Multi-scale haplotype signatures distinguish among evolutionary processes
Het artikel introduceert SHADES, een robuust deep learning-framework dat gebruikmaakt van multi-schaal haplotype-signaturen om verschillende evolutionaire processen nauwkeurig te onderscheiden, waarbij het bestaande methoden overtreft en er succesvol zowel bekende als nieuwe adaptieve signalen in Europese menselijke genomen heeft geïdentificeerd.
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
Het verhaal van hoe de mens is geworden wie hij is, is geschreven in het DNA binnen onze cellen. Deze genetische code is geen statische instructiehandleiding; het is een levend verslag van de geschiedenis, dat voortdurend wordt bewerkt door de krachten van de natuur. Soms geeft een willekeurige verandering in het DNA een individu een overlevingsvoordeel, waardoor deze langer kan leven en meer kinderen kan krijgen. Over vele generaties heen verspreidt deze nuttige verandering zich door de populatie, waardoor een duidelijk spoor achterblijft in het genetische landschap. Wetenschappers noemen dit proces natuurlijke selectie. Het genoom wordt echter ook gevormd door andere krachten, zoals het willekeurige herschikken van genen wanneer ouders deze aan hun kinderen doorgeven, of het mengen van populaties wanneer groepen migreren en onderling paren. Het onderscheiden van deze verschillende krachten is als het proberen te zien van het verschil tussen een vingerafdruk die door een specifiek persoon is achtergelaten en een veeg gemaakt door een willekeurige hand. Lange tijd was het moeilijk om deze sporen van elkaar te onderscheiden, vooral wanneer ze overlappen of wanneer de geschiedenis van een populatie complex is.
Een team onderzoekers aan de Florida Atlantic University heeft een nieuwe manier ontwikkeld om deze genetische verhalen met veel meer helderheid te lezen. Ze hebben een computerprogramma ontwikkeld genaamd SHADES, dat gebruikmaakt van een vorm van kunstmatige intelligentie die bekend staat als deep learning om naar patronen in menselijk DNA te kijken. In plaats van alleen te tellen hoe vaak een gen voorkomt, kijkt het programma naar de rangschikking van genetische varianten over grote stukken DNA, vergelijkbaar met een detective die naar de lay-out van een plaats delict kijkt in plaats van alleen het aantal mensen aanwezig te tellen. De onderzoekers trainden dit systeem met miljoenen gesimuleerde genetische geschiedenissen, waarbij het systeem leerde de unieke handtekeningen te herkennen die door vier verschillende evolutionaire processen zijn achtergelaten: neutrale veranderingen die door toeval gebeuren, snelle 'sweeps' waarbij een gunstig gen de overhand neemt, balancerende selectie waarbij meerdere versies van een gen in de populatie worden behouden, en adaptieve introgressie, wat optreedt wanneer mensen nuttige genen verwerven van andere oude mensengroepen.
De resultaten van deze training waren opmerkelijk. Wanneer het werd getest tegen andere bestaande methoden, bleek het nieuwe systeem aanzienlijk nauwkeuriger in het identificeren van welke evolutionaire kracht aan het werk was. Het kon het onderscheid maken tussen een gen dat recentelijk door een populatie is gescand (swept) en een gen dat werd geïntroduceerd vanuit een externe groep, een taak die voorheen veel andere instrumenten in verwarring bracht. Het systeem bleef betrouwbaar, zelfs wanneer de gegevens incompleet waren of wanneer de snelheden van genetische verandering varieerden over het genoom, omstandigheden die vaak leiden tot het falen van andere methoden. Deze robuustheid suggereert dat het programma de werkelijke onderliggende patronen van evolutie heeft geleerd in plaats van alleen specifieke voorbeelden te hebben onthouden.
Om te zien of dit hulpmiddel werkte op echte gegevens, pasten de onderzoekers het toe op de genomen van mensen van Europese afkomst uit de 1000 Genomes Project. Het systeem bevestigde onmiddellijk verschillende bekende verhalen over menselijke adaptatie. Het identificeerde correct de regio van het DNA die verantwoordelijk is voor lactasepersistentie, het vermogen om melksuiker tot in volwassenheid te verteren, wat een klassiek voorbeeld is van een gen dat door een populatie verspreidde na de domesticatie van zuiveldieren. Het vond ook de genetische handtekeningen van balancerende selectie in het major histocompatibility complex, een groep genen die cruciaal is voor het immuunsysteem en die gedurende duizenden jaren een hoge diversiteit heeft behouden om een breed scala aan pathogenen te bestrijden. Verder detecteerde het signalen van adaptieve introgressie in genen gerelateerd aan huidpigmentatie, waarmee werd bevestigd dat mensen enkele van hun fysieke kenmerken hebben verworven door te paren met oude verwanten zoals Neanderthalers.
Buiten deze beroemde voorbeelden om, onthulde het programma een overvloed aan nieuwe kandidaten voor menselijke adaptatie die niet eerder waren uitgelicht. Het wees naar genen betrokken bij immuunverdediging, ontsteking en het onderhoud van de huidbarrière, wat suggereert dat onze voortdurende strijd met pathogenen en onze behoefte om aan te passen aan verschillende omgevingen constante drijfveren van onze evolutie zijn geweest. Zo benadrukte het systeem genen die het lichaam helpen reageren op virale infecties en andere die reguleren hoe de huid ons beschermt tegen de buitenwereld. Deze bevindingen geven een duidelijker beeld van hoe natuurlijke selectie ons menselijk genoom heeft gevormd, waarbij een complexe interactie van krachten wordt onthuld die ons hebben geholpen te overleven en te floreren in diverse omgevingen.
Het succes van deze aanpak ligt in het vermogen om genetische gegevens gelijktijdig op meerdere schalen te bekijken. Door kleine vensters van DNA te onderzoeken om fijne details te vangen en grotere vensters om het bredere beeld te zien, kan het programma subtiele signalen scheiden die anders verloren zouden gaan in de ruis. Dit multischale perspectief stelt het in staat om het verschil te zien tussen een gen dat actief wordt geselecteerd en een gen dat simpelweg verandert door toeval of de geschiedenis van populatiebewegingen. De onderzoekers ontdekten dat hun methode bijzonder goed was in het onderscheiden van verschillende soorten selectie, een taak die voor eerdere instrumenten moeilijk bleek.
Dit werk vormt een belangrijke stap voorwaarts in ons vermogen om de evolutionaire geschiedenis te decoderen die in ons DNA is geschreven. Door geavanceerde informatica te combineren met de studie van menselijke genetica, hebben de onderzoekers een instrument gecreëerd dat door de enorme complexiteit van het genoom kan zeven om de specifieke verhalen van adaptatie te vinden. De bevindingen bevestigen niet alleen wat we al wisten over de menselijke evolutie, maar openen ook de deur naar het ontdekken van nieuwe hoofdstukken in onze geschiedenis, met name die betreffende ons immuunsysteem en onze interactie met de omgeving. Terwijl de onderzoekers hun software beschikbaar stellen aan de wetenschappelijke gemeenschap, belooft het de ontdekking te versnellen van hoe natuurlijke selectie niet alleen de mens, maar potentieel veel andere soorten heeft gevormd.
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.