GWIscan: an automated pipeline for genome-wide identification and in silico characterization of gene families
GWIscan is een geautomatiseerde, multi-species pipeline die BLAST, profile HMM en InterPro-analyses integreert om genfamilies uitgebreid te identificeren en te karakteriseren, waarbij het single-method benaderingen overtreft door aanvullende hoog-betrouwbare leden te herstellen en gevestigde inventarissen te reproduceren.
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 leven is opgebouwd uit instructies geschreven in een code die DNA wordt genoemd, die cellen lezen om eiwitten te bouwen. Deze eiwitten zijn de werkers die bijna elke taak binnen een organisme uitvoeren, van het verteren van voedsel tot het verdedigen tegen ziekten. Vaak komen deze werkers in groepen voor, waarbij veel leden een vergelijkbare vorm of functie delen omdat ze afstammen van een gemeenschappelijke voorouder. Wetenschappers noemen deze groepen genfamilieën. Om te begrijpen hoe een levend wezen werkt, moeten onderzoekers eerst deze families vinden en tellen binnen de genetische code ervan. Echter, nu nieuwe genomen in een hoog tempo worden gesequenced, heeft de enorme hoeveelheid data deze taak moeilijk gemaakt. Traditionele methoden vertrouwen op het zoeken naar overeenkomsten tussen bekende eiwitvormen en nieuwe genetische sequenties, maar geen enkele zoekmethode is perfect. Sommige families worden gemist omdat ze er te veel uitzien als de bekende voorbeelden, terwijl anderen onterecht worden geïdentificeerd omdat ze een klein, ongerelateerd kenmerk delen. Dit laat onderzoekers achter met onvolledige lijsten en het tijdrovende werk om de resultaten handmatig te controleren en te organiseren.
Een nieuwe tool genaamd GWIscan, ontwikkeld door Beaven Manjengwa, biedt een oplossing door dit hele proces te automatiseren. De software fungeert als een uitgebreide scanner die zoekt naar genfamilieën over een heel genoom, waarbij twee verschillende zoekstrategieën combineert om ervoor te zorgen dat er niets wordt gemist. Het zoekt eerst naar directe overeenkomsten met bekende eiwitsequenties, vergelijkbaar met het vinden van een specifief boek aan de hand van de titel. Vervolgens voert het een tweede, subtielere zoektocht uit die kijkt naar de onderliggende structurele blauwdruk van het eiwit, zelfs als de titel is veranderd. Door de resultaten van deze twee zoekopdrachten samen te voegen, creëert de tool een completere lijst van kandidaten. Het fungeert vervolgens als een strenge redacteur die verifieert of elke kandidaat echt bij de familie hoort door te controleren op specifieke, kenmerkende eigenschappen. Zodra de lijst is bevestigd, verzamelt de software automatisch gedetailleerde informatie over elk lid, zoals de grootte, chemische eigenschappen en waar het waarschijnlijk binnen de cel werkt. Deze hele workflow vindt plaats in één enkele, geautomatiseerde run, waardoor het niet nodig is voor onderzoekers om verschillende programma's aan elkaar te breien of gegevens handmatig samen te stellen.
Om te testen of deze aanpak werkte, pasten de onderzoekers GWIscan toe op de genetische codes van drie verschillende planten: een klein bloeiend onkruid, maïs en een algemene boon. Ze richtten zich op een specifieke groep eiwitten genaamd lectines, die planten helpen hun omgeving te herkennen en mee te interageren. Het team vergeleek de resultaten van GWIscan met eerdere studies die deze eiwitten handmatig hadden geteld in dezelfde planten. In het onkruid vond de nieuwe tool 211 van de 217 genen die in eerder onderzoek waren gerapporteerd, een succespercentage dat de eerdere inspanningen evenaarde of verbeterde. In de studies naar maïs en de boon reproduceerde de tool niet alleen de bekende aantallen, maar vond ook aanvullende leden die door de oudere zoekopdrachten met één methode waren over het hoofd gezien. In het geval van de boonplant identificeerde de tool bijvoorbeeld tientallen nieuwe lectinegenen die werden gemist omdat ze een iets andere structuur hadden dan de standaardvoorbeelden. Deze nieuwe bevindingen waren geen willekeurige gissingen; de tool bevestigde dat deze extra genen de juiste structurele kenmerken bezaten om deel uit te maken van de familie.
De studie toont aan dat het combineren van verschillende zoekmethoden effectiever is dan het vertrouwen op slechts één methode. Wanneer de onderzoekers nauwkeurig naar de genen keken die door oudere methoden werden gemist, ontdekten ze dat sommige te verschillend waren in sequentie om door een eenvoudige match te worden gevangen, terwijl anderen te complex waren voor een structurele zoektocht alleen. Door beide benaderingen samen te gebruiken, heeft GWIscan deze ontbrekende stukken teruggevonden. De tool bleek ook in staat om data van meerdere soorten tegelijk te verwerken, waarbij de resultaten wordt georganiseerd in een duidelijke vergelijking die laat zien hoe genfamilies variëren tussen verschillende planten. Hoewel de software is ontworpen om voor elke levende organisme te werken, merkten de onderzoekers op dat sommige van de geavanceerde analysemethoden specifieke licenties voor academisch gebruik vereisen. Uiteindelijk biedt GWIscan een betrouwbare, geautomatiseerde manier voor wetenschappers om de genetische families van elke soort in kaart te brengen, waardoor een complexe, handmatige taak wordt omgezet in een gestroomlijnd proces dat resultaten met een hoge betrouwbaarheid oplevert.
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.