The Reactome Pathway Knowledgebase 2024
以下は、上記の論文のアブストラクトをChatGPTに解釈させたものです。解釈の正確性について保証はいたしません。
本研究の学術的背景は、生物学的プロセスのネットワークを手動でアノテーションし、それをデータモデル化することにあります。研究の核心の学術的な問いは、Reactome Knowledgebaseがどのように生物学的なプロセスを理解し、他の関連するリソースとの連携を図ることができるのか、という点です。
本研究の目的は、ヒトプロテオーム全体のアノテーション、疾患原因遺伝子変異と小分子薬の経路情報のアノテーション、細胞や組織特異的な経路情報の明示的なアノテーションの進展を検証することです。学術的な独自性と創造性は、手動でアノテーションされた詳細な生物学的プロセスのデータモデルを使用して、機能的な関係を発見するツールとしてのReactomeの役割を確立することにあります。
本研究の着想は、細胞や組織の生物学的プロセスを分子反応のネットワークとして表現するというアイデアから生まれました。関連する国内外の研究動向としては、個々の反応や反応系列を捉えるRheaやKEGG、MetaCycなどのオンラインリソースがあります。Reactomeは、Homo sapiensという単一の種にフォーカスし、一貫したデータモデルを適用することで、生物学のすべての領域にわたって手動でアノテーションを行っています。
本研究では、細胞内の生物学的プロセスを分子反応のネットワークとして詳細に記述し、ヒトタンパク質や遺伝子の機能と関連付けることに成功しています。現在のReactome Knowledgebaseには、11,148個のタンパク質コード遺伝子、14,803の反応、37,156の文献参考情報が収録されており、これらの反応は2647の経路に分類されています。また、遺伝病のアノテーションや感染症の経路情報も提供されています。
本研究の有効性は、Reactomeが既存のデータベースやリソースと連携し、コミュニティリソースネットワークとして維持するための取り組みを行っていることによって検証されています。また、Reactomeのデータモデルを活用して、遺伝子発現プロファイルや腫瘍細胞の変異カタログなどのデータから機能的な関係を発見することが可能であることが示されています。
この記事が気に入ったらサポートをしてみませんか？