MITの研究者らは、SARS-CoV-2ゲノムについて、これまでで最も正確かつ完全な遺伝子アノテーションとする成果を作成した。
研究により、いくつかのタンパク質コード遺伝子が確認された。
また、遺伝子として示唆されていた他のいくつかの領域は、いかなるタンパク質もコードしていないことも判明した。
この研究では、2,000件近いCOVID-19の変異を分析し、ウイルスが免疫系を回避する能力やより感染しやすくなる能力を評価した。
2020年初頭、COVID-19のパンデミックが始まってから数か月後、科学者らはCOVID-19感染症の原因となるウイルスであるSARS-CoV-2のゲノム全体を解読することができた。その時点で多くの遺伝子はすでに知られていたが、タンパク質コード遺伝子の全体像は未確定のままだった。
今回、大規模な比較ゲノム解析研究を実施した結果、MITの研究者らは、SARS-CoV-2ゲノムについて、これまでで最も正確かつ完全な遺伝子アノテーションとする成果を作成したと発表している。本日発表された研究は、次の学術誌に掲載されている: Nature Communicationsでは、いくつかのタンパク質コード遺伝子が確認され、遺伝子として示唆されていた他のいくつかの領域は、いかなるタンパク質もコードしていないことが判明した。
「この強力な進化的シグネチャーを用いた比較ゲノム解析の手法により、この非常に重要なゲノムの真の機能的なタンパク質コード内容を発見することができました」と、本研究の上級著者であり、MITのComputer Science and Artificial Intelligence Laboratory（CSAIL）のコンピュータサイエンス教授、またBroad Institute of MIT and Harvardの研究員でもあるManolis Kellis氏は述べている。
研究チームは、SARS-CoV-2がヒトに感染し始めて以降、異なるSARS-CoV-2分離株に生じた2,000件近い変異も分析し、それらの変異がウイルスの免疫系回避能力やより感染しやすくなる能力を変化させる上でどの程度重要である可能性があるかを評価できるようにした。
比較ゲノム解析
SARS-CoV-2ゲノムは、約30,000個のRNA塩基で構成されている。科学者らは、関連ウイルスに見られるタンパク質コード遺伝子との類似性に基づき、タンパク質コード遺伝子をコードすることが知られているいくつかの領域を特定している。その他のいくつかの領域もタンパク質をコードしていると推測されていたが、タンパク質コード遺伝子として確定的に分類されてはいなかった。
SARS-CoV-2ゲノムのどの部分が実際に遺伝子を含んでいるかを明確にするため、研究者らは比較ゲノム解析と呼ばれる種類の研究を実施した。これは、類似したウイルスのゲノムを比較する手法である。SARS-CoV-2ウイルスは、主にコウモリに感染するウイルスのサブジーナス（亜属）であるSarbecovirusに属している。研究者らは、SARS-CoV-2、SARS-CoV（2003年のSARS流行の原因となったウイルス）、および42株のコウモリ由来サルベコウイルスを対象に分析を行った。
Kellis氏の研究チームは、以前にこの種の分析のための計算手法を開発しており、その手法を用いて、ヒトゲノムを比較し、他の哺乳類のゲノムとも比較してきた。この手法は、特定のDNAまたはRNA塩基が種間で保存されているかどうかを分析し、長期にわたる進化のパターンを比較することに基づいている。
これらの手法を用いて、研究者らはSARS-CoV-2ゲノムにおいて、すべてのコロナウイルスで十分に確立されている5つに加え、6つのタンパク質コード遺伝子を確認した。また、ORF3aと呼ばれる遺伝子をコードする領域が、ORF3cと命名した追加の遺伝子もコードしていることも明らかにした。この遺伝子はORF3aと塩基が重なっているが、異なる読み枠に存在する。このような遺伝子内遺伝子は大型ゲノムでは稀であるが、ゲノムがコンパクトさを保つよう選択圧を受けている多くのウイルスでは一般的である。この新しい遺伝子、およびSARS-CoV-2の他のいくつかの遺伝子の役割はまだ分かっていない。
研究者らはまた、遺伝子の候補として提案されていた他の5つの領域が機能的なタンパク質をコードしていないことを示し、さらに、未発見の保存されたタンパク質コード遺伝子が他にも存在する可能性を排除した。
「ゲノム全体を分析した結果、他に保存されたタンパク質コード遺伝子は存在しないと非常に確信しています」と、本研究の筆頭著者であり、CSAILの研究科学者でもあるIrwin Jungreis氏は述べている。「未解明の遺伝子の機能を明らかにするには実験研究が必要です。どの遺伝子が実在するかを判定することで、他の研究者は、タンパク質に翻訳されることすらないものに時間を費やすのではなく、それらの遺伝子に注力することができます。」
研究者らはまた、従来の多くの論文が不正確な遺伝子セットだけでなく、場合によっては相反する遺伝子名も用いていたことを認識した。この状況を改善するため、SARS-CoV-2の研究コミュニティをまとめ、SARS-CoV-2遺伝子の命名に関する一連の推奨事項を提示した。これは数週間前に論文としてVirology誌に掲載された別の論文で示されている。
急速な進化
今回の研究では、研究者らはSARS-CoV-2が初めて特定されて以降に生じた1,800件以上の変異も分析した。各遺伝子について、その遺伝子が過去にどの程度速く進化してきたかと、現在のパンデミックが始まって以降にどの程度進化したかを比較した。
その結果、ほとんどの場合、現在のパンデミック以前に長期間にわたって速く進化してきた遺伝子は引き続きそうした進化を続けており、ゆっくり進化する傾向にあった遺伝子はその傾向を維持していることが判明した。ただし、研究者らはこれらのパターンに対する例外も特定しており、それらは、ウイルスが新たなヒト宿主に適応する中でどのように進化してきたかを解明する手がかりになる可能性があるとKellis氏は述べている。
一例として、研究者らは、ウイルスの遺伝物質を取り囲むヌクレオカプシドタンパク質の一領域を特定した。その領域は、過去の進化パターンから予想されるよりもはるかに多くの変異を有していた。このタンパク質領域はヒトB細胞の標的としても分類されている。そのため、その領域の変異は、ウイルスがヒトの免疫系を回避するのに役立つ可能性があるとKellis氏は述べている。
「SARS-CoV-2ゲノム全体の中で最も加速的に変化している領域は、このヌクレオカプシドタンパク質のちょうど中央に位置しています」と同氏は述べている。「その領域に変異しなかった変異株はヒトの免疫系によって認識され、排除されるのではないかと私たちは推測しています。一方で、その領域にランダムに変異が蓄積した変異株は、実際にヒトの免疫系をより回避しやすく、流行を続けるのではないかと考えています。」
研究者らはまた、イングランド由来のB.1.1.7株、ブラジル由来のP.1株、南アフリカ由来のB.1.351株など、懸念される変異株に生じた変異も分析した。これらの変異株をより危険にしている変異の多くはスパイクタンパク質に見られ、ウイルスの拡散を速め、免疫系を回避するのに役立っている。ただし、これらの各変異株は他の変異も保有している。
「これらの各変異株には20件以上の他の変異があり、そのうちどれが何らかの作用を持つ可能性が高く、どれが持たないかを知ることが重要です」とJungreis氏は述べている。「そこで私たちは、比較ゲノム解析の証拠を用い、保存された位置にあるものに基づいて、どれが重要である可能性が高いかについての初期的な推定を行いました。」
今回のデータは、ウイルスの感染力に大きな影響を与える可能性が最も高いと思われる変異に、他の科学者が注目する助けとなり得るとこの研究者らは述べている。研究者らは、注釈付きの遺伝子セットおよび変異の分類を、利用を希望する他の研究者のために、カリフォルニア大学サンタクルーズ校のGenome Browserで公開している。
「これらの変異株の進化的な文脈を実際に研究し、現在のパンデミックがより大きな歴史の中でどのように位置付けられるかを理解できるようになりました」とKellis氏は述べている。「多くの変異を持つ株については、これらの変異のうちどれが宿主特異的な適応である可能性が高く、どれがおそらくさほど重要でないかを確認することができます。」
本研究は、米国国立ヒトゲノム研究所および米国国立衛生研究所の助成を受けた。Flatiron Institute Center for Computational BiologyのRachel Sealfon研究科学者も本論文の著者である。
