DNAからタンパク質への翻訳ツール - コドン・アミノ酸変換

DNAからタンパク質への翻訳ツールは、標準遺伝暗号を使ってDNAまたはRNA配列を、それがコードするアミノ酸の鎖に変換する。配列を3塩基ずつ読み取り、64種類のコドンからなる固定表でそれぞれの三つ組を照合する。

翻訳の仕組み

遺伝子はA、C、G、T(RNAではU)の4文字で書かれている。細胞はこれらの文字を、コドンと呼ばれる重複しない3文字の組として読み取る。各コドンは1つのアミノ酸、または鎖を終わらせる終止信号のいずれかを表す。

このツールはまず入力を整える。小文字を大文字に変換し、空白、改行、数字を取り除き、すべてのUをTに置き換える。RNAのウラシルはDNAのチミンと同じコドンとして対になるためである。次に、Nのようなあいまい表記を含む、A、C、G、T以外の文字をすべて拒否する。これにより配列が誤って翻訳されることはない。

標準遺伝暗号

このツールはNCBI翻訳表1「標準コード」を使用する。これはヒトを含むほとんどの生物で使われている遺伝暗号である。64通りあるコドンのそれぞれを、20種類のアミノ酸のいずれか、または終止信号に割り当てる。

3つのコドンは終止コドンである。TAA、TAG、TGAがそれにあたる。これらはいずれもアミノ酸をコードしない。ツールはこれらに到達すると、そこで翻訳を終える。終止コドン自体はタンパク質に加えられず、それ以降の塩基は無視される。

コドンATGはアミノ酸メチオニン(Met、M)をコードする。ほとんどの生物では、ATGは開始コドン、つまりリボソームが遺伝子を読み始めるコドンとしても働く。

読み枠

DNA配列は、どの塩基から数え始めるかによって、読み枠と呼ばれる3通りの異なる方法で読み取ることができる。

• フレーム1は最初の塩基から始まる。
• フレーム2は2番目の塩基から始まり、最初の塩基を飛ばす。
• フレーム3は3番目の塩基から始まり、最初の2塩基を飛ばす。

たとえ1塩基でもフレームをずらすと、それ以降のすべてのコドンが変わる。そのため、同じ配列から3種類のまったく異なるアミノ酸鎖が生じうる。通常、実際の遺伝子コード領域となるフレームは1つだけである。

最初の開始コドンまでの検索

既定の設定では、このツールは選ばれたフレームの最初の塩基から翻訳を始める。そのコドンが何であるかは問わない。この動作はツールが従来から持っていた挙動と一致し、すでに1番目の位置からフレームが合っていると分かっている配列を翻訳する際に役立つ。

任意設定の「最初の開始コドンまで検索」は、翻訳の開始位置を変えるものであり、翻訳の方法自体は変えない。これをオンにすると、ツールは選ばれたフレームに沿って最初のATGコドンを探し、そこから翻訳を始め、それより前の塩基は読み飛ばす。これは、より長い配列の任意の位置から翻訳するのではなく、リボソームがオープンリーディングフレーム(ORF)の開始点を見つける様子を模したものである。そのフレームにATGが存在しない場合、ツールは推測することなく、開始コドンが見つからなかったことを報告する。

この設定をオフにすると、元の動作、すなわちフレームの先頭からの翻訳に戻る。

DNAからタンパク質への翻訳の計算方法

1. DNAまたはRNA配列を入力する。空白、改行、数字、FASTA形式の文字は自動的に無視される。
2. 読み枠を選ぶ。1、2、3のいずれかである。
3. 必要に応じて「最初の開始コドンまで検索」をオンにし、フレームの先頭ではなく、フレーム内最初のATGから開始する。
4. ツールは配列を3塩基ずつ読み取り、各コドンを標準遺伝暗号で照合し、最初の終止コドンで止まる。
5. 結果は、1文字のアミノ酸コードで書かれたタンパク質配列と、コドンごとの内訳である。

計算例

配列: ATGGCCTAA、読み枠1、開始コドン検索オフ。

タンパク質はMAである。翻訳はTAAで止まるため、それ以降は読み取られない。

次に、より長い配列CCCATGGCCTAAをフレーム1で見てみる。検索がオフの場合、ツールは最初の塩基から読み取る。CCC(Pro)、ATG(Met)、GCC(Ala)、続いてTAA(終止)となり、タンパク質はPMAになる。検索をオンにすると、ツールはCCCを飛ばして最初のATGから始め、ATG(Met)、GCC(Ala)、続いてTAA(終止)を読み取り、タンパク質はMAになる。どちらも同じ配列に対する正しい出力であるが、それぞれ異なる問いに答えている。一方はフレーム内のすべてを読み、もう一方はATGから始まるオープンリーディングフレームだけを読む。

よくある質問

コドンとは何か？

コドンは3つのDNAまたはRNA塩基からなる組である。64通りあるコドンのそれぞれは、標準遺伝暗号に基づいて、1つのアミノ酸または終止信号を表す。

なぜ翻訳は終止コドンで止まるのか？

TAA、TAG、TGAはアミノ酸をコードしない。これらは終止信号である。実際の遺伝子を読むリボソームは、その時点で完成したタンパク質鎖を放出する。そのためこのツールも同じように動作し、それ以降の塩基を無視する。

読み枠とは何か、なぜ重要なのか？

配列をコドンに分割する際の起点のことである。1塩基または2塩基後ろから始めると、それ以降のすべてのコドンが変わる。そのため、同じDNAでも3通りの読み方があり、通常はそのうち1つだけが実際のコード配列である。

「最初の開始コドンまで検索」は何を変えるのか？

これは翻訳の開始位置を変えるものであり、使用する遺伝暗号は変えない。オンにすると、ツールは選ばれたフレーム内を先へ進み、最初のATGを見つけてそこから翻訳する。これはリボソームが開始コドンから始める様子と同じである。オフにすると、翻訳はフレームの最初の塩基から始まる。

RNA配列を貼り付けてもよいか？

可能である。RNAのウラシルとDNAのチミンは同じコドンの意味で対になるため、このツールはUをTと同じものとして扱う。大文字と小文字のどちらも受け付ける。

配列にA、C、G、T、U以外の文字が含まれている場合はどうなるか？

ツールは無効な文字を検出し、配列を翻訳しない。これには、質の低いシーケンシングデータによく見られるNのようなあいまい表記も含まれ、これらは翻訳への有効な入力ではない。

配列の長さが3の倍数でない場合はどうなるか？

ツールは完成した各コドンをすべて翻訳し、余った1塩基または2塩基については、それが何をコードするか推測することなく、別途報告する。