอื่นๆ ภายใต้ชุดข้อมูล I และ II ^{[ 3 ]}
โปรแกรม	ยีนไอดี ไอ	ยีนไอดี II	เกรล3 ฉัน	เกรล3 II	GeneParser2 I	GeneParser2 II	เกนสแคน ไอ	เกนสแคน II
ลำดับทั้งหมด
ความสัมพันธ์	0.69	0.55	0.83	0.75	0.78	0.80	0.93	0.93
ความไว	0.69	0.50	0.83	0.68	0.87	0.82	0.98	0.95
ความจำเพาะ	0.77	0.75	0.87	0.91	0.76	0.86	0.90	0.94
เอ็กซอนถูกต้อง	0.42	0.33	0.52	0.31	0.47	0.46	0.79	0.76
เอ็กซอนซ้อนทับกัน	0.73	0.64	0.81	0.58	0.87	0.76	0.96	0.91
ซี + จี สูง
ความสัมพันธ์	0.65	0.73	0.88	0.80	0.89	0.71	0.94	0.98
ความไว	0.72	0.85	0.87	0.80	0.90	0.65	1.00	0.98
ความจำเพาะ	0.73	0.73	0.95	0.88	0.93	0.87	0.91	0.98
เอ็กซอนถูกต้อง	0.38	0.43	0.67	0.50	0.64	0.57	0.76	0.64
เอ็กซอนซ้อนทับกัน	0.80	0.86	0.89	0.79	0.96	0.79	1.00	0.93
ขนาดกลาง C + G
ความสัมพันธ์	0.67	0.52	0.83	0.75	0.75	0.82	0.93	0.94
ความไว	0.65	0.47	0.86	0.68	0.86	0.84	0.97	0.95
ความจำเพาะ	0.77	0.76	0.84	0.91	0.70	0.87	0.90	0.95
เอ็กซอนถูกต้อง	0.37	0.29	0.51	0.32	0.41	0.46	0.79	0.79
เอ็กซอนซ้อนทับกัน	0.67	0.62	0.83	0.28	0.84	0.79	0.96	0.93
ซีต่ำ + จี
ความสัมพันธ์	0.81	0.62	0.62	0.62	0.72	0.67	0.92	0.81
ความไว	0.82	0.56	0.51	0.45	0.79	0.71	0.93	0.80
ความจำเพาะ	0.85	0.71	0.87	0.89	0.75	0.67	0.94	0.84
เอ็กซอนถูกต้อง	0.80	0.47	0.25	0.16	0.40	0.37	0.85	0.68
เอ็กซอนซ้อนทับกัน	0.85	0.63	0.55	0.42	0.85	0.58	0.85	0.74

ในปี พ.ศ. 2540 พบว่า GENSCAN มีความแม่นยำสูงกว่าโปรแกรมทำนายยีนก่อนหน้านี้ อย่างไรก็ตาม ยังคงต้องมีการดำเนินการเพิ่มเติม เนื่องจากพบว่า GENSCAN ทำนายยีนได้อย่างแม่นยำเพียง 10-15% บนชุดข้อมูลจริง^{[ 5 ]}เนื่องจากความไม่แม่นยำเช่นนี้ การทำนายใดๆ ที่ได้จาก GENSCAN และโปรแกรมอื่นๆ จึงต้องได้รับการตรวจสอบโดยการเปรียบเทียบกับลำดับดีเอ็นเอเสริม (Complementary DNA sequence) ลำดับแท็กแสดงลำดับ ( Expressed sequence tagหรือ EST) หรือลำดับโปรตีนที่ทราบ^{[ 6 ]}

ทำนาย

[ 2 ]

[ 4 ]