Efficient and precise discovery of LTR-retrotransposon families using HiRepEat
Este artigo apresenta o HiRepEat, um arcabouço computacional rápido e eficiente em termos de memória que combina o compressor de repetições TACO e o sistema de mapeamento de coordenadas SALSA com um algoritmo de alinhamento de frente adaptado para identificar, agrupar e analisar precisamente famílias de retrotransposons LTR através de diversos genomas de vertebrados e Drosophila.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA de um preprint que não foi revisado por pares. Não é aconselhamento médico. Não tome decisões de saúde com base neste conteúdo. Ler aviso legal completo
Os genomas são os manuais de instruções para a vida, escritos em um código de quatro letras químicas. Mas esses manuais não são documentos limpos e lineares; eles estão repletos de passagens repetitivas ancestrais que se copiam e colam ao longo do texto. Um grande tipo desses elementos autorreplicantes é o retrotransposon de repetição terminal longa. Estes são sequências genéticas que podem fazer uma cópia de si mesmas usando um intermediário de RNA e inserir essa cópia de volta no genoma. Ao longo de milhões de anos, eles se acumularam a tal ponto que, em muitos animais, compõem uma parte significativa do DNA total. Compreender onde esses elementos estão e como eles mudaram ao longo do tempo é crucial para entender a evolução, mas encontrá-los é notoriamente difícil. Como são tão semelhantes entre si e frequentemente estão enterrados dentro de outras sequências repetitivas, as ferramentas computacionais padrão lutam para diferenciá-los de ruído ou uns dos outros, muitas vezes perdendo famílias mais antigas ou criando mapas confusos e imprecisos.
Uma equipe de pesquisadores desenvolveu um novo método chamado HiRepEat para resolver este problema, oferecendo uma maneira mais rápida e precisa de encontrar esses viajantes genéticos. A ideia central por trás de sua abordagem é limpar o genoma das distrações antes de procurar pelos elementos específicos de interesse. O processo começa identificando e comprimindo repetições em tandem, que são sequências que ficam posicionadas uma ao lado da outra em longas fileiras idênticas. Essas repetições em tandem frequentemente confundem o software de detecção, então os pesquisadores usaram uma ferramenta que chamaram de TACO para colapsar essas longas fileiras em uma única cópia representativa. Eles mantêm um mapa detalhado, chamado SALSA, que registra exatamente onde as cópias removidas estavam, garantindo que nenhuma informação seja perdida e que as posições originais possam ser restauradas posteriormente. Ao remover primeiro esses blocos densos de repetição, o genoma torna-se muito mais fácil de ler, permitindo que o software detecte os retrotransposons mais complexos e espalhados que antes estavam ocultos.
Uma vez que o genoma é simplificado, o software varre o espaço em busca de candidatos a retrotransposons, procurando pela assinatura estrutural específica desses elementos: duas extremidades correspondentes flanqueando uma região central. Quando potenciais candidatos são encontrados, os pesquisadores não os agrupam simplesmente com base em uma verificação rápida de similaridade, um método que frequentemente leva a erros. Em vez disso, eles constroem uma árvore filogenética para cada grupo. Essa abordagem filogenética garante que a lista final de famílias seja precisa e que a sequência "consenso", que representa o ancestral original dessa família, seja derivada corretamente. Se uma sequência candidata for encontrada aninhada dentro de outra, o sistema pode descascar as camadas, identificando a inserção interna e a externa separadamente. Esse processo iterativo, onde o software efetivamente "come" as repetições encontradas para revelar o que há por baixo, permite que ele descubra estruturas aninhadas complexas que outros métodos perdem.
Os pesquisadores testaram este novo sistema em uma grande variedade de espécies, incluindo arroz, tentilhões-zebra e gorilas, comparando seus resultados com conjuntos de dados existentes e cuidadosamente curados. O novo método provou ser altamente preciso, identificando corretamente a vasta maioria das famílias de retrotransposons enquanto gerava muito menos alarmes falsos do que as ferramentas anteriores. Em termos de velocidade, a diferença foi dramática. Enquanto outros métodos levavam horas ou até dias para processar um único genoma grande, ou às vezes falhavam em terminar, o HiRepEat completou a análise de um genoma de gorila em cerca de 26 minutos. O sistema foi então aplicado a 577 genomas de vertebrados diferentes do Projeto de Genomas de Vertebrados (Vertebrate Genomes Project), um empreendimento massivo que teria sido impraticável com softwares antigos. Na maioria dos casos, a análise terminou em menos de uma hora usando recursos computacionais padrão, demonstrando que o método escala eficientemente para lidar com o crescente número de sequências genômicas de alta qualidade que estão sendo geradas.
Além de apenas catalogar esses elementos, os pesquisadores usaram seus novos dados para procurar padrões de compartilhamento entre diferentes espécies. Ao comparar as sequências genéticas desses retrotransposons através de muitas espécies ao mesmo tempo, eles identificaram casos onde a mesma família de elementos apareceu em espécies que são muito distantes entre si. Por exemplo, eles encontraram sequências de retrotransposons quase idênticas em diferentes espécies de peixes que divergiram de um ancestral comum há mais de 100 milhões de anos. Como esses elementos deveriam ter acumulado muitas mutações ao longo de tanto tempo se fossem simplesmente herdados de um ancestral comum, seu estado quase idêntico sugere que eles se moveram entre as espécies recentemente. Isso aponta para a transferência horizontal, um processo onde o material genético salta entre organismos em vez de ser passado de pais para filhos. Padrões semelhantes foram observados em moscas-das-frutas e anfíbios, incluindo casos em que espécies que põem ovos na água compartilhavam esses elementos, apoiando a ideia de que a fertilização em ambientes aquáticos pode facilitar essa troca genética.
O trabalho fornece uma nova lente poderosa para visualizar a paisagem repetitiva dos genomas. Ao remover sistematicamente o ruído e construir árvores filogenéticas precisas, os pesquisadores criaram uma maneira confiável de estudar a história e o movimento desses elementos genéticos através da árvore da vida. A capacidade de processar centenas de genomas rapidamente significa que os cientistas agora podem explorar a distribuição desses elementos em espécies que eram anteriormente difíceis demais para analisar. As descobertas sugerem que o movimento de material genético entre espécies é mais comum do que se pensava anteriormente, particularmente em ambientes aquáticos, e que esses elementos móveis desempenham um papel dinâmico na moldagem dos genomas ao longo do tempo evolutivo. As ferramentas desenvolvidas neste estudo estão agora disponíveis para que outros cientistas as utilizem, abrindo as portas para uma compreensão mais detalhada de como esses antigos viajantes genéticos continuam a influenciar a biologia dos seres vivos.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.