Efficient and precise discovery of LTR-retrotransposon families using HiRepEat
Dit artikel introduceert HiRepEat, een snel en geheugenefficiënt computationeel framework dat de TACO-repeatcompressor en het SALSA-coördinatenmappingsysteem combineert met een aangepast wavefront-alignmentalgoritme om LTR-retrotransposonfamilies in diverse vertebraten- en Drosophila-genomen nauwkeurig te identificeren, te clusteren en te analyseren.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Genomen zijn de instructiehandleidingen voor het leven, geschreven in een code van vier chemische letters. Maar deze handleidingen zijn geen schone, lineaire documenten; ze zijn gevuld met oude, repetitieve passages die zichzelf door de tekst kopiëren en plakken. Een belangrijke soort van deze zelfreplicerende elementen is de long terminal repeat retrotransposon. Dit zijn genetische sequenties die een kopie van zichzelf kunnen maken met behulp van een RNA-intermediair en die kopie terug in het genoom kunnen invoegen. Gedurende milanden hebben ze zich zo opgestapeld dat ze in veel dieren een aanzienlijk deel van het totale DNA uitmaken. Het begrijpen van waar deze elementen zich bevinden en hoe ze in de loop van de tijd zijn veranderd, is cruciaal voor het begrijpen van evolutie, maar het vinden ervan is berucht moeilijk. Omdat ze zo sterk op elkaar lijken en vaak begraven liggen in andere repetitieve sequenties, hebben standaard computertools moeite om ze te onderscheiden van ruis of van elkaar, waardoor ze vaak oudere families missen of verwarrende, onnauwkeurige kaarten creëren.
Een team van onderzoekers heeft een nieuwe methode ontwikkeld genaamd HiRepEat om dit probleem op te lossen, die een snellere en preciezere manier biedt om deze genetische reizigers te vinden. De kern van hun aanpak is het opschonen van het genoom van afleidingen voordat er naar de specifieke elementen van belang wordt gezocht. Het proces begint met het identificeren en comprimeren van tandem-repeats, sequenties die direct naast elkaar liggen in lange, identieke rijen. Deze tandem-repeats verwarren de detectiesoftware vaak, dus de onderzoekers gebruiken een tool die ze TACO noemden om deze lange rijen terug te brengen tot een enkele representatieve kopie. Ze houden een gedetailleerde kaart bij, genaamd SALSA, die precies registreert waar de verwijderde kopieën zich bevonden, zodat er geen informatie verloren gaat en de oorspronkelijke posities later kunnen worden hersteld. Door eerst deze dichte blokken van herhaling te verwijderen, wordt het genoom veel gemakkelijker te lezen, waardoor de software de meer complexe, verspreide retrotransposons kan spotten die voorheen verborgen bleven.
Zodra het genoom is vereenvoudigd, scant de software op kandidaat-retrotransposons, waarbij gezocht wordt naar de specifieke structurele handtekening van deze elementen: twee overeenkomende uiteinden die een centraal gebied flankeren. Wanneer potentiële kandidaten worden gevonden, groeperen de onderzoekers deze niet simpelweg op basis van een snelle gelijkeniscontrole, een methode die vaak tot fouten leidt. In plaats daarvan bouwen ze een stamboom voor elke groep. Deze fylogenetische aanpak zorgt ervoor dat de uiteindelijke lijst van families accuraat is en dat de "consensus"-sequentie, die de oorspronkelijke voorouder van die familie vertegenwoordigt, correct wordt afgeleid. Als een kandidaat-sequentie te vinden is binnen een andere, kan het systeem de lagen afpellen, waarbij de binnenste insertie en de buitenste apart worden geïdentificeerd. Dit iteratieve proces, waarbij de software effectief de gevonden repeats "opeet" om te onthullen wat eronder ligt, stelt het in staat om complexe, geneste structuren te ontdekken die andere methoden missen.
De onderzoekers testten dit nieuwe systeem op een grote verscheidenheid aan soorten, waaronder rijst, zebra's en gorilla's, waarbij ze hun resultaten vergeleken met bestaande, zorgvuldig gecureerde datasets. De nieuwe methode bleek zeer nauwkeurig, waarbij het het overgrote deel van de bekende retrotransposon-families correct identificeerde terwijl het veel minder valse alarmen genereerde dan eerdere tools. Wat betreft snelheid was het verschil dramatisch. Terwijl andere methoden uren of zelfs dagen nodig hadden om een enkel groot genoom te verwerken, of soms zelfs niet afwerkten, voltooide HiRepEat de analyse van een gorilla-genoom in ongeveer 26 minuten. Het systeem werd vervolgens toegepast op 577 verschillende vertebraten-genomen uit het Vertebrate Genomes Project, een enorme onderneming die met oudere software onpraktisch zou zijn geweest. In de meeste gevallen werd de analyse voltooid in minder dan een uur met standaard computerbronnen, wat aantoont dat de methode efficiënt schaalt om de groeiende hoeveelheid hoogwaardige genoomsequenties die worden gegenereerd te kunnen verwerken.
Naast het louter catalogiseren van deze elementen, gebruikten de onderzoekers hun nieuwe data om te zoeken naar patronen van delen tussen verschillende soorten. Door de genetische sequenties van deze retrotransposons over veel soorten tegelijk te vergelijken, identificeerden ze gevallen waarin dezelfde familie van elementen voorkwam in soorten die ver van elkaar verwijderd zijn. Zo vonden ze bijvoorbeeld bijna identieke retrotransposon-sequenties in verschillende soorten vissen die meer dan 100 miljoen jaar geleden uit een gemeenschappelijke voorouder zijn voortgekomen. Aangezien deze elementen in de loop van zo'n lange tijd veel mutaties zouden hebben verzameld als ze simpelweg van een gemeenschappelijke voorouder waren geërfd, suggereert hun bijna identieke staat dat ze recentelijk tussen soorten zijn bewogen. Dit wijst op horizontale transfer, een proces waarbij genetisch materiaal tussen organismen springt in plaats van van ouder op nakomeling te worden doorgegeven. Vergelijkbare patronen werden waargenomen in fruitvliegen en amfibieën, incluser ook gevallen waarbij soorten die eieren in water leggen, deze elementen deelden, wat het idee ondersteunt dat bevruchting in aquatische omgevingen deze genetische uitwisseling kan faciliteren.
Het werk biedt een krachtige nieuwe lens om naar het repetitieve landschap van genomen te kijken. Door systematisch de ruis te verwijderen en accurate stambomen te bouwen, hebben de onderzoekers een betrouwbare manier gecreëerd om de geschiedenis en beweging van deze genetische elementen door de boom des levens te bestuderen. Het vermogen om honderden genomen snel te verwerken betekent dat wetenschappers nu de distributie van deze elementen kunnen verkennen in soorten die voorheen te moeilijk te analyseren waren. De bevindingen suggereren dat de beweging van genetisch materiaal tussen soorten gebruikelijker is dan voorheen gedacht, met name in aquatische omgevingen, en dat deze mobiele elementen een dynamische rol spelen bij het vormgeven van genomen door de tijd heen. De tools die in deze studie zijn ontwikkeld, zijn nu beschikbaar voor andere wetenschappers, wat de deur opent naar een gedetailleerder begrip van hoe deze oude genetische reizigers de biologie van levende dingen blijven beïnvloeden.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.