A pangenome-graph approach for mapping and imputing barley sequences

Immaginate di cercare di organizzare una biblioteca enorme, ma invece di libri, gli scaffali sono pieni di manuali di istruzioni per costruire esseri viventi. Questo è il mondo della genomica, la scienza che legge e comprende il DNA che rende ogni pianta, animale e persona unico. Per molto tempo, gli scienziati hanno cercato di organizzare questa biblioteca scegliendo un singolo libro "perfetto" come copia master. Confrontavano ogni nuovo libro trovato con questo unico master, assumendo che ogni differenza fosse solo un errore di battitura o una pagina mancante. Ma cosa succederebbe se la copia master mancasse interi capitoli che altri libri possiedono? E se gli "errori di battitura" fossero in realtà intere nuove storie? Questo è particolarmente complicato con colture come l'orzo, che hanno manuali di istruzioni enormi e complicati, pieni di schemi ripetitivi difficili da leggere. Gli scienziati si preoccupano di questo perché, se vogliamo coltivare cibo che possa sopravvivere a siccità, parassiti o cambiamenti climatici, dobbiamo vedere l'intero quadro della diversità genetica, non solo la versione presente in una singola pianta.

Entrano in gioco i ricercatori dietro questo nuovo studio, che hanno deciso di smettere di usare un singolo libro master e hanno invece costruito una gigantesca mappa interconnessa di tutta la famiglia dell'orzo. Sono partiti dall'esistente genoma di riferimento "MorexV3", che è come il libro singolo più completo di cui si disponeva, ma si sono resi conto che non era sufficiente a catturare la varietà selvatica di orzo presente nei campi di tutto il mondo. Così, hanno costruito quello che viene chiamato "Pan20", un pangenoma a grafo. Pensate a questo non come a una linea di testo dritta, ma come a una vasta mappa della metropolitana. In un libro normale, si legge dall'inizio alla fine in linea retta. In questa mappa della metropolitana, i binari (le sequenze di DNA) si diramano, fanno dei loop e si riconnettono. Alcune stazioni (geni) sono su tutte le linee ferroviarie, mentre altre sono presenti solo su rotte specifiche percorse da determinate varietà di orzo. Questo grafo cattura la "diversità globale" delle varietà locali e dei cultivar, il che significa che contiene i segreti genetici di tipi di orzo che il vecchio libro singolo aveva completamente tralasciato.

Per rendere utile questa mappa, il team ha dovuto capire come prendere un nuovo pezzo di DNA di orzio sconosciuto e capire dove si inserisce in questo complesso sistema di metropolitana. Hanno ideato una strategia intelligente in due fasi. Per prima cosa, hanno usato uno strumento chiamato GMAP per avere un'idea approssimativa di dove appartenga il pezzo, un po' come usare un GPS per trovare il quartiere generale. Poi, hanno usato un "Practical Haplotype Graph" (PHG) per ingrandire la visualizzazione e trovare la fermata esatta. Questo è come prendere quella posizione GPS e controllare una mappa locale dettagliata per vedere su quale specifica linea di autobus ti trovi. Questo metodo permette loro di rilevare la "variazione presenza-assenza", che è un modo elaborato per dire che possono capire se un pezzo specifico di DNA è presente o manca del tutto, piuttosto che limitarsi a cercare piccoli errori di ortografia. Fondamentalmente, questo sistema mantiene tutto allineato al sistema di coordinate originale di MorexV3, così gli scienziati possono ancora comunicare tra loro usando le stesse coordinate della mappa, anche se stanno guardando percorsi genetici completamente diversi.

I risultati del test di questo nuovo grafo sono stati molto rivelatori. Quando hanno provato a mappare lunghi filamenti di DNA e RNA (le copie operative delle istruzioni) contro questo grafo, ha funzionato magnificamente. In effetti, hanno scoperto che circa un terzo delle lunghe sequenze genomiche che hanno testato non si adattava affatto al genoma di riferimento originale; avevano senso solo se collocati nelle parti "non-reference" del grafo. Questo dimostra che fare affidamento su un singolo libro stava lasciando fuori una parte enorme della storia. Inoltre, hanno testato questo con dati reali provenienti da "Genotyping by Sequencing" e "low-pass sequencing" (metodi per leggere il DNA in modo rapido ed economico, ma non perfetto). Il grafo ha gestito questi file di dati disordinati e incompleti in modo efficiente, colmando con successo le lacune mancanti (imputazione) mantenendo intatto il contesto locale del "quartiere" genetico.

L'articolo suggerisce che questo framework flessibile è un punto di svolta per i ricercatori dell'orzo. Permette loro di esplorare la diversità genetica oltre un singolo punto di riferimento e di analizzare gruppi di piante al livello di interi aplotipi (blocchi di geni ereditati insieme) piuttosto che guardare solo ai singoli cambiamenti di lettere (SNP). Sebbene l'articolo non sostenga che questo risolva ogni problema in agricoltura, dimostra che il grafo può allineare accuratamente le sequenze e preservare il complesso contesto del genoma. Il team ha reso i propri strumenti accessibili al pubblico, incluso un contenitore Docker per una configurazione facile e un'applicazione web dove le persone possono mappare le proprie sequenze, invitando la comunità scientifica a esplorare insieme la ricca e ramificata storia dell'orzo.