A pangenome-graph approach for mapping and imputing barley sequences

Stellen Sie sich vor, Sie versuchen, eine riesige Bibliothek zu organisieren, aber anstelle von Büchern sind die Regale mit den Bedienungsanleitungen gefüllt, um Lebewesen zu bauen. Dies ist die Welt der Genomik, der Wissenschaft vom Lesen und Verstehen der DNA, die jede Pflanze, jedes Tier und jeden Menschen einzigartig macht. Lange Zeit versuchten Wissenschaftler, diese Bibliothek zu organisieren, indem sie nur ein einziges „perfektes“ Buch als das Master-Exemplar auswählten. Sie verglichen jedes neue Buch, das sie fanden, mit diesem einen Master-Exemplar und nahmen an, dass alle Unterschiede lediglich Tippfehler oder fehlende Seiten seien. Aber was, wenn das Master-Exemplar ganze Kapitel fehlen, die andere Bücher enthalten? Was, wenn die „Tippfehler“ in Wirklichkeit völlig neue Geschichten sind? Dies ist besonders knifflig bei Nutzpflanzen wie Gerste, die über riesige, komplizierte Bedienungsanleitungen voller sich wiederholender Muster verfügen, die schwer zu lesen sind. Wissenschaftler kümmern sich darum, weil wir, wenn wir Lebensmittel anbauen wollen, die Dürren, Schädlingen oder dem Klimawandel standhalten können, das gesamte Bild der genetischen Vielfalt sehen müssen und nicht nur die Version, die in einer einzigen Pflanze vorkommt.

Hier kommen die Forscher hinter dieser neuen Studie ins Spiel, die beschlossen haben, nicht länger ein einzelnes Master-Buch zu verwenden, sondern eine riesige, miteinander verbundene Karte der gesamten Gerstenfamilie zu erstellen. Sie begannen mit dem bestehenden „MorexV3“-Referenzgenom, was wie das vollständigste einzelne Buch ist, das sie hatten, aber sie erkannten, dass dies nicht ausreichte, um die wilde Vielfalt der Gerste abzubilden, die in den Feldern auf der ganzen Welt zu finden ist. So konstruierten sie etwas, das man „Pan20“ nennt, einen Pangenom-Graphen. Stellen Sie sich diesen Graphen nicht als eine gerade Textlinie vor, sondern als einen weitläufigen U-Bahn-Plan. In einem normalen Buch lesen Sie von Anfang bis Ende in einer geraden Linie. In diesem U-Bahn-Plan verzweigen sich die Gleise (DNA-Sequenzen), führen Schleifen und verbinden sich wieder. Einige Stationen (Gene) liegen auf jeder U-Bahn-Linie, während andere nur auf bestimmten Routen zu finden sind, die von bestimmten Gerstensorten befahren werden. Dieser Graph erfasst die „globale Diversität“ von Landrassen und Kultivaren, was bedeutet, dass er die genetischen Geheimnisse von Gerstenarten enthält, die das alte einzelne Buch völlig übersehen hat.

Um diese Karte nutzbar zu machen, mussten das Team herausfinden, wie man ein neues, unbekanntes Stück Gersten-DNA nimmt und bestimmt, wo es in diesem komplexen U-Bahn-System hineinpasst. Sie entwickelten eine clevere zweistufige Strategie. Zuerst verwendeten sie ein Werkzeug namens GMAP, um eine grobe Vorstellung davon zu bekommen, wo das Stück hingehört – so ähnlich wie die Verwendung eines GPS, um das allgemeine Viertel zu finden. Dann nutzten sie einen „Practical Haplotype Graph“ (PHG), um heranzuzoomen und die exakte Haltestelle zu finden. Dies ist vergleichbar damit, dass man nach der GPS-Lokalisierung einen detaillierten lokalen Fahrplan prüft, um zu sehen, auf welcher spezifischen Buslinie man sich befindet. Diese Methode ermöglicht es ihnen, „Presence-Absence Variation“ zu detektieren, was eine schicke Art zu sagen, dass sie erkennen können, ob ein bestimmtes Stück DNA vorhanden ist oder ganz fehlt, anstatt nur nach kleinen Schreibfehlern zu suchen. Entscheidend ist, dass dieses System alles mit dem ursprünglichen MorexV3-Koordinatensystem in Einklang hält, sodass Wissenschaftler weiterhin unter Verwendung derselben Kartenkoordinaten miteinander kommunizieren können, selbst wenn sie auf völlig unterschiedliche genetische Pfade blicken.

Die Ergebnisse beim Testen dieses neuen Graphen waren sehr aufschlussreich. Als sie versuchten, lange Stränge von Gersten-DNA und RNA (den Arbeitskopien der Anleitungen) gegen diesen Graphen abzubilden, funktionierte es wunderbar. Tatsächlich fanden sie heraus, dass etwa ein Drittel der getesteten langen genomischen Sequenzen im ursprünglichen Referenzgenom überhaupt nicht passte; sie ergaben nur Sinn, wenn sie auf den „Nicht-Referenz“-Teilen des Graphen platziert wurden. Dies beweist, dass das Vertrauen auf ein einzelnes Buch einen massiven Teil der Geschichte ausließ. Darüber hinaus testeten sie dies mit realen Daten aus „Genotyping by Sequencing“ und „Low-Pass Sequencing“ (Methoden, die die DNA schnell und günstig lesen, aber nicht perfekt sind). Der Graph bewältigte diese unordentlichen, unvollständigen Datendateien effizient und füllte die fehlenden Lücken (Imputation) erfolgreich auf, während er den lokalen Kontext der genetischen „Nachbarschaft“ intakt hielt.

Das Paper legt nahe, dass dieser flexible Rahmen ein Wendepunkt für die Gerstenforschung ist. Er ermöglicht es, die genetische Vielfalt über einen einzelnen Referenzpunkt hinaus zu erforschen und Gruppen von Pflanzen auf der Ebene ganzer Haplotypen (Blöcke von Genen, die gemeinsam vererbt werden) zu analysieren, anstatt nur nach einzelnen Buchstabenänderungen (SNPs) zu suchen. Obwohl das Paper nicht behauptet, dass dies alle Probleme in der Landwirtschaft löst, demonstriert es, dass der Graph in der Lage ist, Sequenzen genau abzugleichen und den komplexen Kontext des Genoms zu bewahren. Das Team hat seine Werkzeuge der Öffentlichkeit zugänglich gemacht, einschließlich eines Docker-Containers für eine einfache Einrichtung und einer Web-Anwendung, über die Menschen ihre eigenen Sequenzen mappen können – eine Einladung an die wissenschaftliche Gemeinschaft, die reiche, verzweigte Geschichte der Gerste gemeinsam zu erkunden.