A Rarefaction Approach to Identify Local Introgression in a Three Population Tree

La storia dell'evoluzione umana non è solo una linea retta di antenati che conduce a noi; è una rete intricata dove diversi gruppi di persone si sono incontrati, mescolati ed hanno scambiato materiale genetico. Questo processo, noto come introgressione, avviene quando due popolazioni distinte si incrociano, lasciando dietro di sé una scia di DNA condiviso che può essere ritrovata nei loro discendenti oggi. Per decenni, gli scienziati hanno utilizzato uno strumento matematico specifico per rilevare questo antico mescolamento attraverso interi genomi. Questo strumento funziona cercando uno squilibrio nel modo in cui le varianti genetiche sono condivise tra tre gruppi di persone e un quarto gruppo, distante, che funge da punto di riferimento per determinare quali cambiamenti genetici siano nuovi e quali siano vecchi. Sebbene questo metodo sia stato eccellente nel individuare eventi di mescolamento su larga scala, fatica quando i ricercatori cercano di trovare i pezzi specifici e piccoli di DNA dove è avvenuto questo mescolamento, specialmente quando i dati sono disordinati o i gruppi confrontati hanno un numero diverso di individui.

In uno studio recente, i ricercatori T. Quinn Smith e Zachary A. Szpiech hanno sviluppato un nuovo approccio per risolvere questi problemi. Hanno creato un nuovo metodo progettato per individuare esattamente dove il DNA antico è entrato in una popolazione moderna, anche quando i dati sono imperfetti o le dimensioni dei campioni sono diseguali. Applicando una tecnica statistica che si adatta al numero di individui in ciascun gruppo, il loro nuovo strumento può identificare queste impronte genetiche con maggiore accuratezza rispetto ai metodi precedenti. Il team ha testato ampiamente il loro approccio utilizzando simulazioni al computer che imitano la complessa storia delle popolazioni umane. Hanno scoperto che il loro metodo è più affidabile nel trovare i punti giusti ed è meno propenso a commettere errori, anche quando i dati genetici sono incompleti o quando i gruppi studiati si sono evoluti a velocità diverse. Per dimostrare il suo valore nel mondo reale, hanno applicato il loro nuovo strumento al DNA delle moderne popolazioni papuane e hanno identificato con successo segmenti specifici di DNA ereditati dai Denisoviani, una antica parente umana, inclusi geni che giocano un ruolo crucialo nel sistema immunitario.

La sfida centrale che i ricercatori hanno affrontato è la difficoltà di distinguere tra le somiglianze genetiche causate dall'antico mescolamento e quelle causate da altri fattori, come il caso casuale o le differenze nel modo in cui le popolazioni sono cresciute e diminuite nel tempo. Il metodo tradizionale, ampiamente utilizzato nel campo, si basa sul conteggio di quanto spesso schemi genetici specifici appaiono in un insieme di quattro gruppi. Richiede un gruppo di "riferimento", solitamente una popolazione antica o distante, per dire ai ricercatori quali varianti genetiche siano quelle originali e quali siano nuove mutazioni. Tuttavia, un gruppo di riferimento non è sempre disponibile, e anche quando lo è, il metodo spesso fallisce quando applicato a piccole sezioni del genoma o quando il numero di persone campionate da ciascun gruppo varia significamente. Se un gruppo ha molti più individui di un altro, lo strumento tradizionale può essere ingannato vedendo un mescolamento dove non ce n'è, o mancandolo del tutto.

La soluzione di Smith e Szpiech prevede un concetto chiamato rarefazione, una tecnica presa in prestito dall'ecologia che viene utilizzata per confrontare la diversità delle specie quando le dimensioni dei campioni differiscono. Nel loro nuovo metodo, non hanno bisogno di un gruppo di riferimento per determinare l'età di una variante genetica. Inveverso, osservano le firme genetiche uniche che appaiono in coppie di popolazioni. Calcolano la probabilità di trovare una specifica variante genetica in un campione più piccolo e standardizzato estratto da ciascun gruppo. Facendo questo, livellano il campo di gioco, assicurando che un gruppo con molti campioni non sia pesato ingiustamente contro un gruppo con pochi. Ciò consente loro di contare quanti varianti genetiche sono condivise esclusivamente tra due gruppi, il che funge da forte segnale che quei gruppi hanno scambiato DNA nel passato.

I ricercatori hanno sottoposto il loro nuovo metodo a rigorosi test utilizzando simulazioni al computer che hanno ricreato la storia delle popolazioni umane. Hanno creato scenari in cui le popolazioni si sono separate, si sono mescolate in momenti specifici e poi hanno continuato a evolversi. Hanno testato il loro metodo contro diversi strumenti esistenti, inclusi l'approccio tradizionale e altre tecniche moderne che si basano su complessi modelli informatici. In queste simulazioni, il nuovo metodo ha costantemente superato gli altri. È stato più bravo a identificare correttamente i blocchi di DNA che erano stati mescolati e ha generato meno falsi allari. Fondamentalmente, il nuovo metodo è rimasto accurato anche quando i ricercatori hanno rimosso completamente il gruppo di riferimento, un passaggio che ha fatto perdere potere al metodo tradizionale. Ha anche retto bene quando i dati sono stati "depolarizzati", ovvero quando i ricercatori hanno rimescolato le informazioni su quali varianti genetiche fossero vecchie e quali nuove, una situazione che accade spesso negli studi reali in cui la vera storia è sconosciuta.

Lo studio ha anche esaminato come il metodo gestirebbe la realtà disordinata del DNA antico. Il DNA proveniente da ossa antiche è spesso danneggiato, con pezzi mancanti o cambiamenti chimici che lo fanno apparire come una variante genetica diversa da quella reale. I ricercatori hanno simulato questi errori, inclusi i dati mancanti e il danno chimico, e hanno scoperto che il loro nuovo metodo è robusto. Sebbene la presenza di dati mancanti abbia ridotto la capacità di tutti i metodi di trovare la verità, il nuovo approccio è rimasto più affidabile rispetto ai suoi concorrenti. È stato particolarmente efficace quando il numero di individui campionati da diversi gruppi era diseguale, una situazione comune negli studi genetici in cui alcune popolazioni sono ben campionate e altre no.

Per dimostrare l'applicazione pratica del loro lavoro, il team si è rivolto a dati del mondo reale provenienti dalle popolazioni papuane moderne e da un campione di DNA Denisoviano. I Papuani sono noti per trasportare una quantità significativa di DNA dai Denisoviani, un antico gruppo umano che viveva in Asia e Oceania. I ricercatori hanno usato il loro nuovo strumento per scansionare i genomi di 17 individui papuani e un campione Denisoviano, cercando le regioni specifiche dove è avvenuto questo antico mescolamento. Hanno identificato diversi blocchi di DNA che probabilmente sono ereditati dai Denisoviani. Molti di questi blocchi contenevano geni legati al sistema immunitario, come RRM1, HIC2, BANK1, CLEC9A e LRBA. Questa scoperta concorda con l'idea che il mescolamento con gli umani antichi abbia fornito vantaggi genetici alle popolazioni moderne, in particolare nel combattere le malattie locali. Hanno anche trovato un gene chiamato ADK, che è stato collegato all'adattamento alle alte altitudini ed è anche coinvolto nella funzione immunitaria.

I ricercatori hanno anche testato quanto bene il loro metodo avrebbe funzionato se avessero avuto meno campioni a disposizione, un vincolo comune nella ricerca genetica. Hanno ripetuto l'analisi utilizzando solo due individui papuani invece del gruppo completo di 17. Mentre il metodo tradizionale e altri strumenti hanno perso molti delle regioni identificate in questo set di dati più piccolo, il nuovo metodo ha mantenuto una proporzione molto più grande dei risultati. Ciò suggerisce che la tecnica è particolarmente preziosa per studi in cui le dimensioni dei campioni sono limitate o diseguali, permettendo ai ricercatori di estrarre più informazioni da set di dati più piccoli di quanto fosse precedentemente possibile.

Lo studio conclude che, sebbene il nuovo metodo sia uno strumento potente per trovare regioni locali di antico mescolamento, è meglio utilizzato come un modo per generare candidati per ulteriori studi. Eccelle nell'evidenziare le parti più interessanti del genoma, ma non sostituisce la necessità di una comprensione completa della storia di una popolazione. Gli autori osservano che il metodo funziona meglio quando i ricercatori cercano gli outlier — regioni che si distinguono dal resto del genoma — piuttosto che cercare di misurare l'ammontare totale del mescolamento attraverso l'intero genoma. Nei casi in cui la storia evolutiva dei gruppi è molto complessa o comporta rapidi cambiamenti nella dimensione della popolazione, altri metodi potrebbero ancora essere necessari. Tuttavia, per il compito specifico di trovare le posizioni precise in cui il DNA antico è entrato in una popolazione moderna, questo nuovo approccio offre un miglioramento significativo in termini di accuratezza e affidabilità, aprendo la porta a una comprensione più chiara del nostro passato genetico condiviso.