DIPLER: rapid k-mer-based locus identification
Il documento introduce Dipler, un metodo rapido e indipendente dal riferimento in due fasi che combina l'identificazione di k-meri specifici per gruppo con l'assemblaggio de novo mirato di PacBio per risolvere e assemblare con successo alleli strutturalmente complessi e divergenti in genomi eucariotici a bassa copertura di sequenziamento.
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
I genomi sono i manuali di istruzioni della vita, scritti in un codice di quattro lettere chimiche che spiegano come un organismo cresca e funzioni. Per decenni, gli scienziati hanno cercato di leggere questi manuali confrontandoli con una singola copia di riferimento perfetta, proprio come si controlla una nuova mappa rispetto a un atlante affidabile. Questo approccio funziona bene quando il terreno è familiare, ma fatica quando il paesaggio è selvaggio, intricato o del tutto assente dall'atlante. Molte importanti differenze genetiche, come quelle che determinano se un albero fiorisce presto o tardi, esistono in regioni complesse e ripetitive che le mappe standard spesso saltano o interpretano erroneamente. Per trovare queste istruzioni nascoste, i ricercatori hanno iniziato a cercare minuscoli schemi unici all'interno dei dati genetici grezzi stessi, piuttosto che forzare i dati a adattarsi a un modello preesistente. Questo cambiamento permette loro di individuare le firme genetiche specifiche che distinguono un gruppo di organismi da un altro, anche quando la struttura complessiva del loro DNA è difficile da navigare.
Un team di ricercatori ha sviluppato un nuovo metodo chiamato Dipler per affrontare questa sfida, offrendo un modo più veloce e diretto per localizzare queste regioni genetiche complesse. Il team ha testato il loro approccio su alberi di noce, concentrandosi specificamente su un gene che controlla l'ordine in cui compaiono i fiori. In alcuni alberi, i fiori maschili sbocciano prima, mentre in altri, i fiori femminili sbocciano prima. Questa differenza è causata da una specifica estensione di DNA che varia significativamente tra i due tipi: una versione del gene è una copia semplice e singola, mentre l'altra è una struttura complessa e ripetitiva che si ripete molte volte. Poiché questa sezione ripetitiva è così diversa dalla versione standard, è notoriamente difficile da assemblare correttamente utilizzando i metodi tradizionali. I ricercatori volevano vedere se fossero in grado di isolare e ricostruire questo specifico e disordinato pezzo di DNA senza fare affidamento su un genoma di riferimento per guidarli.
Il processo è iniziato confrontando i dati genetici di due gruppi di alberi di noce: quelli con il gene complesso e ripetitivo e quelli con la versione semplice a copia singola. I ricercatori hanno scansionato i dati alla ricerca di brevi sequenze uniche di codice genetico, note come k-mer, che apparivano frequentemente nel gruppo complesso ma erano assenti nel gruppo semplice. Hanno scoperto che, utilizzando un numero maggiore di alberi nel loro confronto, potevano filtrare il rumore casuale e identificare un insieme preciso di queste sequenze uniche che fungevano da impronta digitale per il gene complesso. Una volta ottenuta questa impronta digitale, l'hanno utilizzata per setacciare i dati di sequenziamento a lettura lunga (long-read sequencing), che catturano tratti di DNA molto più lunghi rispetto ai metodi standard. Hanno selezionato solo i filamenti lunghi che contenevano queste impronte digitali uniche, filtrando efficacemente il resto del genoma.
Con questo insieme filtrato di filamenti di DNA, i ricercatori hanno ricomposto la sequenza completa del gene complesso partendo da zero. Nel loro primo test, utilizzando un albero che portava una copia del gene complesso e una copia del gene semplice, sono riusciti a ricostruire la versione complessa utilizzando dati equivalenti a coprire il genoma nove volte. Questo è stato un risultato significativo perché ha dimostrato che, anche quando il gene bersaglio è presente solo in metà del materiale genetico, il metodo può comunque trovarlo e costruirlo. Per spingere ulteriormente i limiti, hanno applicato la stessa tecnica a una diversa varietà di noce che portava due copie del gene complesso, ma con lievi differenze tra loro. Questo è stato un compito più difficile, poiché il metodo doveva distinguere tra due versioni molto simili, ma distinte, dello stesso gene. Hanno scoperto che avevano bisogno di dati equivalenti a coprire il genoma tredici volte per separare e assemblare con successo entrambe le versioni indipendentemente.
I risultati dimostrano che questo nuovo flusso di lavoro può identificare e ricostruire rapidamente loci genetici strutturalmente complessi senza la necessità di una mappa di riferimento. I ricercatori hanno dimostrato che il metodo funziona identificando prima i marcatori genetici unici che definiscono un tratto, poi utilizzando tali marcatori per estrarre i filamenti di DNA rilevanti da un ampio set di dati e, infine, assemblando tali filamenti in una sequenza completa. Hanno osservato che la quantità di dati richiesti dipende dalla complessità del compito; trovare un gene che è ampiamente assente in una versione del genoma richiedeva meno dati rispetto al separare due versioni molto simili dello stesso gene. Sebbene i numeri specifici di nove e tredici volte la copertura siano stati osservati in questi specifici esperimenti sul noce, la strategia sottostante fornisce un quadro flessibile che potrebbe essere applicato ad altre specie e tratti genetici complessi. Il lavoro suggerisce che, concentrandosi sugli schemi unici che distinguono i gruppi, gli scienziati possono bypassare i limiti dei genomi di riferimento e accedere direttamente alle parti più difficili del codice genetico.
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.