Fundamental asymmetri av insertioner och deletioner i genomstorleksutveckling (2023)

Idén med skräp-DNA går tillbaka till 1972 i publicerad form och har blivit allmänt accepterad tills nyligen publicerat en serie artiklar av ENCODE-konsortiet (http://www.encodeproject.org). Sammanfattningen av ENCODE-papperet (Dunhametal., 2012) förklarade att cirka 80 % av det mänskliga genomet tjänar något syfte, biokemiskt sett. Denna slutsats plockades ur sin experimentella och biologiska bakgrund i en nyhetsrapport för att förklara att idén om "skräp-DNA" har blivit historia (Elizabeth, 2012). Föga överraskande följde kritik (Eddy, 2012, Doolittle, 2013, Eddy, 2013, Graur, Zheng, Price, Azevedo, Zufall, Elhaik, 2013, Niu, Jiang, 2013, Palazzo, Gregory, 2014, Pala201, 5, Palazzo, 201, 2014). Analysen av definitionen av funktionella element av Doolittle (2013) och slumpmässig sekvens negativ kontroll som föreslagits av Eddy (2013) gav stor insikt om ytterligare riktningar att ta för att klargöra kontroversen. Niuand Jiang (2013) föreslog att knockouts är ultimata robusta sätt att testa funktionella element från skräp-DNA. I huvudsak hängde debatter om ENCODE-publikationerna på definitionen av "funktionella element" (Doolittle, Brunet, Linquist, Gregory, 2014, Kellis, Wold, Snyder, Bernstein, Kundaje, Marinov, et al., 2014, Germain, Ratti, Boem, 2014). Kellis et. al. konstaterade (Kellisetal., 2014) att man bör integrera information från biokemiska, genetiska och evolutionära metoder för att korrekt beskriva funktioner hos berörda DNA-segment. Båda (Doolittle, Brunet, Linquist, Gregory, 2014, Germain, Ratti, Boem, 2014) betonade vikten av "kausalrollen" för att definiera funktion. Trots observerade korrelationer mellan genomstorlek och olika fysiologiska och miljömässiga aspekter i ett begränsat antal arter (Gregory, 2005, Bennett, Leitch, 2005), har "C-värdesgåtan" (Petrov, 2001) varit en av de centrala frågorna om genomet. storleksutveckling och återstår att helt lösa. Även om själviska DNA (representerade av transposerbara element (TE)) föreslagna av Orgel (1980) och av Doolittle och Sapienza (1980) kan förklara en betydande del av den stora genomstorleken hos vissa arter (t. minst ~35 % hos människa (Robicheauetal., 2017)). Det visade sig att varken kön/asexuell reproduktion eller TE är ansvariga för genomstorleksskillnader hos 30 undersökta nattljusarter (Ågrenetal., 2015). Genombalanshypotesen (Freelingetal., 2015) kan förklara hur skräp-DNA i fred samexisterar med väsentliga och viktiga funktionella delar av genom, men inte hur de kom till från början. Existens, expansion eller krympning av slumpmässiga biologiska sekvenser (RBS, definierade nedan) ändrar oundvikligen storleken på de inhysande genomen och relativa vikter av funktionella och icke-funktionella sekvenser. Därför kan förståelse för RBS-evolution mycket väl hjälpa till att avslöja omfattningen av funktionella sekvenser, och kan leda till ny insikt i den långvariga "C-värdesgåtan".

Antag att det fanns en idealisk organism och att varje nukleotid i dess perfekta genom var väsentlig (strukturellt, funktionellt eller för reglering) och att insättningar vid vilket intrafunktionellt segmentställe som helst var dödligt. Vi använder det som en startpunkt för ett tankeexperiment. När det perfekta genomet börjar replikera finns det vissa sannolikheter för mutation, insättning och deletion. Enligt definitionen av det perfekta genomet kommer alla deletioner att resultera i en icke-livsduglig avkomma för att överleva naturligt urval. När det gäller storleken på ett perfekt genom kan mutation försummas eftersom det inte bidrar till storleksförändring. Den enda möjliga storleksändringen är en insättning på några expanderbara ställen av det perfekta genomet. Dessa expanderbara platser, per definition av det perfekta genomet, måste mellan två funktionella segment (gener eller strukturellt/funktionellt reglerande sekvenser) som inte kräver omedelbar fysisk närhet. Men när en infogning väl hände var deletionen av denna infogade slumpmässiga sekvens neutral under nästa replikeringsrunda. Här definierades slumpmässiga biologiska sekvenser (RBS) som sekvenser genererade på ovannämnda sätt och är funktionellt neutrala i termer av selektion (förutom de genererade energi-, utrymmes- och replikeringstidskostnaderna) vid tidpunkten för generering. Varje expanderbar webbplats är en potentiell startpunkt för generering av RBS och kan växa godtyckligt stor innan den eventuellt delas upp i flera expanderbara webbplatser (när ett eller flera segment av vilka utvecklas till väsentliga funktionella element) eller tas bort. Det är viktigt att notera att RBS för det första inte är genuint slumpmässiga sekvenser eftersom all RBS är gjord av DNA-polymerassystem (DPS), som inte är en slumpmässig sekvensgenererande maskin. Som en kranskärlssjukdom är RBS artspecifik eftersom varje art har sin egen DPS. Dessutom kan DPS för en given art utvecklas och därför kan slumpmässighet (eller fördomar) av RBS för en given art också vara tidsberoende på geologiska tidsskalor.

I denna studie ville vi svara på följande frågor. För det första, är RBS väsentliga delar av alla genom? Om svaret var ja, vad skulle deras storleksfördelning vara? Hur skulle den relativa betydelsen av insättnings- och raderingshastigheterna påverka storleksutvecklingen av RBS? Det har gjorts vissa försök att dra slutsatser från analys av både kodande sekvenser och pseudogener (de Jong, Ryden, 1981, Graur, Shuali, Li, 1989, Petrov, Lozovskaya, Hartl, 1996, Ophir, Graur, 1997), och det var fann konsekvent att indels existerar brett, med raderingsfrekvenser som i allmänhet är högre än insättningshastigheter. Baserat på dessa fynd, Petrovdu vid.föreslog jämviktsgenomstorleksmodellen (Petrov, 2002). Gregory Gregory, 2003, Gregory, 2004 diskuterade många brister i denna modell och drog slutsatsen att även om det är viktigt, är DNA-förlust via liten deletionsbias inte tillräcklig för att förklara stora genomstorleksskillnader. Kapustadu vid.fann att deletion av segment i olika storlekar är ansvariga för genomstorleksskillnader hos fåglar och djur (Kapustaetal., 2017). Men inte mycket uppmärksamhet riktades på rollen av insättningsbias eftersom det inte har observerats konsekvent i analyser av sekvenserade genom.

En enkel matematisk modell utvecklades i denna studie och några intressanta resultat härleddes från modellen. För det första antyder vår modell att liten insättningsbias (högre insättningssannolikhet) av även en enda nukleotid kan leda till godtyckligt stora genom, och ger därmed en möjlig komplementär förklaring till C-värdesgåtan förutom själviskt DNA. För det andra uppvisar svansar av RBS-längdfördelningar exponentiellt sönderfall med kortare som är mycket mer sannolika än längre, detta överensstämmer kvalitativt med fördelningen av observerade genomstorlekar (Oliveretal., 2007). Den explosivt accelererande tillväxten av genomsnittlig RBS-storlek under insättningsbias orsakas huvudsakligen av den grundläggande asymmetrin hos insättningar och deletioner, med den förra resulterar i fler platser för ytterligare infogning och de senare resulterar i mindre deleterbara nukleotider. Sådan asymmetri är tillämplig för alla former av effektiva storleksvariationer för DNA-segment som inte är föremål för selektionstryck och därför sannolikt kommer att diktera den globala trenden för genomstorleksutveckling. Den observerade proportionella evolutionens modell (Oliveretal., 2007) kan också förklaras av den fundamentala asymmetrin av insättning och radering. Dessutom, i motsats till intuition, resulterar strikt balanserad infogning och deletion i linjärt ökande i stället för fast storlek RBS, och följaktligen hyser genomet. Återigen, ett sådant kontraintuitivt fenomen orsakas av grundläggande asymmetri av infogningar och deletioner.

Modellerna som presenteras i detta arbete kodades med C++ programmeringsspråk för att utföra beräkningar, källkoder är tillgängliga på begäran.