Genenpredictie

Genenpredictie, of genenpredictie in het Nederlands, is het proces waarbij computers een DNA-sequentie analyseren om regio’s te identificeren die genen coderende informatie bevatten, inclusief exons en introns, en vaak ook regulerende elementen. Het doel is het opstellen van gene modellen die de structuur en locatie van genen aangeven, zodat vervolgonderzoeken zoals transcriptie en functionele annotatie kunnen worden ondersteund.

Er bestaan twee hoofdbenaderingen: ab initio (de novo) en op basis van bewijs (evidence-based). Ab initio voorspelt genen op basis van intrinsieke signalen in de sequentie, zoals start- en stopcodons, splice-sites, codon-bias en lengtepatronen. Evidence-based methoden maken gebruik van vergelijkingen met bekende genen of transcriptgegevens (bijvoorbeeld RNA-Seq, ESTs) om modellen en annotaties te onderbouwen. Vaak worden beide benaderingen gecombineerd voor betere nauwkeurigheid.

Veel gebruikte methoden omvatten statistische modellen zoals hidden Markov models, machine learning-technieken en homologie-gebaseerde annotatie. Voorbeelden van tools zijn AUGUSTUS, GeneMark, GlimmerHMM en SNAP. Input bestaat uit genomische sequenties, transcriptdata en proteïne-homologie. Output zijn predicties van genen met exon-intron structuren, start- en stopcodons en vaak ook UTR-gebied.

Toepassingen van genenpredictie zijn onder meer de annotatie van genomen, vergelijkende genomica en functionele interpretatie van genen. Belangrijke uitdagingen zijn onder andere de complexiteit van alternatieve splicing, overlappende genen, niet-coderende RNA-genen en repetitieve gebieden; de nauwkeurigheid varieert tussen soorten en afhankelijk van beschikbare bewijsmateriaal. Validatie gebeurt vaak via geannoteerde referenties zoals Gencode of RefSeq en met nauwkeurigheidsmetingen zoals sensitiviteit en F1-score. Historisch heeft de theorie van genenpredictie zich ontwikkeld van puur ab initio naar geïntegreerde, op bewijs gebaseerde annotatie in het licht van grote RNA-seq datasets.