AniAnn's: alignment-free annotation of tandem repeat arrays using fast average nucleotide identity estimates

Stel je een genoom voor als een enorme bibliotheek vol boeken. De meeste boeken bevatten unieke, interessante verhalen. Maar diep achterin staan enorme secties vol pagina's die steeds dezelfde zin herhalen, zoals "The quick brown fox jumps over the lazy dog" een miljoen keer achter elkaar geschreven. In de wereld van het DNA worden deze tandem repeats of satelliet-DNA genoemd.

Lange tijd was het proberen te lezen of in kaart brengen van deze repetitieve secties alsof je probeert te navigeren door een doolhof waar elke afslag er precies hetzelfde uitziet. Omdat de tekst zo repetitief en simpel is, raken computerprogramma's in de war, raken ze de weg kwijt en hebben ze moeite om te bepalen waar één blok herhalingen begint en waar het eindigt. Dit heeft ervoor gezorgd dat een groot deel van de genetische bibliotheek onderbelicht en slecht begrepen is gebleven.

Maak kennis met "AniAnn's" (of AniAnns), de nieuwe bibliothecaris.

De onderzoekers achter dit artikel hebben een nieuwe tool gebouwd genaamd AniAnns om dit specifieke probleem op te lossen. Dit is hoe het werkt, met behulp van een eenvoudige analogie:

Beschouw een enkel blok herhalend DNA als een lange ketting van identieke Lego-blokjes. Hoewel ze er hetzelfde uitzien, heeft elk blokje bij nadere inspectie kleine, bijna onzichtbare krasjes of variaties. De tool AniAnns werkt als een supersnelle scanner die controleert hoe vergelijkbaar deze blokjes zijn met hun buren.

In plaats van te proberen elke letter van het DNA te lezen (wat traag en verwarrend is), gebruikt AniAnns een kortere route genaamd Average Nucleotide Identity (ANI). Het is alsof je vraagt: "In hoeverre lijken deze twee pagina's op elkaar?" Als de pagina's voor 99% identiek zijn, weet de tool dat ze bij hetzelfde herhalende blok horen. Als de gelijkenis afneemt, weet de tool dat het blok is geëindigd.

Waarom is dit een grote zaak?

• Snelheid: Het artikel beweert dat AniAnns ongelooflijk snel is. Het doet het werk in een fractie van de tijd die oudere methoden nodig hebben. Het is het verschil tussen te voet door het doolhof wandelen stap voor stap versus een helikopter nemen om de grenzen van bovenaf te spotten.
• Nauwkeurigheid: Het kan de randen van deze herhalingsblokken vinden, zelfs wanneer de sequenties een beetje verschillend of "divergent" zijn (zoals een Lego-ketting waarbij sommige blokjes een iets andere kleur hebben).
• Veelzijdigheid: De tool werkt goed op DNA van zowel planten als dieren.

Wat kun je ermee doen?

Volgens het artikel heeft deze tool twee hoofdfuncties:

1. Masking (Maskeren): Voordat wetenschappers twee volledige genomen proberen te vergelijken (zoals het vergelijken van twee verschillende soorten bibliotheken), kunnen ze AniAnns gebruiken om "Niet Lezen"-borden over de repetitieve secties te plaatsen. Dit voorkomt dat de computer wordt afgeleid door de ruis en helpt het om zich te concentreren op de unieke delen van het genoom.
2. Mapping en Classificatie: Het helpt wetenschappers om een duidelijke kaart te tekenen van waar deze herhalingsblokken zich bevinden en wat voor soort ze zijn, zonder dat ze eerst het hele genoom perfect hoeven te assembleren.

Kortom, AniAnns is een snelle, open-source tool die wetenschappers helpt om eindelijk de verwarrende, repetitieve "ruis" in onze genetische code te begrijpen, waardoor ze deze mysterieuze delen van het genoom veel gemakkelijker kunnen bestuderen dan voorheen. Je kunt de tool gratis vinden op GitHub.