Chromosome-level reference genome assemblies of five Brassicaceae species inhabiting challenging ultramafic substrates

Resumen Técnico: Ensamblajes de genomas de referencia a nivel de cromosoma de cinco especies de Brassicaceae que habitan sustratos ultramáficos desafiantes

Problema y Contexto
La familia Brassicaceae es un sistema modelo principal para la genómica vegetal, sin embargo, persisten brechas filogenéticas significativas, particularmente en lo que respecta a especies adaptadas a entornos extremos. Este estudio aborda la falta de recursos genómicos para cinco especies de Brassicaceae (Aethionema saxatile, Cardamine glauca, Erysimum linariifolium, Noccaea praecox y Odontarrhena muralis) que habitan suelos ultramáficos (serpentínicos) en la Península de los Balcanes. Estos suelos se caracterizan por relaciones elementales sesgadas (alto Ca/Mg), alta toxicidad metálica y deficiencias de nutrientes, lo que crea fuertes presiones selectivas. Mientras que algunas especies como N. praecox y O. muralis son conocidas hiperacumuladoras de níquel con potencial para la fitorremediación, sus genomas no habían sido secuenciados a escala cromosómica. Además, la región de los Balcanes representa un punto caliente de biodiversidad que ha sido ampliamente ignorado por las iniciativas genómicas a gran escala.

Metodología
Los autores generaron ensamblajes de genomas de alta calidad a nivel de cromosoma utilizando una combinación de tecnologías de lectura larga y captura de conformación de la cromatina:

• Secuenciación: El ADN de alto peso molecular (HMW) se extrajo de tejido fresco o congelado. La secuenciación PacBio HiFi se realizó en el sistema Sequel Revio para generar lecturas largas de alta precisión. Las librerías Hi-C se construyeron a partir de plantas de medio hermanos y se secuenciaron en la plataforma Illumina NovaSeq 6000 para facilitar el andamiaqueo (scaffolding).
• Flujo de trabajo de ensamblaje: Los ensamblajes primarios se generaron utilizando Hifiasm. Para la mayoría de las especies, se utilizó el modo de integración Hi-C con purga para manejar la heterocigosidad; A. saxatile se ensambló en modo solo debido a su baja heterocigosidad. Los contaminantes (secuencias de artrópodos y hongos) se filtraron utilizando Blobtools y FCS-GX. Los contigs de plastidios y mitocondrias se identificaron mediante búsquedas de similitud contra NCBI RefSeq y se eliminaron. Los haplotigos redundantes se purgaron usando Purge_haplotigs.
• Andamiaqueo y Pulido: Los contigs se andamiaron a escala cromosómica utilizando el flujo de trabajo Omni-C y SALSA2, con curación manual realizada en JuiceBox basada en mapas de contacto Hi-C. Las repeticiones teloméricas se anotaron utilizando RepeatMasker. Los ensamblajes se pulieron utilizando DeepVariant (para SNPs/indeles cortos) y CuteSV (para variantes estructurales) basados en lecturas HiFi mapeadas, seguidos de una corrección por consenso con bcftools.
• Anotación: Los elementos repetitivos se anotaron utilizando RepeatModeler y RepeatMasker. Los genes codificadores de proteínas se predijeron mediante BRAKER con datos de RNA-seq (de múltiples tipos de tejidos) y homología de proteínas de Viridiplantae. La ortología se asignó mediante OrthoFinder contra 17 especies de referencia de Brassicaceae, y las anotaciones funcionales se transfirieron de Arabidopsis thaliana y se generaron mediante InterProScan.
• Validación: La calidad del ensamblaje se evaluó mediante QUAST, BUSCO (Brassicales odb10) y Merqury. La fiabilidad del modelo génico se evaluó mediante la superposición con transcritos ensamblados y proteínas alineadas de A. thaliana, A. lartata y B. rapa.

Resultados Clave

• Calidad del Ensamblaje: El estudio produjo ensamblajes casi completos de telómero a telómero para las cinco especies. Los valores de N50 de los scaffolds oscilaron entre 20.91 Mb (A. saxatile) y 34.78 Mb (C. glauca). Los puntajes de completitud de BUSCO superaron el 95% para todas las especies (oscilando entre 95.8% y 99.1%), y los puntajes QV de Merqury oscilaron entre 62.82 y 67.46.
• Características del Genoma: Los tamaños de genoma haploide estimados mediante análisis de k-mer oscilaron entre 168.99 Mb (E. linariifolium) y 255.21 Mb (A. saxatile), consistentes con las estimaciones de citometría de flujo. La heterocigosidad varió significamente, desde 0.08–0.10% en A. saxatile hasta 1.37–1.39% en C. glauca.
• Contenido de Repeticiones: El contenido de repeticiones varió ampliamente, desde el 34.72% en E. linariifolium hasta el 62.95% en A. saxatile. Los retroelementos, particularmente los retrotransposones LTR (Ty1/Copia y Gypsy), constituyeron la mayor fracción del ADN repetitivo. A. saxatile mostró una alta proporción de repeticiones no clasificadas (24.84%).
• Anotación Génica: El número de genes codificadores de proteínas osciló entre ~24,800 (C. glauca) y ~30,400 (E. linariifolium y N. praecox). La anotación funcional (términos de Gene Ontology) se asignó con éxito al 87–98% de los genes codificadores de proteínas.
• Genomas de Plastidios: Se ensamblaron genomas de plastidios circulares para todas las especies, con rangos de 152,691 pb a 154,633 pb, todos exhibiendo la estructura cuadripartita canónica con 114 genes.
• Arquitectura Genómica: Los diagramas de Circos confirmaron la arquitectura eucariota canónica, con brazos eucromáticos ricos en genes y heterocromatina pericentromérica rica en repeticiones y pobre en genes. Las repeticiones teloméricas (TTTAGGG) se detectaron en los extremos de la mayoría de los scaffolds.

Significado y Reivindicaciones
Los autores afirman que estos ensamblajes proporcionan recursos fundamentales para estudios comparativos y evolutivos dentro de la familia Brassicaceae, expandiendo específicamente los datos genómicos para un punto caliente de diversidad europea subestudiado. El artículo sostiene que estos recursos son esenciales para:

1. Análisis Evolutivo: Diseccionar la arquitectura genética de los rasgos adaptativos a través de diversas líneas, incluyendo las Aethionemoideae de divergencia temprana y múltiples supertribus de Brassicoideae.
2. Estudios de Adaptación: Investigar los mecanismos de adaptación a entornos ultramáficos desafiantes.
3. Potencial Aplicado: Proporcionar una base para aplicaciones prácticas tales como la mejora de cultivos y la biología de la conservación, particularmente para especies con capacidades de hiperacumulación relevantes para la fitoextracción y la fitorremediación.

Los datos, incluyendo las lecturas de secuenciación crudas, los ensamblajes de genomas y los archivos de anotación, están disponibles públicamente a través de NCBI (BioProject PRJNA1276498) y repositorios de GitHub.