Leveraging Structural Variants to Unlock Hidden Genetic Diversity for Tomato Crop Improvement
Deze studie toont aan dat het hergebruiken van kosteneffectieve short-read sequencing data van diverse tomatenlijnen meer dan 71.000 betrouwbare structurele varianten kan onthullen, waarmee ze worden aangetoond als cruciale, voorheen verborgen drijvers van genetische diversiteit die veredelingsworkflows verbeteren en verwantschapsrelaties tussen lineages oplossen zonder dat aanvullende investeringen in long-read sequencing vereist zijn.
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
Tomaten behoren tot de belangrijkste groenten ter wereld, en al decennia lang bestuderen wetenschappers hun DNA om te begrijpen waarom sommige planten resistent zijn tegen ziekten, waarom andere grotere vruchten produceren en hoe verschillende variëteiten aan elkaar verwant zijn. Lange tijd richtten onderzoekers zich op de kleinste veranderingen in de genetische code, waarbij ze keken naar enkele letters die tussen planten verschillen. Deze minuscule verschillen, bekend als single-nucleotide varianten, zijn ongelooflijk nuttig geweest voor het kweken van betere gewassen. Het genoom bevat echter ook veel grotere veranderingen, zoals ontbrekende stukken DNA, extra kopieën van secties, of stukken die naar nieuwe locaties zijn verplaatst. Deze grotere alteraties worden structurele varianten genoemd. Hoewel ze bekend staan als krachtige drijfveren voor hoe een plant eruitziet en zich gedraagt, was het vinden ervan traditioneel moeilijk en duur, omdat het gespecialiseerde, dure technologie vereist die veel kweekprogramma's niet kunnen betalen.
Een nieuwe studie door Reza Shekasteband aan de North Carolina State University laat zien dat wetenschappers deze verborgen, grootschalige genetische veranderingen nu kunnen vinden met behulp van gegevens die al bestaan. De onderzoeker maakte gebruik van een enorme collectie tomaten-DNA-sequenties die gedurende zes jaar waren gegenereerd met standaard, betaalbare sequencingmachines. In plaats van nieuwe, dure tests uit te voeren, paste het team een specifieke computermethode toe op deze bestaande gegevens om op zoek te gaan naar de grotere structurele veranderingen. Ze onderzochten zestig verschillende tomatenlijnen, variërend van wilde voorouders die in de Andes groeien tot moderne, commerciële variëteiten die op het land worden verbouwd. Door de reeds in de database aanwezige korte DNA-reads opnieuw te analyseren, slaagde het team erin meer dan 71.000 hoogwaardige structurele varianten te identificeren. Deze aanpak bewijst dat waardevolle genetische informatie ongebruikt in oude datasets zit te wachten om te worden ontsloten, zonder dat er een dollar wordt uitgegeven aan nieuwe sequencing.
De studie onthulde dat deze grote genetische veranderingen niet gelijkmatig over het tomatengenoom zijn verspreid. In plaats daarvan klonteren ze samen in specifieke gebieden, met name nabij de uiteinden van de chromosomen en in regio's die bekend staan om het controleren van ziekteresistentie. Wanneer de onderzoekers de wilde tomaten met de gecultiveerde vergeleken, ontdekten ze dat de wilde planten bijna twee keer zoveel van deze structurele veranderingen droegen. In de wilde genomen waren ontbrekende stukken DNA de meest voorkomende soort verandering, terwijl in de gecultiveerde tomaten extra inserties van DNA vaker voorkwamen. Dit verschil benadrukt hoe domesticatie de genetische architectuur van het gewas heeft gevormd, door sommige wilde variatie weg te filteren en nieuwe structurele kenmerken te introduceren. Het team ontdekte ook dat veel moderne kweeklijnen unieke structurele veranderingen dragen die nergens anders voorkomen, wat fungeert als een genetische vingerafdruk voor specifieke variëteiten.
Een van de meest significante bevindingen was dat deze grote structurele veranderingen hetzelfde evolutionaire verhaal vertellen als de kleine single-letter veranderingen, maar dan met meer helderheid. Wanneer de onderzoekers stambomen bouwden op basis van de structurele varianten, kwamen de resultaten bijna perfect overeen met de bomen die op basis van de kleine veranderingen waren gebouwd. De structurele data waren echter beter in het sorteren van verwarrende relaties. Zo werd bijvoorbeeld één wilde tomatenvariëteit die in de oude analyse bij gecultiveerde druiven was gegroepeerd, dankzij de structurele veranderingen correct teruggeplaatst bij zijn wilde verwanten. Dit suggereert dat het kijken naar de grotere stukken DNA kwekers helpt om de ware geschiedenis van hun planten te begrijpen en slimmere beslissingen te nemen over welke variëteiten ze met elkaar moeten kruisen.
Het onderzoek bracht ook een praktische les aan het licht over hoe wetenschappers deze gegevens verwerken. Het team kwam erachter dat de manier waarop ze de DNA-reads uitlijnden met het referentiegenoom een groot verschil maakte. Een standaardmethode die de reads dwingt om perfect van uiteinde tot uiteinde te matchen, slaagde er niet in om enige structurele veranderingen te vinden. Door over te schakelen naar een flexibelere aanpak die toestaat dat reads gedeeltelijk matchen, kon het team de breuken en overlappingen detecteren die een structurele variant signaleren. Deze aanpassing stelde hen in staat om duizenden meer veranderingen te vinden dan ze anders hadden gevonden. Ze testten verschillende manieren om de monsters te groeperen en ontdekten dat het analyseren van batches diverse lijnen samen de meest uitgebreide resultaten opleverde, waarbij unieke veranderingen in specifieke lijnen werden onthuld die gemist werden wanneer monsters individueel werden bekeken.
Ondanks het succes erkent de studie dat deze methode beperkingen heeft. Ho hers wel uitstekend is in het vinden van deleties en inserties, kan het zeer complexe herschikkingen of de precieze structuur van geïnjecteerde genen, zoals die gebruikt worden in genetisch gemodificeerde planten, missen. De onderzoekers bevestigden dit door te ontdekken dat hun methode sommige insertieplaatsen in transgene lijnen miste die andere technieken wel konden zien. Desalniettemin demonstreert de studie dat er een kosteneffectieve, schaalbare strategie bestaat voor het minen van gearchiveerde gegevens. Door standaard short-read sequencinggegevens te gebruiken en de computertools te optimaliseren, kunnen kweekprogramma's nu toegang krijgen tot een verborgen laag van genetische diversiteit. Dit stelt hen in staat om specifieke eigenschappen te volgen, hun begrip van plantenfamilies te verfijnen en de ontwikkeling van nieuwe tomatenvariëteiten te versnellen zonder de buitensporige kosten van nieuwe, hoogwaardige sequencingtechnologieën. Het werk verandert wat ooit als een beperking van oudere gegevens werd beschouwd in een krachtige bron voor de toekomst van gewasverbetering.
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.