Efficient and precise discovery of LTR-retrotransposon families using HiRepEat
Questo articolo introduce HiRepEat, un framework computazionale veloce ed efficiente dal punto di vista della memoria che combina il compressore di ripetizioni TACO e il sistema di mappatura delle coordinate SALSA con un algoritmo di allineamento wavefront adattato per identificare, raggruppare e analizzare con precisione le famiglie di retrotrasposoni LTR attraverso diversi genomi di vertebrati e Drosophila.
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. Ma questi manuali non sono documenti puliti e lineari; sono pieni di antichi passaggi ripetitivi che si copiano e si incollano nel corso del testo. Un importante tipo di questi elementi auto-replicanti è il retrotrasposone a ripetizione terminale lunga. Questi sono sequenze genetiche che possono creare una copia di se stesse utilizzando un intermedio di RNA e inserire tale copia nuovamente nel genoma. Nel corso di milioni di anni, si sono accumulati fino a tale estensione che in molti animali costituiscono una parte significativa del DNA totale. Comprendere dove si trovano questi elementi e come siano cambiati nel tempo è cruciale per comprendere l'evoluzione, ma trovarli è notoriamente difficile. Poiché sono molto simili tra loro e spesso sepolti all'interno di altre sequenze ripetitive, gli strumenti informatici standard faticano a distinguerli dal rumore o l'uno dall'altro, spesso perdendo le famiglie più antiche o creando mappe confuse e imprecise.
Un team di ricercatori ha sviluppato un nuovo metodo chiamato HiRepEat per risolvere questo problema, offrendo un modo più veloce e preciso per trovare questi viaggiatori genetici. L'idea centrale dietro il loro approccio è quella di pulire il genoma dalle distrazioni prima di cercare gli elementi specifici di interesse. Il processo inizia identificando e comprimendo le ripetizioni in tandem, ovvero sequenze che si trovano una accanto all'altra in lunghe file identiche. Queste ripetizioni in tandem spesso confondono i software di rilevamento, quindi i ricercatori utilizzano uno strumento che hanno chiamato TACO per ridurre queste lunghe file a una singola copia rappresentativa. Mantengono una mappa dettagliata, chiamata SALSA, che registra esattamente dove si trovavano le copie rimosse, assicurando che nessuna informazione vada perduta e che le posizioni originali possano essere ripristinate in seguito. Rimuovendo prima questi densi blocchi di ripetizione, il genoma diventa molto più facile da leggere, permettendo al software di individuare i retrotrasposoni più complessi e sparsi che prima erano nascosti.
Una volta semplificato il genoma, il software scansiona alla ricerca di candidati retrotrasposoni, cercando la specifica firma strutturale di questi elementi: due estremità corrispondenti che fiancheggiano una regione centrale. Quando vengono trovati potenziali candidati, i ricercatori non si limitano a raggrupparli insieme basandosi su un rapido controllo di somiglianza, un metodo che spesso porta a errori. Invezione, costruiscono un albero genealogico per ogni gruppo. Questo approccio filogenetico assicura che l'elenco finale delle famiglie sia accurato e che la sequenza "consensus", che rappresenta l'antenato originale di quella famiglia, sia derivata correttamente. Se una sequenza candidata viene trovata annidata all'interno di un'altra, il sistema può sbucciare gli strati, identificando l'inserzione interna e quella esterna separatamente. Questo processo iterativo, in cui il software effettivamente "mangia" via le ripetizioni trovate per rivelare ciò che sta sotto, permette di scoprire strutture nidificate complesse che altri metodi perdono.
I ricercatori hanno testato questo nuovo sistema su una vasta gamma di specie, tra cui il riso, il fringuello zebrafinch e il gorilla, confrontando i loro risultati con dataset esistenti e accuratamente curati. Il nuovo metodo si è dimostrato altamente accurato, identificando correttamente la stragrande maggioranza delle famiglie di retrotrasposoni pur generando molti meno falsi allarmi rispetto agli strumenti precedenti. In termini di velocità, la differenza è stata drammatica. Mentre altri metodi impiegavano ore o persino giorni per elaborare un singolo genoma di grandi dimensioni, o a volte non riuscivano nemmeno a terminare, HiRepEat ha completato l'analisi di un genoma di gorilla in circa 26 minuti. Il sistema è stato poi applicato a 577 diversi genomi di vertebrati del Vertebrate Genomes Project, un'impresa enorme che sarebbe stata impraticabile con i software precedenti. Nella maggior parte dei casi, l'analisi è terminata in meno di un'ora utilizzando risorse informatiche standard, dimostrando che il metodo scala efficientemente per gestire il crescente numero di sequenze genomiche di alta qualità che vengono generate.
Oltre a catalogare questi elementi, i ricercatori hanno usato i loro nuovi dati per cercare modelli di condivisione tra diverse specie. Confrontando le sequenze genetiche di questi retrotrasposoni attraverso molte specie contemporaneamente, hanno identificato casi in cui la stessa famiglia di elementi appariva in specie molto distanti tra loro. Ad esempio, hanno trovato sequenze di retrotrasposoni quasi identiche in diverse specie di pesci che si sono diversificate da un antenato comune più di 100 milioni di anni fa. Poiché questi elementi dovrebbero aver accumulato molte mutazioni nel corso di un tempo così lungo se fossero stati semplicemente ereditati da un antenato comune, il loro stato quasi identico suggerisce che si siano spostati tra le specie recentemente. Ciò punta al trasferimento orizzontale, un processo in cui il materiale genetico salta tra gli organismi invece di essere trasmesso da genitore a prole. Modelli simili sono stati osservati in moscerini della frutta e anfibi, inclusi casi in cui specie che depongono le uova in acqua condividevano questi elementi, supportando l'idea che la fecondazione in ambienti acquatici possa facilitare questo scambio genetico.
Il lavoro fornisce una nuova lente potente attraverso cui guardare il paesaggio ripetitivo dei genomi. Rimuovendo sistematicamente il rumore e costruendo alberi genealogici accurati, i ricercatori hanno creato un modo affidabile per studiare la storia e il movimento di questi elementi genetici attraverso l'albero della vita. La capacità di elaborare centinaia di genomi rapidamente significa che gli scienziati possono ora esplorare la distribuzione di questi elementi in specie che prima erano troppo difficili da analizzare. Le scoperte suggeriscono che il movimento di materiale genetico tra le specie è più comune di quanto si pensasse, in particolare negli ambienti acquatici, e che questi elementi mobili giocano un ruolo dinamico nel plasmare i genomi nel corso dell'evoluzione. Gli strumenti sviluppati in questo studio sono ora disponibili per altri scienziati, aprendo la porta a una comprensione più dettagliata di come questi antichi viaggiatori genetici continuino a influenzare la biologia degli esseri viventi.
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.