Targeted ortholog search in unannotated genome assemblies with fDOG-Assembly

A vida na Terra é escrita em um código encontrado dentro das células de cada ser vivo, um conjunto de instruções que diz a um organismo como construir a si mesmo e funcionar. Os cientistas tornaram-se muito bons em ler as letras brutas desse código, o DNA, de inúmeras espécies, desde os menores insetos até os maiores mamíferos. Eles podem pegar uma amostra de tecido, sequenciar o DNA e costurar esses pequenos fragmentos para formar um genoma completo, que é essencialmente a biblioteca completa de instruções genéticas para aquela espécie. No entanto, ter a biblioteca é apenas metade da batalha. Para entender verdadeiramente o que uma espécie é e como ela evoluiu, os cientistas precisam saber quais partes dessa biblioteca são os capítulos de trabalho reais — os genes que constroem proteínas e impulsionam processos vitais. Para muitos dos milhares de novos genomas que residem em bancos de dados públicos, esses capítulos ainda não foram rotulados ou identificados. Sem esses rótulos, os dados permanecem como um livro trancado, difícil de usar para entender como diferentes espécies estão relacionadas ou como funcionam, deixando uma vasta quantidade de potencial biológico inexplorado.

Uma equipe de pesquisadores desenvolveu um novo método para desbloquear essas bibliotecas genéticas não rotuladas sem a necessidade de ler cada página primeiro. Eles criaram uma ferramenta chamada fDOG-Assembly, que foi projetada para caçar padrões genéticos específicos e familiares diretamente dentro das sequências de DNA brutas e não anotadas. Tradicionalmente, encontrar esses padrões exigia um processo laborioso de primeiro identificar cada gene no genoma, uma etapa que é lenta e frequentemente falha para organismos complexos. Esta nova abordagem pula essa etapa intermediária inteira. Em vez de tentar mapear toda a biblioteca, ela procura por sequências específicas e conhecidas que atuam como impressões digitais únicas. Os pesquisadores testaram sua ferramenta contra métodos existentes e descobriram que ela funciona tão bem quanto na busca por esses marcadores genéticos padrão, mas com uma vantagem crucial: não é limitada a uma lista pequena e fixa de genes que são comuns a toda a vida. Ela pode buscar por qualquer gene específico de interesse do cientista, mesmo em genomas que nunca foram totalmente mapeados.

Para provar que a ferramenta funciona, os pesquisadores a utilizaram para procurar cinco mil genes humanos nos genomas de ratos e de um parente da anêmona-do-mar, um tipo de criatura semelhante a uma água-viva. Os resultados foram impressionantes. O novo método encontrou os genes com uma taxa de sucesso que igualou as melhores ferramentas tradicionais, que dependem de listas de proteínas totalmente rotuladas. Mais importante ainda, ele encontrou genes que os métodos antigos perderam porque os mapas de genes originais estavam incompletos. Ao preencher essas peças faltantes, a ferramenta ajuda os cientistas a construir um quadro mais completo de como os genes são compartilhados através da árvore da vida. Os pesquisadores então colocaram essa capacidade em prática em um mistério do mundo real envolvendo criaturas que habitam o solo. Eles escanearam as bibliotecas genéticas de 176 invertebrados diferentes encontrados no solo, procurando especificamente pelos genes responsáveis pela produção de antibióticos beta-lactâmicos, uma classe poderosa de medicamentos usados para combater infecções bacterianas.

A busca revelou uma descoberta surpreendente. Os genes necessários para produzir esses antibióticos não são raros ou isolados; eles são amplamente disseminados entre os colêmbolos, um tipo comum de pequeno artrópode do solo. Em algumas espécies individuais, os pesquisadores encontraram quase todo o conjunto de instruções necessárias para produzir cefamicina, um tipo específico de antibiótico beta-lactâmico. Isso sugere que essas criaturas pequenas e frequentemente negligenciadas podem ser fábricas naturais para esses compostos que salvam vidas, um fato que estava anteriormente oculto porque seus genomas careciam de anotações adequadas. O estudo não afirma ter provado que esses animais estão produzindo os medicamentos em grandes quantidades atualmente, mas a presença da maquinaria genética completa implica fortemente que eles têm a capacidade de fazê-lo. Ao permitir que os cientistas busquem diretamente através de dados genéticos brutos, esta nova ferramenta abre as portas para encontrar tesouros biológicos ocultos nas vastas e inexploradas coleções de dados genômicos que têm ficado guardadas em prateleiras por anos, transformando livros não lidos em recursos ativos para a descoberta.