Earl Grey ParTEA: scalable, consistent transposable element annotation from pangenomes to deep phylogenetic scopes

Het menselijk genoom, en inderdaad het genoom van vrijwel elk levend organisme, is geen statische bibliotheek van instructies maar een dynamisch landschap dat voortdurend wordt gevormd door zijn eigen interne bewoners. Onder deze meest actieve bewoners behoren transponele elementen, vaak "springende genen" genoemd. Dit zijn stukken DNA die zichzelf kunnen kopiëren en op nieuwe locaties in een genoom kunnen invoegen, vergelijkbaar met een boek dat zijn eigen pagina's kan fotokopiëren en ze in verschillende hoofdstukken kan plakken. Hoewel veel van deze inserties onschadelijk of zelfs gunstig zijn, kunnen anderen genen verstoren of de manier waarop het genoom functioneert, veranderen. Omdat deze elementen bewegen en zich vermenigvuldigen, zijn ze een belangrijke bron van genetische variatie, wat evolutie aandrijft en soms ziekten veroorzaakt. Om te begrijpen hoe soorten zich aanpassen, hoe ze uiteenlopen of hoe hun genomen zijn opgebouwd, moeten wetenschappers in staat zijn om deze springende genen nauwkeurig in kaart te brengen. Het doen van deze taak is echter een moeilijke opgave gebleken, vooral wanneer men veel verschillende genomen tegelijkertijd wil vergelijken.

Traditioneel hebben onderzoekers deze genetische reizigers één genoom tegelijk geanalyseerd. Ze stelden een catalogus samen van springende genen voor één referentieorganisme en gebruikten die lijst om vergelijkbare elementen in andere individuen te vinden. Deze aanpak heeft een kritiek gebrek: als een familie van springende genen ontbreekt in de referentiecatalogus, zal deze in de nieuwe monsters volledig worden gemist. Omgekeerd, als onderzoekers voor elk bestudeerd genoom een aparte catalogus opstellen, worden de resultaten rommelig. Dezelfde familie van springende genen kan in verschillende catalogi verschillende namen krijgen, waardoor het onmogelijk wordt om te bepalen of twee organismen een gemeenschappelijke genetische geschiedenis delen of dat ze hun eigen unieke versies hebben ontwikkeld. Dit creëert een blinde vlek in ons begrip van hoe genetische diversiteit zich verspreidt over soorten en populaties.

Om dit probleem op te lossen, hebben Tobias Baril, Alice Feurtey en Daniel Croll een nieuwe geautomatiseerde tool ontwikkeld genaamd Earl Grey ParTEA. Denk aan een meesterbibliothecaris die niet alleen boeken uit één enkele bibliotheek catalogiseert, maar eerst elk boek uit duizend verschillende bibliotheken verzamelt, ze samenvoegt tot één gigantische, niet-redundante collectie, en vervolgens die ene, volledige collectie gebruikt om elke bibliotheek opnieuw te catalogiseren. Deze pijplijn is ontworpen om grote groepen genomen gelijktijdig te verwerken, of het nu gaat om tien verschillende individuen van dezelfde plantensoort, tien verschillende soorten fruitvliegjes, of tien soorten schimmels uit het hele koninkrijk. Door één enkele, gedeelde bibliotheek van springende genen op te bouwen vanuit alle invoergenomen tegelijkertijd, zorgt de tool ervoor dat elk genoom wordt geannoteerd met dezelfde consistente set namen en definities. Dit stelt wetenschappers in staat om direct te vergelijken hoeveel springende genen elk organisme heeft, welke zij delen en welke uniek voor hen zijn.

De onderzoekers testten dit nieuwe systeem op drie zeer verschillende schalen van het leven om te zien hoe goed het werkte. Eerst keken ze naar tien verschillende accessies van de modelplant Arabidopsis thaliana. Zelfs binnen deze enkele soort, die zeer nauw verwant is, toonde de tool aan dat een enkel referentiegenoom niet voldoende was om het volledige beeld te vatten. Naarmate ze meer plantgenomen aan de analyse toevoegden, groeide het aantal geïdentificeerde families van springende genen aanzienlijk, tot een totaal van 1.357 verschillende families. De analyse toonde aan dat hoewel de meeste van deze families gedeeld werden over alle planten, een klein aantal uniek was voor specifieke individuen. Dit suggereert dat zelfs binnen een enkele soort het genetische landschap diverser en dynamischer is dan voorheen gedacht, waarbij sommige individuen unieke genetische bagage dragen die anderen missen.

Vervolgens paste het team de tool toe op tien verschillende soorten fruitvliegjes, een groep die verder van elkaar verwijderd is dan de planten. Hier werd het vermogen van de nieuwe methode nog duidelijker. Een standaard, bestaande bibliotheek van fruitvlieg-springende genen bevatte slechts 343 families. Echter, door ParTEA te gebruiken om een nieuwe bibliotheek op te bouwen van alle tien de soorten gecombineerd, explodeerde het aantal geïdentificeerde families naar 1.852. Deze enorme toename onthulde dat een aanzienlijk deel van de genetische diversiteit werd gemist door oudere methoden. Een opvallende ontdekking was een specifiek type springend gen, bekend als een rolling circle element, dat in zeer lage aantallen voorkwam in de meeste fruitvliegsoorten, maar was geëxplodeerd naar meer dan 6.000 kopieën in één specifieke soort, Drosophila miranda. Zonder het vermogen van de nieuwe tool om naar alle genomen samen te kijken, zou deze massale expansie verborgen zijn gebleven, omdat deze niet aanwezig was in de standaard referentiebibliotheken die voor fruitvliegen worden gebruikt.

Ten slotte brachten de onderzoekers de tool tot zijn uiterste door tien soorten schimmels uit het hele schimmelrijk te analyseren, wat een enorme evolutionaire afstand vertegenwoordigt. In deze diepe vergelijking waren de resultaten heel anders. Omdat deze soorten zo ver uit elkaar liggen in hun evolutionaire geschiedenis, waren hun springende genen zo sterk gedivergeerd dat er bijna geen enkele gedeeld werd. De tool identificeerde bijna 2.800 families, maar het overgrote deel was uniek voor één enkel genoom, waarbij slechts een fractie gedeeld werd door alle tien de soorten. Dit bevestigde dat de genetische "families" van springende genen over lange perioden volledig worden vervangen, waarbij oude uitsterven en nieuwe ontstaan. De tool benadrukte ook dat de kwaliteit van de genoomgegevens ertoe doet; voor sommige schimmels met zeer kleine of gefragmenteerde genomen was de analyse moeilijker, maar de pijplijn slaagde er toch in de gegevens te organiseren en een duidelijk beeld te geven van de verschillen in genetische inhoud.

Naast het louter tellen en benoemen van deze elementen, biedt de tool een manier om de geschiedenis van hun activiteit te visualiseren. Het kan laten zien of een soort momenteel een uitbarsting van nieuwe springende gen-inserties ervaart of dat het genoom wordt gedomineerd door oudere, inactieve kopieën. In de voorbeelden van de fruitvlieg en de schimmels konden de onderzoekers zien dat sommige soorten actief nieuwe kopieën van specifieke genen verzamelden, terwijl andere tekenen vertoonden van oude activiteit die al lang was afgenomen. Dit soort gedetailleerde vergelijking helpt wetenschappers niet alleen te begrijpen welk genetisch materiaal aanwezig is, maar ook hoe het in de loop van de tijd is veranderd en hoe het mogelijk de evolutie van de soort beïnvloedt.

De betekenis van dit werk ligt in het vermogen om de manier waarop we naar genetische diversiteit kijken te standaardiseren. Door weg te bewegen van enkelvoudige genoom-snapshots en toe te bewegen naar een verenigde, vergelijkende aanpak, onthult de tool een veel rijker en nauwkeuriger beeld van de levende wereld. Het laat zien dat de genetische diversiteit binnen een soort vaak dieper is dan verwacht, en dat de verschillen tussen soorten diepgaand kunnen zijn. De onderzoekers hebben deze tool beschikbaar gesteld aan de wetenschappelijke gemeenschap, zodat anderen dezelfde rigoureuze, consistente methoden op hun eigen studies kunnen toepassen. Dit plaveit de weg voor een nieuw tijdperk in het genomisch onderzoek waarbij het complexe, verschuivende landschap van springende genen met helderheid in kaart kan worden gebracht, wat helpt de geheimen te ontrafelen van hoe het leven evolueert en zich aanpast.