GWIscan: an automated pipeline for genome-wide identification and in silico characterization of gene families
GWIscan ist eine automatisierte Multi-Spezies-Pipeline, die BLAST-, Profil-HMM- und InterPro-Analysen integriert, um Genfamilien umfassend zu identifizieren und zu charakterisieren, wobei sie durch die Rückgewinnung zusätzlicher hochkonfidenter Mitglieder und die Reproduktion etablierter Inventare Single-Method-Ansätze übertrifft.
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
Das Leben ist aus Anweisungen aufgebaut, die in einem Code namens DNA geschrieben stehen, den Zellen lesen, um Proteine zu bauen. Diese Proteine sind die Arbeiter, die fast jede Aufgabe innerhalb eines Organismus ausführen, von der Verdauung der Nahrung bis hin zur Abwehr von Krankheiten. Oft treten diese Arbeiter in Gruppen auf, in denen viele Mitglieder eine ähnliche Form oder Funktion teilen, weil sie von einem gemeinsamen Vorfahren abstammen. Wissenschaftler bezeichnen diese Gruppen als Genfamilien. Um zu verstehen, wie ein Lebewesen funktioniert, müssen Forscher zuerst diese Familien innerhalb seines genetischen Codes finden und zählen. Da jedoch neue Genome in raschem Tempo sequenziert werden, hat das schiere Datenvolumen diese Aufgabe jedoch schwierig gemacht. Traditionelle Methoden verlassen sich auf die Suche nach Übereinstimmungen zwischen bekannten Proteinformen und neuen Gensequenzen, aber keine einzelne Suchmethode ist perfekt. Einige Familien werden übersehen, weil sie den bekannten Beispielen zu ähnlich sehen, während andere fälschlicherweise identifiziert werden, weil sie ein kleines, unzusammenhängendes Merkmal teilen. Dies hinterlässt bei Forschern unvollständige Listen und die mühsame Aufgabe, die Ergebnisse manuell zu überprüfen und zu organisieren.
Ein neues Werkzeug namens GWIscan, das von Beaven Manjengwa entwickelt wurde, bietet eine Lösung, indem es diesen gesamten Prozess automatisiert. Die Software fungiert als umfassender Scanner, der nach Genfamilien über ein gesamtes Genom hinweg sucht und dabei zwei verschiedene Suchstrategien kombiniert, um sicherzustellen, dass nichts übersehen wird. Zuerst sucht sie nach direkten Übereinstimmungen mit bekannten Proteinsequenzen, ähnlich wie das Finden eines bestimmten Buches anhand seines Titels. Dann führt sie eine zweite, subtilere Suche durch, die nach dem zugrunde liegenden strukturellen Bauplan des Proteins sucht, selbst wenn sich der Titel geändert hat. Durch das Zusammenführen der Ergebnisse dieser beiden Suchen erstellt das Werkzeug eine vollständigere Liste von Kandidaten. Danach fungiert es als strenger Editor, der überprüft, ob jeder Kandidat tatsächlich zur Familie gehört, indem es nach spezifischen, definierenden Merkmalen sucht. Sobald die Liste bestätigt ist, sammelt die Software automatisch detaillierte Informationen über jedes Mitglied, wie etwa dessen Größe, chemische Eigenschaften und den Ort, an dem es wahrscheinlich innerhalb der Zelle arbeitet. Dieser gesamte Arbeitsablauf findet in einem einzigen, automatisierten Durchlauf statt, was die Notwendigkeit für Forscher beseitigt, verschiedene Programme zusammenzufügen oder Daten manuell zu kompilieren.
Um zu testen, ob dieser Ansatz funktionierte, wandten die Forscher GWIscan auf die genetischen Codes von drei verschiedenen Pflanzen an: ein kleines blühendes Unkraut, Mais und eine gewöhnliche Bohne. Sie konzentrierten sich auf eine spezifische Gruppe von Proteinen, die Lectine, die Pflanzen helfen, ihre Umgebung zu erkennen und mit ihr zu interagieren. Das Team verglich die Ergebnisse von GWIscan mit früheren Studien, die diese Proteine in denselben Pflanzen manuell gezählt hatten. Im Unkraut fand das neue Werkzeug 211 der 217 Gene, die in früheren Forschungsarbeiten gemeldet worden waren, ein Erfolg, der den bisherigen Bemühungen entsprach oder diese sogar verbesserte. In den Mais- und Bohnenstudien reproduzierte das Werkzeug nicht nur die bekannten Zählungen, sondern fand auch zusätzliche Mitglieder, die von den älteren Suchen mit nur einer Methode übersehen worden waren. Beispielsweise identifizierte das Werkzeug in der Bohnenpflanze Dutzende neuer Lectin-Gene, die übersehen wurden, weil sie eine etwas andere Struktur als die Standardbeispiele hatten. Diese neuen Funde waren keine zufälligen Vermutungen; das Werkzeug bestätigte, dass diese zusätzlichen Gene die korrekten strukturellen Merkmale besaßen, um Teil der Familie zu sein.
Die Studie zeigt, dass die Kombination verschiedener Suchmethoden effektiver ist, als sich nur auf eine einzige zu verlassen. Als die Forscher die Gene genauer untersuchten, die von älteren Methoden übersehen wurden, stellten sie fest, dass einige zu unterschiedlich in der Sequenz waren, um durch einen einfachen Abgleich erfasst zu werden, während andere für eine rein strukturelle Suche zu komplex waren. Durch die gleichzeitige Verwendung beider Ansätze konnte GWIscan diese fehlenden Teile wiederherstellen. Das Werkzeug war zudem in der Lage, Daten aus mehreren Arten gleichzeitig zu verarbeiten und die Ergebnisse in einem klaren Vergleich zu organisieren, der zeigt, wie Genfamilien zwischen verschiedenen Pflanzen variieren. Während die Software so konzipiert ist, dass sie für jeden lebenden Organismus funktionieren kann, merkten die Forscher an, dass einige der fortgeschrittenen Analyseschritte spezifische Lizenzen für die akademische Nutzung erfordern. Letztendlich bietet GWIscan eine zuverlässige, automatisierte Möglichkeit für Wissenschaftler, die genetischen Familien jeder Spezies zu kartieren, indem es eine komplexe, manuelle Aufgabe in einen optimierten Prozess verwandelt, der Ergebnisse mit hoher Konfidenz liefert.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.