公開データベースには惑星規模の核酸配列コレクションが含まれているが、このコーパスの効率的な検索方法がないため、体系的な探索が阻害されている。このデータベースは（本稿執筆時点で）20ペタベースを超え、指数関数的に増加している (ref.1)。そこで、ペタベース規模の超高速配列アライメントを可能にするクラウドコンピューティング基盤Serratusを開発した。570万サンプル（10.2ペタベース）の生物学的多様性から、RNA依存性RNAポリメラーゼという特徴的な遺伝子を検索し、105種以上の新規RNAウイルスを同定し、既知の種数をおよそ1桁増加させることに成功した。コロナウイルス、デルタ肝炎ウイルス、巨大ファージにそれぞれ関連する新規ウイルスの特徴を明らかにし、その環境リザーバーを分析した。さらに、これらのデータおよびツールからなる無料の総合データベースを構築し、現在進行中のウイルス発見革命を促進する。ウイルスの配列の多様性を拡大することは、新興の病原体の進化的起源を明らかにし、将来のパンデミックを予測・緩和するための病原体監視を向上させることができる。
https://github.com/ababaian/serratus/wiki
Toolkit
ここではSerratus Explorerについて簡単に見ていきます。
https://serratus.io/にアクセスする。
Exploreをクリック。
Explore NT SearchかExplore RdRP Searchを選ぶ。NT Searchは、すべてのRefSeq脊椎動物ウイルス（N = 2,849）（レトロウイルスを除く）およびGenBankコロナウイルス科配列（N = 10,101）から既知の完全ゲノムを高感度に検索する。RdRP Search は、新規 RNA ウイルスのうち、特徴的な遺伝子である RNA-dependent RNA Polymerase (RdRP) に着目した検索方法となっている。
Explore NT Searchに入った。
Explore NT Searchでは、ユーザーが選択したウイルス科に属する全ての「pangenome」エントリが返される。ウイルス科を選択後、下のVIew Matchesをクリックする。GenBankとSRA IDからの検索にも対応している。
Alignment identity (%)を調整してマッチするエントリ数を調整できる。変えるにはゲージを左右に動かす。
Score: マップされたリードの数と参照配列のスパンカバー率を考慮したヒューリスティックなスコア。80以上の場合、完全なRdRPが得られることが多く、50以上の場合、部分的なRdRPが得られることが多く、10以上の場合、部分的なRdRP配列が得られることがある ( RdRP Searchのマニュアルより)。
Coronaviridae科をデフォルト設定で検索すると3640エントリヒットした。
SRR1192321をクリックした。
このSRAに含まれるウィルス科のPangnome Score、Average Read Identity、Number of Aligned Readsが右側に表示される。
カーソルを合わせると数値が表示される。
上のメニューは、NCBI SRAへのリンク、NCBI Sequence Read ArchiveのBrowseへのリンク、 RdRP Searchの結果へのリンク、jbrowseを使った全リファレンスゲノムへのアラインメント、そのbamファイルのダウンロード、サマリーレポートのダウンロードのボタンとなっている。
チュートリアルで説明があるが、unknown virusを探すためには、50〜100のスコアで同一性が50%未満〜90%の範囲に注目する。
ヒートマップの気になったデータをクリックすると、そのデータのウィルス科
の分布が下に展開される。
RdRP Searchも基本的な使い方はNT Searchと同じになる。
wikiには未知ウィルスを探す実践的なガイドがあります。また、この巨大なデータを構築・管理するための予算についての興味深い説明もあります。アクセスしてみて下さい。
Find_novel_viruses_A_serratus.io
引用
Petabase-scale sequence alignment catalyses viral discovery
Robert C. Edgar, Jeff Taylor, Victor Lin, Tomer Altman, Pierre Barbera, Dmitry Meleshko, Dan Lohr, Gherman Novakovsky, Benjamin Buchfink, Basem Al-Shayeb, Jillian F. Banfield, Marcos de la Peña, Anton Korobeynikov, Rayan Chikhi & Artem Babaian
Nature (2022)
