Aevol-9: A simulation platform to decipher the evolution of genome architecture
Aevol-9 è una piattaforma di simulazione forward-in-time che modella popolazioni con genomi espliciti soggetti a diversi operatori mutazionali, consentendo ai ricercatori di investigare come le condizioni evolutive influenzino l'architettura e l'organizzazione del genoma.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
La vita sulla Terra è scritta in un codice, una lunga sequenza di lettere chimiche che dice a una cellula come costruirsi e sopravvivere. Per decenni, i biologi hanno compreso come questo codice cambi al livello più piccolo, scambiando una lettera con un'altra o aggiungendo un singolo carattere extra. Ma il codice è anche organizzato in una struttura più ampia, un progetto di come i geni siano disposti, quanti ne esistano e quanto "spazio vuoto" si trovi tra di essi. Questa struttura più ampia, nota come architettura del genoma, varia enormemente attraverso l'albero della vita. Alcuni organismi compattano le loro istruzioni genetiche in piccoli cerchi, mentre altri trasportano genomi massicci e sparsi, pieni di vaste estensioni di DNA non codificante. Gli scienziati si sono a lungo chiesti quali forze modellino questi diversi progetti. È la pressione della selezione naturale, che favorisce l'efficienza? O è il rollare casuale dei dadi, noto come deriva genetica, che può permettere l'accumulo di materiale genetico extra semplicemente per caso? Testare queste idee nel mondo reale è quasi impossibile, poiché l'evoluzione impiega milioni di anni per svilupparsi e osservare la stessa specie in archi temporali così vasti è oltre le capacità umane.
Per risolvere questo enigma, un team di ricercatori ha costruito un laboratorio digitale chiamato Aevol-9. Questo non è uno strumento per osservare il passato, ma un simulatore orientato al futuro che permette agli scienziati di guardare l'evoluzione accadere in accelerato. In questo mondo virtuale, i ricercatori hanno creato popolazioni di organismi digitali, ognuno dei quali possiede un genoma a doppio filamento strutturato. Queste forme di vita digitali competono per la sopravvivenza, si riproducono e trasmettono le loro istruzioni genetiche alla generazione successiva. L'innovazione chiave di questo sistema è che non assegna semplicemente un punteggio a una mutazione basandosi su una lista predefinita. Invece, il software legge l'intero genoma dell'organismo, lo traduce in un insieme di proteine e poi calcola quanto bene quelle proteine aiutino l'organismo a raggiungere un obiettivo specifico di sopravvivenza. Se una mutazione cambia il genoma in un modo che compromette questo processo, la fitness dell'organismo diminuisce. Se il cambiamento migliora il processo, la fitness aumenta. Ciò consente al sistema di scoprire naturalmente quali disposizioni genetiche funzionino meglio in diverse condizioni, da popolazioni piccole dove regna il caso, a popolazioni massicce dove la selezione è rigorosa.
I ricercatori hanno utilizzato questa piattaforma per condurre un esperimento massiccio per vedere come la dimensione della popolazione influenzi la forma di un genoma. Sono partiti da un ceppo digitale che si era già evoluto per dieci milioni di generazioni in un ambiente stabile. Hanno poi diviso questa popolazione in tre gruppi: uno che manteneva la stessa dimensione, uno che cresceva di quattro volte e uno che si restringeva a un quarto della sua dimensione originale. Hanno lasciato che questi gruppi si evolvessero per altri 1,1 milioni di generazioni, un intervallo di tempo che richiederebbe ai batteri reali miglia di anni per coprire. I risultati sono stati sorprendenti. Nelle popolazioni piccole, dove il caso gioca un ruolo maggiore, i genomi sono diventati più grandi, accumulando più DNA non codificante che non sembrava servire a uno scopo diretto. Nelle popolazioni grandi, dove la selezione naturale è più efficiente nel ripulire le inefficienze, i genomi si sono rimpiccioliti. Gli organismi in questi gruppi numerosi hanno snellito il loro codice genetico, liberandosi del bagaglio extra per diventare più compatti.
Questo risultato supporta un'idea di lunga data in biologia chiamata ipotesi del rischio mutazionale, la quale suggerisce che popolazioni più grandi siano più brave a eliminare il materiale genetico inutile, mentre popolazioni più piccole siano più propense a lasciarlo accumulare. Tuttavia, la simulazione ha rivelato una sfumatura che non era immediatamente ovvia. Mentre la dimensione totale del genoma cambiava drasticamente, la quantità di vero DNA codificante — le parti che costruiscono le proteine — rimaneva sorprendentemente stabile in tutti i gruppi dimensionali. La differenza risiedeva interamente nelle regioni non codificanti. Inoltre, il modo in cui i geni erano organizzati è cambiato. Nelle popolazioni più piccole, i geni tendevano a essere distribuiti su tratti di DNA più lunghi. Nelle popolazioni più grandi e più efficienti, i geni erano impacchettati più strettamente, spesso raggruppati in cluster che funzionavano come unità singole. Ciò suggerisce che l'evoluzione non si limiti ad aggiungere o rimuovere geni; essa riorganizza costantemente i mobili del genoma per adattarsi ai vincoli della popolazione.
Il potere di Aevol-9 risiede nella sua capacità di tracciare ogni singolo cambiamento, da un piccolo scambio di una lettera a una massiccia delezione di un grande pezzo del genoma. Poiché i ricercatori possono vedere l'intera storia di ogni organismo digitale, possono tracciare esattamente come questi cambiamenti su larga scala siano avvenuti e perché si siano stabiliti. La simulazione ha dimostrato che questi cambiamenti non sono incidenti casuali, ma sono guidati dall'interazione tra mutazione, selezione e dimensione della popolazione. Lo studio suggerisce che l'architettura complessa di un genoma non sia un tratto fisso, ma una risposta dinamica all'ambiente. Eseguendo migliaia di questi esperimenti digitali, il team ha fornito una visione chiara di come la vita possa organizzare le sue istruzioni genetiche nel tempo profondo, offrendo un nuovo modo per comprendere le regole che governano la diversità della vita sulla Terra.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.