조직 특이적 유전자 발현 패턴 및 전사조절 메커니즘의 변화에 관한 연구

Abstract

인간 게놈 사업에 의해 인간의 유전자 지도의 99%가 완성됨에 따라 약 30,000 개의 유전자가 분리되었으며 분리된 유전자 중 일부는 기능이 확인되었다. 하지만 인간과 유인원 유전자의 유사성이 98%에 이른다는 사실은 연구자들에게 또 다른 문제로 부각되어졌다. 이러한 인간과 유인원 나아가 다른 포유동물과의 차이가 유전자의 수나 구조 보다는 유전자의 발현 시기와 조절과 같은 유전자간에 형성된 유전자 네트워크의 발달 정도에 있을 수 있을 거라고 생각되어지고 있다. 유전자조절 네트워크에 관한 연구는 유전자 발현과 유전자 발현 조절에 대한 정보를 통합하는 분석 기법이 필요하며 이러한 통합된 정보를 활용하여 생명현상 조절에 대한 이해가 필요하다. 유전자의 조절에 대한 통합된 정보를 바탕으로 생명현상을 통제하려는 시도는 기존의 연구보다 생명체를 이해하는데 좀더 현실성있는 연구방법일 것이며 연구 성과 및 신약개발의 성공확률이 높게 나타낼 수 있을 것으로 생각되어 진다. 본 연구에서는 유전자 발현에 대한 여러 High Throughput Screening (HTS) 실험 데이터를 통합하여 유전자 발현 및 조절에 대한 예측을 실시하고자 하였다. 이를 위해 먼저 유전자 발현에 관한 예측을 실시하였으며 다음으로 발현 조절에 관한 예측을 실시 하였다. 먼저 NCBI에서 제공하는 human genome, refseq 그리고 EST서열을 이용한 조직 특이적 발현양상을 예측하였다. refseq, genome서열과 EST서열간의 서열상동성을 이용하여 해당 EST의 유래를 파악하였으며 이를 바탕으로 예측된 조직 특이적 유전자 발현 결과는 RT-PCR을 이용하여 검증하였다. 이러한 연구를 통해서 2만 5천개의 유전자들에 대해서 조직 특이적 발현 양상을 제공할 수 있는 데이터를 확보하였다. 세포 분화시 특이적으로 발현되는 유전자의 발현양상을 확인하기 위해서 Atlas project (mouse Atlas of gene expression project)에서 제공하는mouse 세포 분화시 나타나는 유전자 발현에 대한 대규모 SAGE실험 결과를 이용하여 통합 분석을 실시하였다. 이를 통해 세포 분화 단계별, 분화 조직별 특이적인 유전자 발현양상을 확인하였다. 예측의 정확성은 논문검색을 통해서 확인하였으며 뇌 분화단계별로 특이적으로 발현되는 유전자발현을 조절하는 공통적인 Transcription factor를 예측하여 뇌 분화 단계별 조절에 관한 예측을 실시하였다. 다음으로 이러한 유전자들의 발현 조절에 관한 연구를 실시하였다. 본 연구에서는 human에 존재하는 유전자들의 100bp의 promoter region에서 나타날 수 있는 multi Transcription factors를 예측하였다. 기존의 실험결과를 바탕으로 계산된 정확도는 약 30%였다. 이러한 유전자와 Transcription factor에 의한 유전자 조절간의 연관관계는 방대한 정보를 포함하고 있으므로 분석시 어려움이 따른다. 그러므로 특정 Transcription factor에 의해 조절되는 유전자 집단인 moduel을 이용한 분석이 필요하다. 이를 위해 Transcription factor에 의해 직접적으로 조절받는 유전자에 관한 정보를 분석하여 유전자 조절 module을 예측하였다. Transcription factor에 의해 직접적으로 조절받는 유전자를 예측하기 위해여 yeast cell에서 실험된 Chromatin immunoprecipitation (Lee et al, 2002), transcription factor에 대한 mutation실험 (Chua et al, 2006) 그리고 대규모 microarray 실험 결과(Gasch et al, 2000)를 사용하였다. 예측의 정확성은 기존의 module 예측 프로그램과 비교를 통해 확인할 수 있었으며 transcription factor와 유전자들의 조절관계를 정확하게 보여주고자 regulation program을 이용하여 시각화 하였다. 본 연구는 유전자 발현 및 조절에 관한 데이터를 통합하여 전사메커니즘을 이해하고자 하였다. 본 연구에서 도출된 자료들은 유전자 네트워크 및 유전자 조절 네트워크 구축에 기초자료로 활용될 수 있을 것이며 생명현상을 이해하는 새로운 방법을 제시할 수 있을 것이다.; The completed sequence produced by the Human Genome Project (HGP) covers 99% of the human genome. About 30,000 genes were identified in human genome but only fraction of the gene functions are conformed by biological experiment. The sequence identity between human and chimpanzee was within the range of 98.8%. The 1.2% difference between humans and chimps makes huge difference and this difference may come from the altered gene regulatory network, rather than changes in sequence. This might explain how so few genetic differences could produce the huge phenotype differences between the two. Therefore, gene regulatory network analysis and integration method between gene expression and regulation are important to understand cellular biochemical mechanism, and are more informative method than biochemical experiment for single gene. Gene regulatory network analysis needs large experiment data for gene expression and regulation. Tissue specific genes prediction method was developed which utilizes the sequence homology base on the publically available data sets. With this method human stem cell specific genes were predicted by using EST, Refseq and human genome from NCBI. It is important to understand spatial and temporal control of gene expression during the development. To address this, Mouse Atlas of gene expression project (Atlas) completed the digital gene-expression profiles using SAGE from total 200 mouse cells in different developmental stages. We analyzed the gene expression profile from Atlas. We predicted several transcription factors which might play crucial roles in stage and tissue specific during the mouse brain development. Gene expression in mammalian cells is regulated by complicated function of multiple transcription factors. Combinatorial regulation by transcription factor complexes is an important feature of gene regulation. We developed prediction system for putative multiple transcription factors in the promoter regions of known genes using Markov chain and greedy algorithm. We predicted combinations of transcription factors in 100bp promoter region of genes and calculated sensitivity was 30%. Transcription regulations of genes are one of the most important processes of gene expression. In transcription regulation process, transcription factors regulate the timing and amount of the gene expression. The gene set which are regulated by the same transcription factor is defined as a module. The modules are the subset of complex network among the genes and proteins. Today most of gene functions were annotated. In yeast genome there are about 6000 genes and about 30% of their function and the process they involved in are known. I propose a method that predict module from the expression profile of genes. To identify module in yeast, we used Support Vector Machine (SVM) and regulation program. With this methods, I analyzed Chromatin immunoprecipitation (Lee et al, 2002), mutation experiment for transcription factors (Chua et al, 2006) and large DNA microarray data (Gasch et al, 2000) to identify the modules in yeast cell. We validated our method compare with other module prediction programs. Accuracy was calculated 0.67 in cell cycle module, 0.714 in mapk signaling pathway module and 0.727 in transport module. To show regulated relationship between genes and transcription factors, we visualized gene regulation module using regulation program. In this study, I show new approach to understand transcription mechanism using data integration about gene expression and regulation data.