Efficient and precise discovery of LTR-retrotransposon families using HiRepEat
Ce document présente HiRepEat, un cadre de calcul rapide et efficace en termes de mémoire qui combine le compresseur de répétitions TACO et le système de cartographie de coordonnées SALSA avec un algorithme d'alignement de front d'onde adapté pour identifier, regrouper et analyser précisément les familles de rétrotransposons LTR à travers divers génomes de vertébrés et de Drosophila.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète
Les génomes sont les manuels d'instruction de la vie, écrits dans un code de quatre lettres chimiques. Mais ces manuels ne sont pas des documents propres et linéaires ; ils sont remplis de passages répétitifs anciens qui se copient et se collent à travers le texte. Un type majeur de ces éléments auto-réplicatifs est le rétrotransposon à longues répétitions terminales. Ce sont des séquences génétiques capables de créer une copie d'elles-mêmes en utilisant un intermédiaire ARN et d'insérer cette copie dans le génome. Au fil de millions d'années, ils se sont accumulés à tel point que, chez de nombreux animaux, ils constituent une partie significative de l'ADN total. Comprendre où se trouvent ces éléments et comment ils ont changé au fil du temps est crucial pour comprendre l'évolution, mais les trouver est notoirement difficile. Parce qu'ils sont si similaires les uns aux autres et souvent enfouis à l'intérieur d'autres séquences répétitives, les outils informatiques standards peinent à les distinguer du bruit ou les uns des autres, manquant souvent des familles plus anciennes ou créant des cartes confuses et inexactes.
Une équipe de chercheurs a développé une nouvelle méthode appelée HiRepEat pour résoudre ce problème, offrant une façon plus rapide et plus précise de trouver ces voyageurs génétiques. L'idée centrale derrière leur approche est de nettoyer le génome de ses distractions avant de chercher les éléments spécifiques d'intérêt. Le processus commence par l'identification et la compression des répétitions en tandem, qui sont des séquences situées juste à côté les unes des autres en de longues rangées identiques. Ces répétitions en tandem confondent souvent les logiciels de détection, donc les chercheurs utilisent un outil qu'ils ont nommé TACO pour réduire ces longues rangées en une seule copie représentative. Ils conservent une carte détaillée, appelée SALSA, qui enregistre exactement où se trouvaient les copies supprimées, garantissant qu'aucune information n'est perdue et que les positions originales peuvent être restaurées plus tard. En supprimant d'abord ces blocs denses de répétition, le génome devient beaucoup plus facile à lire, permettant au logiciel de repérer les rétrotransposons plus complexes et dispersés qui étaient auparavant cachés.
Une fois le génome simplifié, le logiciel scanne à la recherche de candidats rétrotransposons, cherchant la signature structurelle spécifique de ces éléments : deux extrémités correspondantes encadrant une région centrale. Lorsque des candidats potentiels sont trouvés, les chercheurs ne se contentent pas de les regrouper sur la base d'une vérification rapide de similitude, une méthode qui conduit souvent à des erreurs. Au lieu de cela, ils construisent un arbre phylogénétique pour chaque groupe. Cette approche phylogénétique garantit que la liste finale des familles est exacte et que la séquence « consensus », qui représente l'ancêtre original de cette famille, est dérivée correctement. Si une séquence candidate est trouvée nichée à l'intérieur d'une autre, le système peut déballer les couches, identifiant l'insertion intérieure et l'insertion extérieure séparément. Ce processus itératif, où le logiciel « mange » efficacement les répétitions trouvées pour révéler ce qui se trouve en dessous, lui permet de découvrir des structures imbriquées complexes que d'autres méthodes manquent.
Les chercheurs ont testé ce nouveau système sur une grande variété d'espèces, incluant le riz, le diamant mandarins et le gorille, comparant leurs résultats avec des ensembles de données existants et soigneusement sélectionnés. La nouvelle méthode s'est révélée hautement précise, identifiant correctement la vaste majorité des familles de rétrotransposons tout en générant beaucoup moins de fausses alertes que les outils précédents. En termes de vitesse, la différence est spectaculaire. Alors que d'autres méthodes prenaient des heures ou même des jours pour traiter un seul grand génome, ou échouaient parfois de terminer, HiRepEat a terminé l'analyse d'un génome de gorille en environ 26 minutes. Le système a ensuite été appliqué à 577 génomes de vertébrés différents du Projet sur les Génomes des Vertébrés (Vertebrate Genomes Project), une entreprise massive qui aurait été impraticable avec d'anciens logiciels. Dans la plupart des cas, l'analyse s'est terminée en moins d'une heure en utilisant des ressources informatiques standards, démontant que la méthode passe à l'échelle efficacement pour gérer le nombre croissant de séquences de génomes de haute qualité étant générées.
Au-delà de la simple catalogage de ces éléments, les chercheurs ont utilisé leurs nouvelles données pour chercher des modèles de partage entre différentes espèces. En comparant les séquences génétiques de ces rétrotransposons à travers de nombreuses espèces à la fois, ils ont identifié des cas où la même famille d'éléments apparaissait dans des espèces très éloignées parentement. Par exemple, ils ont trouvé des séquences de rétrotransposons presque identiques dans différentes espèces de poissons qui ont divergé d'un ancêtre commun il y a plus de 100 millions d'années. Puisque ces éléments devraient avoir accumulé de nombreuses mutations sur une période aussi longue s'ils étaient simplement hérités d'un ancêtre commun, leur état quasi identique suggère qu'ils ont circulé entre les espèces récemment. Cela pointe vers le transfert horizontal, un processus où le matériel génétique saute entre les organismes plutôt que d'être transmis de parent à descendant. Des modèles similaires ont été observés chez les mouches des fruits et les amphibiens, incluant des cas où des espèces qui pondent des œufs dans l'eau partageaient ces éléments, soutenant l'idée que la fertilisation dans les environnements aquatiques pourrait faciliter cet échange génétique.
Le travail fournit un nouveau prisme puissant pour observer le paysage répétitif des génomes. En supprimant systématiquement le bruit et en construisant des arbres généalogiques précis, les chercheurs ont créé un moyen fiable d'étudier l'histoire et le mouvement de ces éléments génétiques à travers l'arbre de la vie. La capacité de traiter des centaines de génomes rapidement signifie que les scientifiques peuvent désormais explorer la distribution de ces éléments dans des espèces qui étaient auparavant trop difficiles à analyser. Les conclusions suggèrent que le mouvement de matériel génétique entre les espèces est plus courant que ce que l'on pensait auparavant, particulièrement dans les environnements aquatiques, et que ces éléments mobiles jouent un rôle dynamique dans le façonnage des génomes au fil du temps évolutif. Les outils développés dans cette étude sont désormais disponibles pour que d'autres scientifiques puissent les utiliser, ouvrant la porte à une compréhension plus détaillée de la manière dont ces anciens voyageurs génétiques continuent d'influencer la biologie des êtres vivants.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.