Efficient and precise discovery of LTR-retrotransposon families using HiRepEat
Este artículo presenta HiRepEat, un marco computacional rápido y eficiente en memoria que combina el compresor de repeticiones TACO y el sistema de mapeo de coordenadas SALSA con un algoritmo de alineamiento de frente adaptado para identificar, agrupar y analizar con precisión las familias de retrotransposones LTR a través de diversos genomas de vertebrados y Drosophila.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo
Los genomas son los manuales de instrucciones para la vida, escritos en un código de cuatro letras químicas. Pero estos manuales no son documentos limpios y lineales; están llenos de pasajes antiguos y repetitivos que se copian y pegan a sí mismos a lo largo del texto. Un tipo importante de estos elementos autorreplicantes es el retrotransposón de repetición terminal larga. Estos son secuencias genéticas que pueden hacer una copia de sí mismas utilizando un intermediario de ARN e insertar esa copia de nuevo en el genoma. A lo largo de millones de años, se han acumulado hasta tal punto que, en muchos animales, constituyen una parte significativa del ADN total. Comprender dónde se encuentran estos elementos y cómo han cambiado con el tiempo es crucial para entender la evolución, pero encontrarlos es notoriamente difícil. Debido a que son tan similares entre sí y a menudo están enterrados dentro de otras secuencias repetitivas, las herramientas informáticas estándar luchan por distinguirlos del ruido o de otros elementos, omitiendo a menudo familias antiguas o creando mapas confusos e inexactos.
Un equipo de investigadores ha desarrollado un nuevo método llamado HiRepEat para resolver este problema, ofreciendo una forma más rápida y precisa de encontrar estos viajeros genéticos. La idea central detrás de su enfoque es limpiar el genoma de distracciones antes de buscar los elementos específicos de interés. El proceso comienza identificando y comprimiendo las repeticiones en tándem, que son secuencias que se asientan una al lado de la otra en largas filas idénticas. Estas repeticiones en tándem a menudo confunden al software de detección, por lo que los investigadores utilizan una herramienta que llamaron TACO para colapsar estas largas filas en una única copia representativa. Mantienen un mapa detallado, llamado SALSA, que registra exactamente dónde estaban las copias eliminadas, asegurando que no se pierda información y que las posiciones originales puedan restaurarse más tarde. Al eliminar primero estos bloques densos de repetición, el genoma se vuelve mucho más fácil de leer, permitiendo que el software detecte los retrotransposones más complejos y dispersos que antes estaban ocultos.
Una vez que el genoma se simplifica, el software escanea en busca de candidatos a retrotransposones, buscando la firma estructural específica de estos elementos: dos extremos coincidentes que flanquean una región central. Cuando se encuentran candidatos potenciales, los investigadores no simplemente los agrupan basándose en una comprobación rápida de similitud, un método que a menudo conduce a errores. En su lugar, construyen un árbol filogenético para cada grupo. Este enfoque filogenético asegura que la lista final de familias sea precisa y que la secuencia "consenso", que representa al ancestro original de esa familia, se derive correctamente. Si una secuencia candidata se encuentra anidada dentro de otra, el sistema puede despojar las capas, identificando la inserción interna y la externa por separado. Este proceso iterativo, donde el software efectivamente "devora" las repeticiones encontradas para revelar lo que hay debajo, le permite descubrir estructuras anidadas complejas que otros métodos pasan por alto.
Los investigadores probaron este nuevo sistema en una amplia variedad de especies, incluyendo arroz, pinzones zebra y gorilas, comparando sus resultados con conjuntos de datos existentes cuidadosamente curados. El nuevo método demostró ser altamente preciso, identificando correctamente la gran mayoría de las familias de retrotransposones mientras generaba muchas menos falsas alarmas que las herramientas anteriores. En términos de velocidad, la diferencia fue dramática. Mientras que otros métodos tardaban horas o incluso días en procesar un solo genoma grande, o a veces no lograban terminar, HiRepEat completó el análisis de un genoma de gorila en unos 26 minutos. El sistema fue aplicado luego a 577 genomas de vertebrados diferentes del Proyecto de Genomas de Vertebrados, una tarea masiva que habría sido impracticable con el software anterior. En la mayoría de los casos, el análisis terminó en menos de una hora utilizando recursos informáticos estándar, demostrando que el método escala eficientemente para manejar el creciente número de secuencias genómicas de alta calidad que se están generando.
Más allá de simplemente catalogar estos elementos, los investigadores utilizaron sus nuevos datos para buscar patrones de intercambio entre diferentes especies. Al comparar las secuencias genéticas de estos retrotransposones a través de muchas especies a la vez, identificaron casos donde la misma familia de elementos apareció en especies que están muy distantemente relacionadas. Por ejemplo, encontraron secuencias de retrotransposones casi idénticas en diferentes especies de peces que divergieron de un ancestro común hace más de 100 millones de años. Dado que estos elementos deberían haber acumulado muchas mutaciones durante un tiempo tan largo si simplemente fueran heredados de un ancestro común, su estado casi idéntico sugiere que se movieron entre especies recientemente. Esto apunta a la transferencia horizontal, un proceso donde el material genético salta entre organismos en lugar de ser pasado de progenitor a descendiente. Patrones similares se observaron en moscas de la fruta y anfibios, incluyendo casos donde las especies que ponen huevos en el agua compartían estos elementos, lo que respalda la idea de que la fertilización en entornos acuáticos podría facilitar este intercambio genético.
El trabajo proporciona una nueva y poderosa lente para observar el paisaje repetitivo de los genomas. Al eliminar sistemáticamente el ruido y construir árboles filogenéticos precisos, los investigadores han creado una forma fiable de estudiar la historia y el movimiento de estos elementos genéticos a través del árbol de la vida. La capacidad de procesar cientos de genomas rápidamente significa que los científicos ahora pueden explorar la distribución de estos elementos en especies que antes eran demasiado difíciles de analizar. Los hallazgos sugieren que el movimiento de material genético entre especies es más común de lo que se pensaba anteriormente, particularmente en entornos acuáticos, y que estos elementos móviles juegan un papel dinámico en la formación de los genomas a lo largo del tiempo evolutivo. Las herramientas desarrolladas en este estudio están ahora disponibles para que otros científicos las utilicen, abriendo la puerta a una comprensión más detallada de cómo estos antiguos viajeros genéticos continúan influyendo en la biología de los seres vivos.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.