차세대 염기서열 해독 기술에 의해 해독되는 미생물 유전체의 수가 급증하고 있는 가운데, 자동화된 주석 처리 시스템은 수많은 유전체 정보를 처리하는 점에서 더욱 더 주목되고 있다. 해독된 미생물 유전체를 주석 처리하는 과정에서 주석 처리 결과의 민감도(sensitivity) 향상을 위하여 두 개 이상의 유전자 예측 프로그램을 사용하는 것이 효과적이지만, 잘못 예측된 유전자의 수가 증가하여 낮은 특이도(specificity)와 정확도(accuracy)를 보이는 문제가 있다. 많은 주석 처리 시스템은 예측된 유전자로부터 단백질을 암호화하는 유전자(coding sequence)와 위유전자(pseudogene)를 구분하지 않기 때문에 주석 처리 결과의 질적 향상을 위해 전문가들이 수작업으로 주석 내용을 수정하고 있는 것이 현실이다. 본 논문에서는 두 개 이상의 프로그램에 의해 예측된 유전자들 중에서 정확한 유전자를 구분하고, 위유전자를 예측하여 미생물 유전체 주석 처리 결과의 질적인 향상에 기여할 수 있는 GeneCuraid 알고리즘을 소개한다. 대장균 K-12 MG1655 유전체 염기서열을 대상으로 GeneCuraid 알고리즘을 시험한 결과, 98.09% 민감도, 24.33% 특이도 그리고 91.90%의 정확도를 보임으로써, CRITICA, GLIMMER, GeneMarkS, 그리고 AutoFACT 프로그램으로 구성한 주석 시스템 결과보다 더 높게 나타났다. 따라서 GeneCuraid 알고리즘은 정확한 단백질 발현 유전자를 구분하고 위유전자를 예측함으로써 해독된 유전체 주석의 질을 더욱 향상시키고, 정확한 단백질 발현 유전자 및 위유전자를 수작업으로 결정하는데 소비되는 많은 시간과 비용을 절감시킬 것으로 기대된다.
As more and more microbial genomes are being sequenced by next-generation sequencing technologies, automated genome annotation systems have become more important to process a vast amount of genome sequence information. The usage of multiple gene prediction programs warrants higher sensitivity, but this approach is ineffective in terms of specificity and accuracy because of increasing false positives. Furthermore, since many automated genome annotation systems do not distinguish pseudogenes from functional genes, manual curation is necessary to ensure high-quality annotation which is time-consuming and not always feasible. We developed GeneCuraid that aids the high confidence curation of protein coding sequences and pseudogenes from genes predicted by automatic annotation tools. When the genome sequence of Escherichia coli K-12 MG1655 was used as a test data set, the algorithm improved specificity and accuracy of the annotation results were 24.33% and 91.90%, while maintaining sensitivity as high as 98.09%. Therefore, we expect that GeneCuraid algorithm would attain the high quality genome annotation and help to reduce time and cost in manually determining correct protein-coding genes and pseudogenes.
