NCBIで遺伝子について調べていると、
- NM_000061.3
- NC_000023.11
- NP_000052.1
など、アルファベットと数字を組み合わせた番号が出てきます。
これらは一見よく似ていますが、実はそれぞれ異なる種類の配列を表しています。
例えば、NM_はmRNA、NC_は染色体などのゲノム配列、NP_はタンパク質の配列を表します。
今回は、NCBIでよく見かけるRefSeqアクセッション番号について、その意味や使い分けを初心者向けに整理します。
RefSeqアクセッション番号とは？
NCBIには、DNAやRNA、タンパク質など、さまざまな配列情報が登録されています。
NCBIが提供する配列データベースの一つが、RefSeq（Reference Sequence）です。
RefSeq（Reference Sequence）は、日本語で「参照配列」という意味です。遺伝子の位置や変異を調べる際などに、比較の基準として利用される配列を指します。
RefSeqには、NCBIが整備したゲノム、RNA、タンパク質などの参照配列が収録されています。
そして、それぞれの配列を区別するために付けられた固有の番号を、アクセッション番号（accession number）といいます。
例えば、BTK遺伝子について調べると、
NM_000061.3
という番号が出てきます。
一方、BTKが存在するX染色体には、
NC_000023.11
という番号が付いています。
なぜ番号が違うのでしょうか？
それは、参照している配列が違うからです。
NM_・NC_・NP_の違い
RefSeqのアクセッション番号は、先頭のアルファベットを見ると、どのような配列なのかを大まかに判断できます。
| 接頭辞 | 表している配列 |
|---|---|
| NM_ | タンパク質をコードするmRNA |
| NR_ | タンパク質をコードしないRNA |
| NP_ | タンパク質 |
| NC_ | 染色体などの完全なゲノム分子 |
| NG_ | 遺伝子領域などのゲノム配列 |
例えば、BTK遺伝子の場合、
- NM_000061.3
→ BTKのmRNAの参照配列 - NC_000023.11
→ BTKが存在するX染色体のゲノム配列（GRCh38） - NP_000052.1
→ BTKのタンパク質の参照配列
を表しています。
このように、BTKについて調べる場合でも、mRNA、タンパク質、BTKが存在する染色体では、それぞれ参照する配列が異なります。
ちなみに、私はNM_やNC_の先頭にある「N」は、Number（番号）の頭文字だと思っていましたが、実際のところ、何を意味するのか詳しくは分かりません。
ただし、NM_やNC_などの接頭辞は、配列の種類などを区別するために使われています。
そのため、Nだけで意味を判断するのではなく、NM_やNC_のように、続く文字と組み合わせて覚えると分かりやすいと思います。
なぜ参照する配列を区別する必要があるのか？
例えば、遺伝子の配列について調べているとします。
このとき、ある位置を「100番目」とだけ伝えられても、どの配列の100番目なのか分かりません。
- mRNAの100番目なのか
- X染色体の100番目なのか
- タンパク質の100番目のアミノ酸なのか
これらは、まったく異なる位置を指します。
そのため、変異の位置を正確に伝えるには、どの参照配列を基準にしているのかを明確にする必要があります。
アクセッション番号は、その基準となる配列を指定するためにも使われています。
同じ遺伝子でも、mRNAが複数存在することがある
実は、同じ遺伝子から作られるmRNAは、必ずしも1種類とは限りません。
例えば、ある遺伝子にエクソンが3つあるとします。
このとき、エクソン1・2・3をすべて含むmRNAが作られる場合もあれば、エクソン2を飛ばして、エクソン1・3だけをつないだmRNAが作られる場合もあります。
このように、エクソンのつなぎ方を変えて異なるmRNAを作る仕組みを、選択的スプライシングといいます。
できあがったmRNAはそれぞれ塩基配列が異なるため、RefSeqでは別々のアクセッション番号で区別されます。
つまり、1つの遺伝子に対して、複数のNM_番号が存在することもあるのです。
NR_・NG_・NP_はどんなときに使う？
NM_やNC_以外にも、NCBIではさまざまなRefSeqアクセッション番号が使われています。
ここでは、NR_・NG_・NP_について、実際にどのような場面で使うのかを紹介します。
NR_：タンパク質を作らないRNAを調べるとき
NR_は、タンパク質をコードしないRNA（non-coding RNA）の参照配列を表します。
RNAというと、mRNAのようにタンパク質を作るための情報を運ぶものを思い浮かべるかもしれません。
しかし、RNAにはタンパク質に翻訳されず、RNAそのものが細胞内で働くものもあります。
例えば、がん細胞と正常細胞で、特定のノンコーディングRNAの発現量を比較する研究があります。
このような研究では、NR_の参照配列を確認し、RT-qPCR用のプライマーを設計することがあります。
また、RNA-seqによる発現解析や、RNA FISHによる細胞内での局在解析にも、ノンコーディングRNAの配列情報が利用されます。
つまり、NR_は、タンパク質に翻訳されないRNAの配列や発現を調べるときに役立つアクセッション番号です。
NM_はタンパク質をコードするmRNA、NR_はタンパク質をコードしないRNAという違いがあります。
NG_：特定の遺伝子領域を調べるとき
NG_は、特定の遺伝子領域などを表すゲノム参照配列です。
NC_との違いが少し分かりにくいかもしれません。
例えば、NC_000023.11はX染色体全体の参照配列です。
一方、NG_には、特定の遺伝子とその周辺領域を対象としたRefSeqGeneなどがあります。
RefSeqGeneでは、エクソンだけでなく、イントロンや遺伝子の周辺配列も含めて確認できます。
そのため、特定の遺伝子について、イントロンを含むゲノムDNAの配列や変異の位置を調べたい場合に役立ちます。
ただし、すべての遺伝子にNG_が用意されているわけではありません。また、NG_とNC_では配列の基準となる位置が異なるため、目的に応じて使い分けます。
NC_は染色体全体、NG_は特定の遺伝子領域などと覚えておくと、違いが分かりやすくなります。
NP_：タンパク質のアミノ酸配列を調べるとき
NP_は、タンパク質の参照配列を表します。
NM_がmRNAの塩基配列を示すのに対し、NP_はタンパク質のアミノ酸配列を示します。
例えば、遺伝子変異によってタンパク質のアミノ酸が置き換わる場合を考えてみます。
変異をmRNAなどの転写産物を基準に表すときにはNM_を使用しますが、タンパク質のどのアミノ酸が変化したのかを確認するときにはNP_が役立ちます。
また、タンパク質のアミノ酸配列を取得して、配列比較や機能解析に利用することもできます。
つまり、NM_はmRNAの塩基配列、NP_はタンパク質のアミノ酸配列という違いがあります。
どのアクセッション番号を使えばいい？
ここまでの内容をまとめると、次のようになります。
| 調べたいこと | アクセッション番号の接頭辞 |
|---|---|
| mRNAの塩基配列 | NM_ |
| タンパク質をコードしないRNA | NR_ |
| タンパク質のアミノ酸配列 | NP_ |
| 染色体上のゲノム配列 | NC_ |
| 特定の遺伝子領域のゲノム配列 | NG_ |
もちろん、実際には目的に応じて複数の参照配列を使い分けることもあります。
最初からすべて覚える必要はありません。
まずは、何を調べたいのかによって、参照する配列が変わることを理解しておけば十分だと思います。
NM_とNC_はどう使い分ける？
例えば、BTK遺伝子の変異について調べる場合を考えてみます。
mRNAの塩基配列や、タンパク質をコードする領域（CDS）を確認したい場合には、NM_000061.3を参照します。
一方、X染色体上の位置や、変異周辺のゲノムDNA配列を確認したい場合には、NC_000023.11を参照します。
ここで注意したいのは、mRNAとゲノムDNAでは座標が異なるということです。
mRNAでは、スプライシングによってイントロンが取り除かれています。
一方、ゲノムDNAにはイントロンも含まれています。
そのため、同じ遺伝子の同じ塩基を調べていても、どの参照配列を使うかによって位置の表し方が変わります。
私も実際に、mRNAのRefSeqを開いたままゲノム座標を入力して、目的の配列が表示されずに迷ったことがあります。
NCBIで配列を調べるときは、まず今どのアクセッション番号を開いているのか確認することが大切です。
最後の「.3」や「.11」は何？
NM_000061.3やNC_000023.11の最後に付いている数字は、バージョン番号です。
例えば、NM_000061.3なら、末尾の「.3」がバージョン番号で、その配列のバージョン3を表しています。
RefSeqでは、登録されている塩基配列やアミノ酸配列が変更されると、バージョン番号が更新されます。
そのため、変異の位置を調べたり、PCRプライマーを設計したりする場合には、アクセッション番号だけでなく、バージョンまで確認することが重要です。
まとめ｜まずは先頭のアルファベットを確認しよう
NCBIのRefSeqアクセッション番号は、一見すると意味の分からない英数字の羅列に見えます。
しかし、先頭の2文字を確認するだけでも、何の配列を見ているのかが大まかに分かります。
- NM_：mRNA
- NC_：染色体などのゲノム配列
- NP_：タンパク質
まずは、この3つを覚えておくと便利です。
NCBIで迷ったときには、
「私は今、何の配列を見ているんだろう？」
と確認してみてください。
それだけでも、配列情報がずっと読みやすくなると思います。
