AniAnn's: alignment-free annotation of tandem repeat arrays using fast average nucleotide identity estimates

Stellen Sie sich ein Genom wie eine riesige Bibliothek voller Bücher vor. Die meisten Bücher enthalten einzigartige, interessante Geschichten. Aber versteckt im hinteren Teil befinden sich riesige Abschnitte, die mit Seiten gefüllt sind, auf denen immer wieder derselbe Satz steht, wie zum Beispiel „Der schnelle braune Fuchs springt über den faulen Hund“, millionenfach hintereinander geschrieben. In der Welt der DNA werden diese als Tandem-Wiederholungen oder Satelliten-DNA bezeichnet.

Lange Zeit war der Versuch, diese repetitiven Abschnitte zu lesen oder zu kartieren, wie der Versuch, ein Labyrinth zu durchqueren, in dem jede Abzweigung exakt gleich aussieht. Da der Text so repetitiv und simpel ist, werden Computerprogramme verwirrt, verlieren die Orientierung und haben Schwierigkeiten zu bestimmen, wo ein Block von Wiederholungen beginnt und wo er endet. Dies hat dazu geführt, dass ein riesiger Teil der genetischen Bibliothek unteruntersucht und schlecht verstanden blieb.

Hier kommt „AniAnn's“ (oder AniAnns), der neue Bibliothekar, ins Spiel.

Die Forscher hinter dieser Arbeit haben ein neues Werkzeug namens AniAnns entwickelt, um genau dieses Problem zu lösen. So funktioniert es, unter Verwendung einer einfachen Analogie:

Stellen Sie sich einen einzelnen Block sich wiederholender DNA wie eine lange Kette aus identischen Lego-Steinen vor. Auch wenn sie gleich aussehen, weist jeder Stein bei genauem Hinsehen winzige, fast unsichtbare Kratzer oder Variationen auf. Das Werkzeug AniAnns fungiert wie ein superschneller Scanner, der prüft, wie ähnlich sich diese Steine ihren Nachbarn sind.

Anstatt zu versuchen, jeden einzelnen Buchstaben der DNA zu lesen (was langsam und verwirrend ist), nutzt AniAnns eine Abkürzung namens Average Nucleotide Identity (ANI). Es ist so, als würde man fragen: „Wie sehr ähneln sich diese zwei Seiten?“ Wenn die Seiten zu 99 % identisch sind, weiß das Werkzeug, dass sie zum selben sich wiederholenden Block gehören. Wenn die Ähnlichkeit sinkt, weiß es, dass der Block zu Ende ist.

Warum ist das eine große Sache?

• Geschwindigkeit: Die Arbeit behauptt, dass AniAnns unglaublich schnell ist. Es erledigt die Aufgabe in einem Bruchteil der Zeit, die ältere Methoden benötigen. Es ist der Unterschied zwischen dem Gehen durch ein Labyrinth Schritt für Schritt und dem Flug mit einem Hubschrauber, um die Grenzen von oben zu erspähen.
• Genauigkeit: Es kann die Kanten dieser Wiederholungsblöcke finden, selbst wenn die Sequenzen etwas unterschiedlich oder „divergent“ sind (wie eine Lego-Kette, bei der einige Steine leicht andere Farben haben).
• Vielseitigkeit: Das Werkzeug funktioniert gut bei DNA von sowohl Pflanzen als auch Tieren.

Was kann man damit machen?

Laut der Arbeit hat dieses Werkzeug zwei Hauptanwendungsgebiete:

1. Maskierung: Bevor Wissenschaftler versuchen, zwei komplette Genome zu vergleichen (wie etwa das Vergleichen zweier verschiedener Arten-Bibliotheken), können sie AniAnns nutzen, um „Nicht lesen“-Schilder über die repetitiven Abschnitte zu setzen. Dies verhindert, dass der Computer durch das „Rauschen“ abgelenkt wird, und hilft ihm, sich auf die einzigartigen Teile des Genoms zu konzentrieren.
2. Kartierung und Klassifizierung: Es hilft Wissenschaftlern, eine klare Karte davon zu zeichnen, wo sich diese Wiederholungsblöcke befinden und um welche Art es sich handelt, ohne dass sie das gesamte Genom vorher perfekt zusammensetzen müssen.

Kurz gesagt: AniAnns ist ein schnelles Open-Source-Werkzeug, das Wissenschaftlern hilft, endlich das verwirrende, repetitive „Rauschen“ in unserem genetischen Code zu verstehen, wodurch es möglich wird, diese geheimnisvollen Teile des Genoms viel einfacher zu untersuchen als zuvor. Sie finden das Werkzeug kostenlos auf GitHub.