Leveraging Structural Variants to Unlock Hidden Genetic Diversity for Tomato Crop Improvement
Questo studio dimostra che il riutilizzo di dati di sequenziamento short-read economici provenienti da diverse linee di pomodoro può svelare oltre 71.000 varianti strutturali ad alta confidenza, rivelandoli come driver critici e precedentemente nascosti della diversità genetica che migliorano i flussi di lavoro del breeding e risolvono le relazioni di lignaggio senza richiedere ulteriori investimenti in sequenziamento long-read.
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 pomodori sono una delle verdure più importanti al mondo e, per decenni, gli scienziati hanno studiato il loro DNA per capire perché alcune piante resistano alle malattie, perché altre producano frutti più grandi e come le diverse varietà siano correlate tra loro. Per molto tempo, i ricercatori si sono concentrati sui cambiamenti più piccoli nel codice genetico, osservando le singole lettere che differiscono tra le piante. Queste minuscole differenze, note come varianti a singolo nucleotide, sono state incredibilmente utili per la selezione di colture migliori. Tuttavia, il genoma contiene anche cambiamenti molto più grandi, come parti mancanti di DNA, copie extra di sezioni o pezzi che si sono spostati in nuove posizioni. Queste alterazioni più ampie sono chiamate varianti strutturali. Sebbene siano note per essere potenti motori del modo in cui una pianta appare e si comporta, trovarle è stato tradizionalmente difficile e costoso, richiedendo spesso tecnologie specializzate e ad alto costo che molti programmi di breeding non possono permettersi.
Un nuovo studio di Reza Shekasteband della North Carolina State University mostra che gli scienziati possono ora trovare questi cambiamenti genetici su larga scala, nascosti, utilizzando dati che già esistono. Il ricercatore ha approfittato di una massiccia collezione di sequenze di DNA di pomodoro che era stata generata in sei anni utilizzando macchine di sequenziamento standard ed economiche. Invece di eseguire nuovi test costosi, il team ha applicato un metodo informatico specifico a questi dati esistenti per dare la caccia ai cambiamenti strutturali più grandi. Hanno esaminato sessanta diverse linee di pomodoro, che vanno dagli antenati selvatici che crescono nelle Ande alle varietà commerciali moderne coltivate nei campi. Ri-analizzando le letture brevi di DNA già presenti nel database, il team è riuscito a identificare oltre 71.000 varianti strutturali ad alta confidenza. Questo approccio dimostra che informazioni genetiche preziose giacciono inerti in vecchi dataset, in attesa di essere sbloccate senza spendere un singolo dollaro in nuovi sequenziamenti.
Lo studio ha rivelato che questi grandi cambiamenti genetici non sono distribuiti uniformemente attraverso il genoma del pomodoro. Al contrario, si raggruppano in aree specifiche, in particolare vicino alle estremità dei cromosomi e in regioni note per controllare la resistenza alle malattie. Quando i ricercatori hanno confrontato i pomodori selvatici con quelli coltivati, hanno scoperto che le piante selvatiche portavano quasi il doppio di questi cambiamenti strutturali. Nei genomi selvatici, i pezzi mancanti di DNA erano il tipo di cambiamento più comune, mentre nei pomodori coltivati, le inserzioni extra di DNA erano più frequenti. Questa differenza evidenzia come la domesticazione abbia plasmato l'architettura genetica della coltura, filtrando parte della variazione selvatica e introducendo nuove caratteristiche strutturali. Il team ha anche scoperto che molte linee di breeding moderne portano cambiamenti strutturali unici che non compaiono altrove, agendo come un'impronta digitale genetica per specifiche varietà.
Uno dei risultati più significativi è stato che questi grandi cambiamenti strutturali raccontano la stessa storia evolutiva delle piccole variazioni a singolo nucleotide, ma con maggiore chiazaezza. Quando i ricercatori hanno costruito alberi genealogici basati sulle varianti strutturali, i risultati hanno corrisposto quasi perfettamente agli alberi costruiti a partire dalle piccole variazioni. Tuttavia, i dati strutturali sono stati migliori nel risolvere le relazioni confuse. Ad esempio, una varietà di pomodoro selvatico che era stata raggruppata con l'uva coltivata nell'analisi precedente, è stata correttamente ricollocata tra i suoi parenti selvatici quando sono stati considerati i cambiamenti strutturali. Ciò suggerisce che guardare le parti più grandi del DNA aiuta i selezionatori a comprendere la vera storia delle loro piante e a prendere decisioni più intelligenti su quali varietà incrociare.
La ricerca ha anche scoperto una lezione pratica su come gli scienziati elaborano questi dati. Il team ha scoperto che il modo in cui hanno allineato le letture del DNA al genoma di riferimento faceva una grande differenza. Un metodo standard che forza le letture a corrispondere perfettamente da un'estremità all'altra non è riuscito a trovare alcun cambiamento strutturale. Passando a un approccio più flessibile che consente alle letture di corrispondere parzialmente, il team ha potuto rilevare le rotture e le sovrapposizioni che segnalano una variante strutturale. Questo aggiustamento ha permesso loro di trovare migliaia di cambiamenti in più rispetto a quanto avrebbero ottenuto altrimenti. Hanno testato diversi modi per raggruppare i campioni e hanno scoperto che analizzare lotti di linee diverse insieme forniva i risultati più completi, rivelando cambiamenti unici in linee specifiche che erano sfuggiti quando i campioni venivano esaminati individualmente.
Nonostante il successo, lo studio riconosce che questo metodo ha dei limiti. Sebbene sia eccellente nel trovare delezioni e inserzioni, potrebbe mancare di rilevare riarrangiamenti molto complessi o la struttura precisa dei geni inseriti, come quelli utilizzati nelle piante geneticamente modificate. I ricercatori hanno confermato questo trovando che il loro metodo mancava alcuni siti di inserzione in linee transgeniche che altre tecniche potevano vedere. Ciononostante, lo studio dimostra che esiste una strategia scalabile e conveniente per estrarre dati archiviati. Utilizzando dati di sequenziamento a lettura breve standard e ottimizzando gli strumenti informatici, i programmi di breeding possono ora accedere a uno strato nascosto di diversità genetica. Ciò consente loro di tracciare tratti specifici, affinare la comprensione delle famiglie di piante e accelerare lo sviluppo di nuove varietà di pomodoro senza il costo proibitivo di nuove tecnologie di sequenziamento ad alta gamma. Il lavoro trasforma ciò che un tempo era considerato un limite dei vecchi dati in una potente risorsa per il futuro del miglioramento delle colture.
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.