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

O genoma humano, e de fato o genoma de quase qualquer ser vivo, não é uma biblioteca estática de instruções, mas uma paisagem dinâmica constantemente remodelada por seus próprios habitantes internos. Entre os habitantes mais ativos destes estão os elementos transponíveis, frequentemente chamados de "genes saltadores". Estes são trechos de DNA que podem copiar a si mesmos e se inserir em novos locais dentro de um genoma, muito parecido com um livro que pode fotocopiar suas próprias páginas e colá-las em diferentes capítulos. Embora muitas dessas inserções sejam inofensivas ou até benéficas, outras podem interromper genes ou alterar como o genoma funciona. Como esses elementos se movem e se multiplicam, eles são uma importante fonte de variação genética, impulsionando a evolução e, às vezes, causando doenças. Para entender como as espécies se adaptam, como elas divergem ou como seus genomas são construídos, os cientistas devem ser capazes de mapear esses genes saltadores com precisão. No entanto, fazer isso tem sido uma tarefa difícil, especialmente ao tentar comparar muitos genomas diferentes ao mesmo tempo.

Tradicionalmente, os pesquisadores analisavam esses viajantes genéticos um genoma de cada vez. Eles construíam um catálogo de genes saltadores para um único organismo de referência e usavam essa lista para encontrar elementos semelhantes em outros indivíduos. Essa abordagem possui uma falha crítica: se uma família de genes saltadores estiver ausente no catálogo de referência, ela será inteiramente perdida nas novas amostras. Por outro sentido, se os pesquisadores construírem um catálogo separado para cada genoma individual que estudarem, os resultados tornar-se-ão confusos. A mesma família de genes saltadores pode receber nomes diferentes em catálogos distintos, tornando impossível dizer se dois organismos compartilham uma história genética comum ou se desenvolveram suas próprias versões únicas. Isso cria um ponto cego em nossa compreensão de como a diversidade genética se espalha entre espécies e populações.

Para resolver este problema, Tobias Baril, Alice Feurtey e Daniel Croll desenvolveram uma nova ferramenta automatizada chamada Earl Grey ParTEA. Pense nela como um bibliotecário mestre que não apenas cataloga livros de uma única biblioteca, mas reúne todos os livros de mil bibliotecas diferentes primeiro, funde-os em uma única coleção gigante e não redundante e, em seguida, usa essa única coleção completa para recatalogar cada biblioteca novamente. Este pipeline foi projetado para lidar com grandes grupos de genomas simultaneamente, sejam dez indivíduos diferentes da mesma espécie de planta, dez espécies diferentes de moscas-das-frutas ou dez espécies de fungos de todo o reino. Ao construir uma biblioteca única e compartilhada de genes saltadores de todos os genomas de entrada de uma só vez, a ferramenta garante que cada genoma seja anotado com o mesmo conjunto consistente de nomes e definições. Isso permite que os cientistas comparem diretamente quantos genes saltadores cada organismo possui, quais eles compartilham e quais são únicos para eles.

Os pesquisadores testaram este novo sistema em três escalas de vida muito diferentes para ver quão bem ele funcionaria. Primeiro, eles observaram dez acessões da planta modelo Arabidopsis thaliana. Mesmo dentro desta única espécie, que é muito próxima, a ferramenta revelou que um único genoma de referência não era suficiente para capturar o quadro completo. À medida que adicionavam mais genomas de plantas à análise, o número de famílias de genes saltadores identificadas crescia significariamente, atingindo um total de 1.357 famílias distintas. A análise mostrou que, embora a maioria dessas famílias fosse compartilhada entre todas as plantas, um pequeno número era único para indivíduos específicos. Isso sugere que, mesmo dentro de uma única espécie, o cenário genético é mais diverso e dinâmico do que se pensava anteriormente, com alguns indivíduos carregando um "bagagem genética" única que outros não possuem.

Em seguida, a equipe aplicou a ferramenta a dez espécies diferentes de moscas-das-frutas, um grupo mais distantemente relacionado do que as plantas. Aqui, o poder do novo método tornou-se ainda mais evidente. Uma biblioteca pré-existente padrão de genes saltadores de moscas-das-frutas continha apenas 343 famílias. No entanto, ao usar o ParTEA para construir uma nova biblioteca a partir das dez espécies combinadas, o número de famílias identificadas explodiu para 1.852. Esse aumento massivo revelou que uma quantidade significativa de diversidade genética estava sendo perdida pelos métodos antigos. Uma descoberta marcante foi um tipo específico de gene saltador, conhecido como elemento de círculo de rolagem (rolling circle element), que foi encontrado em números muito baixos na maioria das espécies de moscas, mas que havia explodido para mais de 6.000 cópias em uma espécie específica, Drosophila miranda. Sem a capacidade da nova ferramenta de olhar para todos os genomas juntos, essa expansão massiva teria permanecido oculta, pois não estava presente nas bibliotecas de referência padrão usadas para moscas-das-frutas.

Finalmente, os pesquisadores levaram a ferramenta ao seu limite, analisando dez espécies de fungos de todo o reino fúngico, representando uma vasta distância evolutiva. Nesta comparação profunda, os resultados foram bastante diferentes. Como essas espécies estão tão distantes em sua história evolutiva, seus genes saltadores divergiram tanto que quase nenhum deles era compartilhado. A ferramenta identificou quase 2.800 famílias, mas a grande maioria era única para um único genoma, com apenas uma pequena fração compartilhada entre todas as dez espécies. Isso confirmou que, ao longo de longos períodos de tempo, as "famílias" genéticas de genes saltadores mudam completamente, com as antigas morrendo e as novas surgindo. A ferramenta também destacou que a qualidade dos dados genômicos importa; para alguns fungos com genomas muito pequenos ou fragmentados, a análise foi mais difícil, mas o pipeline ainda conseguiu organizar os dados e fornecer um quadro claro das diferenças no conteúdo genético.

Além de apenas contar e nomear esses elementos, a ferramenta oferece uma maneira de visualizar a história de sua atividade. Ela pode mostrar se uma espécie está atualmente passando por um surto de novas inserções de genes saltadores ou se seu genoma é dominado por cópias mais antigas e inativas. Nos exemplos das moscas-das-frutas e dos fungos, os pesquisadores puderam ver que algumas espécies estão acumulando ativamente novas cópias de genes específicos, enquanto outras mostravam sinais de atividade antiga que há muito tempo havia desacelerado. Esse tipo de comparação detalhada ajuda os cientistas a entender não apenas qual material genético está presente, mas como ele mudou ao longo do tempo e como pode estar influenciando a evolução da espécie.

A significância deste trabalho reside em sua capacidade de padronizar como olhamos para a diversidade genética. Ao nos afastarmos de instantâneos de genomas individuais e avançarmos para uma abordagem comparativa unificada, a ferramenta revela um quadro muito mais rico e preciso do mundo vivo. Ela mostra que a diversidade genética dentro de uma espécie é frequentemente mais profunda do que o esperado, e que as diferenças entre espécies podem ser profundas. Os pesquisadores disponibilizaram esta ferramenta para a comunidade científica, permitendo que outros apliquem os mesmos métodos rigorosos e consistentes em seus próprios estudos. Isso abre caminho para uma nova era de pesquisa genômica onde a paisagem complexa e mutável dos genes saltadores pode ser mapeada com clareza, ajudando a desvendar os segredos de como a vida evolui e se adapta.