Efficient and precise discovery of LTR-retrotransposon families using HiRepEat
Dieses Paper stellt HiRepEat vor, ein schnelles und speichereffizientes Rechenframework, das den TACO-Repeat-Kompressor und das SALSA-Koordinatenabbildungssystem mit einem adaptierten Wavefront-Alignment-Algorithmus kombiniert, um LTR-Retrotransposon-Familien über diverse Vertebraten- und Drosophila-Genome hinweg präzise zu identifizieren, zu clustern und zu analysieren.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Genome sind die Bedienungsanleitungen des Lebens, geschrieben in einem Code aus vier chemischen Buchstaben. Aber diese Anleitungen sind keine sauberen, linearen Dokumente; sie sind gefüllt mit uralten, repetitiven Passagen, die sich selbst kopieren und durch den Text selbst einfügen. Einer der wichtigsten Typen dieser selbstreplizierenden Elemente sind die Long Terminal Repeat-Retrotransposons. Dies sind genetische Sequenzen, die eine Kopie von sich selbst mithilfe eines RNA-Zwischenprodukts erstellen und diese Kopie wieder in das Genom einfügen können. Über Millionen von Jahren haben sie sich so stark akkumuliert, dass sie in vielen Tieren einen signifikanten Teil der gesamten DNA ausmachen. Zu verstehen, wo sich diese Elemente befinden und wie sie sich im Laufe der Zeit verändert haben, ist entscheidend für das Verständnis der Evolution, aber sie zu finden, ist notorisch schwierig. Da sie sich so ähnlich sind und oft in anderen repetitiven Sequenzen vergraben liegen, haben Standard-Computertools Schwierigkeiten, sie vom Rauschen oder voneinander zu unterscheiden, wodurch sie oft ältere Familien übersehen oder verwirrende, ungenaue Karten erstellen.
Ein Forscherteam hat eine neue Methode namens HiRepEat entwickelt, um dieses Problem zu lösen, die einen schnelleren und präziseren Weg bietet, um diese genetischen Reisenden zu finden. Die Kernidee hinter ihrem Ansatz besteht darin, das Genom von Ablenkungen zu bereinigen, bevor nach den spezifischen Elementen von Interesse gesucht wird. Der Prozess beginnt mit der Identifizierung und Komprimierung von Tandem-Repeats, also Sequenzen, die direkt nebeneinander in langen, identischen Reihen liegen. Diese Tandem-Repeats verwirren die Detektionssoftware oft, daher nutzen die Forscher ein Werkzeug, das sie TACO nannten, um diese langen Reihen auf eine einzige repräsentative Kopie zu reduzieren. Sie behalten eine detaillierte Karte, genannt SALSA, die genau aufzeichnet, wo die entfernten Kopien lagen, um sicherzustellen, dass keine Informationen verloren gehen und die ursprünglichen Positionen später wiederhergestellt werden können. Durch das Entfernen dieser dichten Blöcke von Wiederholungen wird das Genom viel leichter lesbar, was es der Software ermöglicht, die komplexeren, verstreuten Retrotransposons zu entdecken, die zuvor verborgen waren.
Sobald das Genom vereinfacht wurde, scannt die Software nach Kandidaten für Retrotransposons und sucht nach der spezifischen strukturellen Signatur dieser Elemente: zwei passenden Enden, die eine zentrale Region flankieren. Wenn potenzielle Kandidaten gefunden werden, gruppieren die Forscher diese nicht einfach baseinander basierend auf einem schnellen Ähnlichkeitscheck, eine Methode, die oft zu Fehlern führt. Stattdessen erstellen sie für jede Gruppe einen Stammbaum. Dieser phylogenetische Ansatz stellt sicher, dass die endgültige Liste der Familien korrekt ist und dass die „Konsensus“-Sequenz, die den ursprünglichen Vorfahren dieser Familie repräsentiert, korrekt abgeleitet wird. Wenn eine Kandidatensequenz innerhalb einer anderen gefunden wird, kann das System die Schichten abtragen und die innere Insertion und die äußere separat identifizieren. Dieser iterative Prozess, bei dem die Software effektiv die gefundenen Repeats „auffrisst“, um das darunter Liegende freizulegen, ermöglicht es ihr, komplexe, geschachtelte Strukturen zu entdecken, die andere Methoden übersehen.
Die Forscher testeten dieses neue System an einer Vielzahl von Spezies, darunter Reis, Zebrafinken und Gorillas, und verglichen ihre Ergebnisse mit bestehenden, sorgfältig kuratierten Datensätzen. Die neue Methode erwies sich als hochgradig genau, da sie die überwiegende Mehrheit der bekannten Retrotransposon-Familien korrekt identifizierte und dabei weitaus weniger Fehlalarme generierte als bisherige Werkzeuge. In Bezug auf die Geschwindigkeit war der Unterschied dramatisch. Während andere Methoden Stunden oder sogar Tage benötigten, um ein einzelnes großes Genom zu verarbeiten, oder manchmal gar nicht erst fertig wurden, schloss HiRepEat die Analyse eines Gorilla-Genoms in etwa 26 Minuten ab. Das System wurde dann auf 577 verschiedene Wirbeltiergenome des Vertebrate Genomes Project angewendet, ein gewaltiges Unterfangen, das mit älterer Software unpraktikabel gewesen wäre. In den meisten Fällen schloss die Analyse unter Verwendung standardmäßiger Computerressourcen in unter einer Stunde ab, was zeigt, dass die Methode effizient skaliert, um die wachsende Zahl hochwertiger Genomsequenzen zu bewältigen, die generiert werden.
Über die bloße Katalogisierung dieser Elemente hinaus nutzten die Forscher ihre neuen Daten, um nach Mustern des Austauschs zwischen verschiedenen Arten zu suchen. Durch den Vergleich der genetischen Sequenzen dieser Retrotransposons über viele Arten hinweg identifizierten sie Fälle, in denen dieselbe Familie von Elementen in Arten auftauchte, die sehr weit voneinander entfernt verwandt sind. Beispielsweise fanden sie nahezu identische Retrotransposon-Sequenzen in verschiedenen Fischarten, die sich vor mehr als 100 Millionen Jahren von einem gemeinsamen Vorfahren abgespalten haben. Da diese Elemente über einen so langen Zeitraum viele Mutationen hätten akkumulieren müssen, wenn sie einfach von einem gemeinsamen Vorfahren geerbt worden wären, deutet ihr nahezu identischer Zustand darauf hin, dass sie kürzlich zwischen den Arten gewandert sind. Dies weist auf einen horizontalen Gentransfer hin, einen Prozess, bei dem genetisches Material zwischen Organismen springt, anstatt von Eltern an Nachkommen weitergegeben zu werden. Ähnliche Muster wurden bei Fruchtfliegen und Amphibien beobachtet, einschließlich Fällen, in denen Arten, die ihre Eier im Wasser ablegen, diese Elemente teilten, was die Idee unterstützt, dass die Befruchtung in aquatischen Umgebungen diesen genetischen Austausch begünstigen könnte.
Die Arbeit bietet eine leistungsstarke neue Linse zur Betrachtung der repetitiven Landschaft von Genomen. Durch das systematische Entfernen des Rauschens und das Erstellen genauer Stammbäume haben die Forscher einen zuverlässigen Weg geschaffen, um die Geschichte und die Bewegung dieser genetischen Elemente über den Stammbaum des Lebens hinweg zu untersuchen. Die Fähigkeit, hunderte von Genomen schnell zu verarbeiten, bedeutet, dass Wissenschaftler nun die Verteilung dieser Elemente in Arten untersuchen können, die zuvor zu schwierig zu analysieren waren. Die Ergebnisse legen nahe, dass die Bewegung von genetischem Material zwischen Arten häufiger vorkommt als bisher angenommen, insbesondere in aquatischen Umgebungen, und dass diese mobilen Elemente eine dynamische Rolle bei der Gestaltung von Genomen im Laufe der Evolution spielen. Die im Rahmen dieser Studie entwickelten Werkzeuge stehen nun anderen Wissenschaftlern zur Verfügung und öffnen die Tür zu einem detaillierteren Verständnis davon, wie diese uralten genetischen Reisenden weiterhin die Biologie lebender Dinge beeinflussen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.