Informacja

24.3: Połączenie zmniejsza częstotliwość rekombinacji — biologia

24.3: Połączenie zmniejsza częstotliwość rekombinacji — biologia



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Rozważając powyżej niepołączone loci, przejdźmy do sytuacji odwrotnej, w której dwa loci są tak blisko siebie na chromosomie, że rodzicielskie kombinacje alleli zawsze segregują razem (Rysunek (PageIndex{3})). To jest kompletny (lub absolutny) połączenie i jest rzadki, ponieważ loci muszą znajdować się tak blisko siebie, że nigdy nie wykrywa się skrzyżowań między nimi.


Ultragęste mapy genetyczne i fizyczne oparte na sekwencjach ujawniają zmienność strukturalną genomów allopoliploidalnej bawełny

SNP są najliczniejszym typem polimorfizmu i zostały zbadane w wielu badaniach genomicznych upraw, w tym ryżu i kukurydzy. Odkrycie SNP w allotetraploidalnych genomach bawełny pozostaje w tyle za innymi uprawami ze względu na ich złożoność i poliploidalność. W tym badaniu SNP w całym genomie są systematycznie wykrywane przy użyciu sekwencjonowania nowej generacji i wydajnych metod genotypowania SNP oraz są wykorzystywane do skonstruowania mapy powiązań i scharakteryzowania zmian strukturalnych w genomach poliploidalnej bawełny.

Wyniki

Konstruujemy ultra gęstą międzygatunkową mapę genetyczną obejmującą 4 999 048 loci SNP rozmieszczonych nierównomiernie w 26 allotetraploidalnych grupach sprzężeń bawełny i obejmującą 4042 cM. Mapa służy do zamawiania rusztowań z tetraploidalnego genomu bawełny w celu dokładnego montażu G. hirsutum wg. TM-1. Szybkości rekombinacji i hotspoty są identyfikowane w genomie bawełny poprzez porównanie złożonej sekwencji roboczej i mapy genetycznej. Korzystając z tej mapy, rearanżacje genomu i regiony centromerowe są identyfikowane w bawełnie tetraploidalnej poprzez połączenie informacji z publicznie dostępnych G. raimondii genom z fluorescencją na miejscu analiza hybrydyzacyjna.

Wnioski

Przedstawiamy metodę genotypu przez sekwencjonowanie stosowaną do identyfikacji milionów SNP między G. hirsutum oraz G. barbadense. Konstruujemy i wykorzystujemy bardzo gęstą mapę SNP, aby skorygować nieprawidłowe składanie sekwencji, połączyć rusztowania w pseudocząsteczki odpowiadające chromosomom, wykryć rearanżacje genomu i zidentyfikować regiony centromerowe w bawełnie allotetraploidalnej. Odkryliśmy, że centromerowa sekwencja retroelementu bawełny tetraploidalnej pochodząca z przodka subgenomu D mogła zaatakować centromery subgenomu A po utworzeniu allotetrapoliploidalnego. Badanie to służy jako cenne źródło genomiczne do badań genetycznych i hodowli bawełny.


Eksperyment Morgana’s

Morgan wybrał muszka owocowa jako jego podmiot z następujących powodów:

  • Zauważył białookiego samca muszki Drosophila zamiast zwykłych czerwonych oczu.
  • To był mały rozmiar
  • Mają krótką żywotność i tak wiele pokoleń można zbadać w krótkim czasie.
  • Mają wysoki wskaźnik reprodukcji

Skrzyżował czystorasowego, białookiego samca z czystorasową, czerwonooką samicą. Zgodnie z oczekiwaniami, zgodnie z prawami Mendla, potomstwo F1 urodziło się z czerwonymi oczami. Kiedy pokolenie F1 zostało skrzyżowane między sobą, stosunek potomstwa czerwonookiego do białookiego wynosił 3:1. Zauważył jednak, że w pokoleniu F2 nie było samicy z białymi oczami.

Aby lepiej zrozumieć, dokonał krzyżówki heterozygotycznej kobiety o czerwonych oczach z białookim mężczyzną. Dało to stosunek potomstwa 1:1:1:1 (1 samiczka z białymi oczami, 1 dziewczynka z czerwonymi oczami, 1 samiec z białymi oczami i 1 samiec z czerwonymi oczami). To sprawiło, że Morgan pomyślał o powiązaniu cech z chromosomami płci. Dokonał o wiele więcej krzyżówek i ustalił, że gen odpowiedzialny za kolor oczu znajduje się na chromosomie X.

Ściągaczkę z zasadami dziedziczenia i zmienności można pobrać, klikając poniższy przycisk pobierania


Rekombinacja i nierównowaga sprzężeń w Arabidopsis thaliana

Nierównowaga sprzężeń (LD) jest głównym aspektem organizacji zmienności genetycznej w naturalnych populacjach. Tutaj opisujemy wzorzec LD obejmujący cały genom w próbce 19 Arabidopsis thaliana akcesje z wykorzystaniem 341.602 niesingletonowych SNP. LD rozpada się średnio w granicach 10 kb, znacznie szybciej niż wcześniej szacowano. Algorytmy selekcji znaczników SNP i symulacje „ukryj SNP” sugerują, że mapowanie asocjacyjne całego genomu będzie wymagało jedynie 40%-50% obserwowanych SNP, co stanowi redukcję podobną do szacunków w próbce Afroamerykanów. Na podstawie tych wyników zaprojektowano macierz Affymetrix do genotypowania zawierającą 250 000 SNP, która powinna mieć więcej niż wystarczające pokrycie dla mapowania asocjacyjnego całego genomu. Zakres LD jest bardzo zmienny i znajdujemy wyraźne dowody na występowanie gorących punktów rekombinacji, które wydają się występować preferencyjnie w regionach międzygenowych. LD odzwierciedla również działanie doboru i jest bardziej rozległa między polimorfizmami niesynonimicznymi niż między polimorfizmami synonimicznymi.


Dyskusja

Historia orangutanów

Najlepiej dopasowany model demograficzny (M6) sugeruje, że dwa Pongo gatunki rozeszły się 650-1000 kya i doświadczyły wybuchu domieszki około 300 kya. Biorąc pod uwagę plejstoceńską historię okresowych zmian poziomu morza w Azji Południowo-Wschodniej [26], taki scenariusz wtórnego kontaktu wydaje się biogeograficznie bardziej prawdopodobny niż ciągła migracja. Uspokajająco, nasze szacunki czasu dywergencji pod M6 są zgodne z wcześniejszymi szacunkami opartymi na SMC [8, 24] i dobrze zgadzają się z podziałami gatunków oszacowanymi dla innych endemicznych ssaków wysp w Azji Południowo-Wschodniej [26].

Ogólnie rzecz biorąc, nasze wyniki są ogólnie zgodne z wcześniejszymi analizami dotyczącymi braku niedawnego przepływu genów (< 250 kya) między orangutanami borneańskimi i sumatrzańskimi [13]. Podobnie, nasze wnioskowanie o większym nmi u orangutanów sumatrzańskich w porównaniu do orangutanów borneańskich zgadza się z względnymi miarami różnorodności nukleotydów i wcześniejszymi analizami z wykorzystaniem różnych typów danych [12, 19, 23, 25]. Podczas gdy wnioskujemy o skróceniu populacji borneańskiej pod M3, w zgodzie z prostszymi modelami zbadanymi przez [25], próbkowanie w drobniejszych skalach przestrzennych byłoby wymagane do określenia podstruktury zarówno w populacjach sumatrzańskich, jak i borneańskich.

Uspokajająco, czas domieszki wtórnej pod M6 zgadza się z szacowanym czasem podziału między nimi Pongo gatunków dla prostszych modeli M1–M4 (tab. 1), które są podobne do tych rozważanych przez Locke et. glin. [23]. Korzystanie ze wspólnego SFS (δaδi, [3]), Locke i in. glin. [23] szacują czas dywergencji gatunków na 400 kya, który jest nieco starszy niż nasze szacunki (250–300 kya) pod M1–M4. Jednak podobną różnicę w szacunkach zauważono już w podejściu ukrytego modelu Markowa autorstwa Mailund et. glin. [13] (patrz Uzupełniający tekst S2 w [13]), który modeluje uproszczoną demografię specjacji z ciągłym przepływem genów i rekombinacją przy użyciu danych całego genomu.

Wreszcie ostatnie odkrycie nowego gatunku (P. tapanuliensis, [33]) na Sumatrze nie wpływa znacząco na nasze ogólne wyniki, co ilustruje analiza cbSFS wykluczająca osobę z tej populacji (dodatkowy plik 2: Tabela S5). Zauważamy, że nowo wywnioskowane efektywne rozmiary populacji są niższe niż nasze poprzednie szacunki, czego należy się spodziewać, ponieważ usunięcie osobnika KB9258 (z południa jeziora Toba) ulegnie znacznemu zmniejszeniu (biorąc pod uwagę jego status „odstający”, [37] ]) ogólny polimorfizm zawarty w cbSFS. W tej analizie, która próbuje wyjaśnić nowe gatunki, tempo rekombinacji całego genomu utrzymywano na stałym poziomie (2x10-8 /pz/pokolenie), aby zrównoważyć utratę informacji. Mogłoby to wyjaśniać niższe szacunki czasów rozbieżności uzyskane za pomocą cbSFS z bloków o wielkości 500 pz.

Bezwzględne dopasowanie modelu i efekt doboru

Jak większość metod wnioskowania demograficznego, ABLE zakłada selektywną neutralność. Ponadto wydajne obliczenie lub przybliżenie bSFS opiera się na założeniu, że bloki są statystycznie wymienialne, co ignoruje heterogeniczność w szybkości mutacji i rekombinacji.

Możemy zwizualizować bezwzględne dopasowanie naszego modelu demograficznego do danych, porównując obserwowany rozkład konfiguracji bSFS z oczekiwanym w M6 (uzyskanym przy użyciu 50 milionów symulowanych blokowych ARG). Gdyby dane zostały wygenerowane w całości na podstawie wnioskowanej historii demograficznej, oczekiwalibyśmy, że najczęstsze konfiguracje bSFS najlepiej pasują do tego oczekiwania (patrz Dodatkowy plik 1: Rysunek S11). Z kolei rys. 7 pokazuje, że niezależnie od tego, jaki model demograficzny przyjmiemy, niektóre aspekty danych są słabo uchwycone. W szczególności konfiguracje bSFS z niewielką liczbą (lub bez) mutacji (pokazane na niebiesko) są powszechne i nadreprezentowane w danych. To niedopasowanie jest zgodne z selekcją tła [38] i/lub selekcją pozytywną zmniejszającą różnorodność genetyczną w ułamku bloków.

Model bezwzględny pasuje do obserwowanych 2 kb bSFS dla najczęstszych konfiguracji. Każdy punkt reprezentuje unikalną konfigurację mutacyjną tworzącą bSFS. Oczekiwany bSFS (x-oś) została wygenerowana za pomocą ABLE przy użyciu 50 milionów ARG w MCLE dla każdego modelu (Tabela 1) i wykreślona w stosunku do obserwowanego bSFS (tak-osi) z danych orangutana. Ukośna czarna linia wskazuje na idealne dopasowanie między oczekiwanym a obserwowanym. Kolory reprezentują całkowitą liczbę SNP zawartych w każdej konfiguracji

Połączona selekcja może zmniejszyć szacunki przodków nmi przy neutralnych założeniach. Co może wyjaśniać, dlaczego uzyskaliśmy znacznie mniejszą efektywną wielkość populacji przodków (tabela 1 i plik dodatkowy 2: tabela S1) niż w poprzednich badaniach [12, 19, 23, 25], podczas gdy nasze nmi Szacunki dla dwóch obecnych populacji zgadzają się dość dobrze [13]. Zgodnie z oczekiwaniami, ta sygnatura połączonego wyboru znika, gdy weźmiemy pod uwagę bSFS o krótszym rozmiarze bloku (dodatkowy plik 1: Rysunek S12). Interesujące będzie zbadanie możliwości wspólnego wnioskowania na temat demografii i różnych form selekcji za pomocą bSFS [39].

Wpływ długości bloku i wielkości próbki

Interesującą właściwością bSFS jest to, że zwija się do SFS zarówno w granicach minimalnej długości bloku (jedna podstawa), jak i maksymalnej długości bloku (wszystkie dane w jednym bloku). W obu skrajnościach wszystkie informacje o połączeniu są tracone, a zatem informacje zawarte w rozkładzie typów bSFS muszą być maksymalizowane przy pewnej pośredniej długości bloku. Podczas gdy ABLE opiera się na arbitralnym podziale genomu na bloki o ustalonej długości, punkty przerwania rekombinacji w ARG definiują rzeczywiste „bloki” sekwencji, które są identyczne według pochodzenia (IBD) z rozkładem długości zależnym od historii demograficznej w kompleksie sposób. Ponieważ odległość bloków IBD jest bezpośrednią funkcją długości gałęzi genealogicznych, informacja o różnych procesach demograficznych jest maksymalizowana w różnych skalach fizycznych. Na przykład, wybuch niedawnej domieszki generuje nadmiar długich bloków, które mają wspólne pochodzenie przez zdarzenie domieszki, ale mają inne pochodzenie przed domieszką. Fakt, że na ogół posiada się niewielką wcześniejszą wiedzę na temat demografii, sprawia, że ​​trudno jest zdecydować o najbardziej informacyjnej długości bloku dla konkretnego zbioru danych.

Jednak biorąc pod uwagę wiedzę na temat względnego stosunku mutacji do zdarzeń rekombinacyjnych μ/ρ i zakładając, że informacje w bSFS są zmaksymalizowane, jeśli bloki zawierają średnio niewielką liczbę x traktów IBD, długość bloku można zdefiniować heurystycznie dla konkretnego x. Na przykład zakładając μ/ρ≈1 dla małp człekokształtnych, nasze 2-kb bloki zawierają średnio dwa do trzech zdarzeń rekombinacji w każdym Pongo gatunek (podany θW=2,19 i 2,91 w blokach 2kb odpowiednio dla populacji borneańskiej i sumatrzańskiej). Rozsądnym górnym (ale równie heurystycznym) ograniczeniem dla długości bloku jest długość, przy której liczba unikalnych konfiguracji bSFS jest zmaksymalizowana, która wynosi około 5 kb dla historii wywnioskowanej dla dwóch gatunków orangutanów (dodatkowy plik 1: Rysunek S13). Jednak próby podzielenia danych orangutanów na bloki znacznie dłuższe niż 2 kb doprowadziły do ​​znacznej utraty danych (biorąc pod uwagę skromny ogólny zasięg), więc nie badaliśmy tego dalej.

Fakt, że podejścia ABLE i multi-locus generalnie opierają się na stałej (i koniecznie arbitralnej) długości bloku, jest wyraźnym ograniczeniem. Dlatego interesującym kierunkiem przyszłych prac byłoby zintegrowanie szacunków CL opartych na bSFS w zakresie rozmiarów bloków, co powinno poprawić zdolność do wnioskowania ostatnich wydarzeń demograficznych. Powiązany schemat wnioskowania, który integruje się w różnych rozmiarach okien, został niedawno wdrożony [20].

Nasze odkrycie większych r Szacunki przy użyciu krótszych bloków dla danych dotyczących orangutanów były zaskakujące. Biorąc pod uwagę, że nasza metoda ignoruje heterogeniczność w obu przypadkach r oraz μ, z których oba zwiększają autokorelację na krótkich dystansach, spodziewaliśmy się znaleźć coś przeciwnego, tj. spadek r szacunki dla krótszych bloków. Jednak nasza analiza symulacyjna wykazała, że ​​ABLE daje stosunkowo obiektywne szacunki r dla krótkich (500 pz) bloków, gdy wnioskowanie przeprowadzono z co najmniej dwoma diploidalnymi próbkami na populację (dodatkowy plik 2: Tabela S3). Wiarygodne wyjaśnienie dużego r dane szacunkowe dotyczące danych orangutanów mogą dotyczyć konwersji genów, ponieważ zdarzenia konwersji obejmujące granice bloków są nie do odróżnienia od zdarzeń krzyżowych. Wyniki prostej symulacji bSFS z bloków o wielkości 500 pz z konwersją genów podkreślają to jako prawdopodobną przyczynę uzyskania wyższych szacunków szybkości rekombinacji (dodatkowy plik 2: Tabela S3). Co więcej, konwersja genów musi mieć zmniejszający się wpływ na bSFS w przypadku bloków, które są dłuższe niż typowa długość drogi konwersji kilkuset zasad (patrz Tabela 2 w [40]). W przyszłości powinno być możliwe wykorzystanie tej zależności od długości bloku do opracowania jednoznacznych estymatorów konwersji genów i współczynników cross-over.

Nawet w złożonej demografii, takiej jak M6, nasze analizy mocy oparte na symulacjach wskazują, że większość parametrów demograficznych można racjonalnie odzyskać przy użyciu tylko jednego genomu diploidalnego na populację (dodatkowy plik 2: Tabela S3). Zwiększenie wielkości próbki do dwóch genomów diploidalnych zmniejszyło o ponad połowę odchylenie standardowe w szacunkach niektórych parametrów, w szczególności szybkości rekombinacji (dodatkowy plik 1: rysunek S2). Jednak dalszy wzrost wielkości próbki dał znikomą poprawę, pomimo znacznych kosztów obliczeniowych (dodatkowy plik 1: Rysunek S3): liczba unikalnych konfiguracji bSFS wzrosła ponad trzykrotnie przy trzech zamiast dwóch diploidalnych genomach na populację. Ten malejący zwrot wraz ze wzrostem wielkości próbki (w kategoriach sekwencji) jest podstawową właściwością koalescencji [41, 42]: cofając się w czasie, większe próbki w każdym gatunku prawdopodobnie połączyły się w małą liczbę linii (patrz Rys. 3 w [42]) przed zdarzeniem domieszki i dlatego jest mało prawdopodobne, aby wnosił wiele dodatkowych informacji o starszych procesach demograficznych.

SFS, bSFS i cbSFS

W niniejszej pracy zbadaliśmy intuicję, że wykorzystanie informacji o powiązaniach zawartych w bSFS powinno poprawić wnioskowanie demograficzne w porównaniu z SFS, który jest jedynie funkcją oczekiwanej długości gałęzi genealogicznych [5, 6]. Wcześniej wykazano, że bSFS dla małej próbki (n=5) zawiera znacznie więcej informacji o przeszłych wąskich gardłach niż SFS dla dużej próby (n=20, patrz rys. 3 w [22]). Podobnie nasza analiza porównująca ABLE z opartym na SFS ai [3] dla progresywnie złożonych scenariuszy podzielonej populacji (M1, M2 i M6) skutkowało lepszymi wnioskami (z bSFS) na temat wielkości populacji przodków, czasów rozbieżności i wskaźników domieszek, chociaż ze zwiększoną zmiennością oszacowań (dodatkowy plik 1: Rysunek S8, Rysunek S9 i Rysunek S10).

Jednak do analizy ABLE wykorzystujemy tylko podzbiór dwóch genomów diploidalnych w porównaniu z całą próbką pięciu genomów diploidalnych używanych przez ai. Ten wzrost wydajności można wytłumaczyć faktem, że bSFS jest bardziej wymiarowym, a zatem znacznie bogatszym podsumowaniem zmienności sekwencji niż SFS [18, 22]. Jednak ten wzrost informacji wiąże się z kosztami obliczeniowymi (dodatkowy plik 1: Rysunek S3) i ogólnie może być owocne zawężenie przestrzeni parametrów przy użyciu podejść opartych na SFS, takich jak ai [3] przed analizą ABLE. Wreszcie, schemat cbSFS zapewnia alternatywę, biorąc pod uwagę wszystkie podzbiory oryginalnej próbki, co umożliwia analizę dowolnie dużych próbek przy minimalnych kosztach obliczeniowych.

Granice wnioskowania

Chociaż nasz wybór modeli kierował się wcześniejszą wiedzą na temat historii demograficznej orangutanów [13, 23–25], pozostaje do ustalenia, jakie są granice złożoności i identyfikowalności modelu w naszym podejściu i w jakim stopniu rozkład wzorców bSFS pokonuje nieidentyfikowalność SFS [7, 43, 44]. W przeciwieństwie do analitycznych obliczeń wiarygodności (np. [18]), nie ma znaczącego wzrostu kosztu obliczeniowego wraz ze wzrostem złożoności modelu podczas aproksymacji wiarygodności dla danego punktu w przestrzeni parametrów. Jednak przeszukiwanie przestrzeni parametrów wiąże się z oczywistymi i szybko rosnącymi kosztami przy większej złożoności modelu. Podobnie jak wszystkie przybliżone podejścia do prawdopodobieństwa, ABLE wymaga od użytkownika dokonania starannych wyborów dotyczących liczby parametrów, liczby genealogii do pobrania na punkt w przestrzeni parametrów oraz granic wyszukiwania dla MCLE, z których wszystkie są kluczowymi elementami strategii optymalizacji [4]. W związku z tym sugerujemy, aby proste analizy pilotażowe zmieniające niektóre lub wszystkie czynniki wymienione powyżej (patrz Dodatkowy plik 1: Rysunek S14 i Rysunek S13) powinny pomóc w kształtowaniu strategii wnioskowania.

Jasne jest również, że niezależnie od podejścia wnioskowania, informacje zawarte w danych są skończone, więc musi istnieć twarda granica tego, jak realistyczną historię można wnioskować. W związku z tym fakt, że ABLE może w zasadzie być używany do dopasowania dowolnego modelu demograficznego, nakłada na użytkownika obowiązek ograniczania wnioskowania do scenariuszy, które są zarówno identyfikowalne statystycznie, jak i biologicznie interpretowalne. Ocena względnego dopasowania prostszych modeli zagnieżdżonych jest ważnym sprawdzeniem poprawności informacji w danych. Na przykład, nasze porównanie analiz opartych na blokach 2 kb i 500 pz (odpowiednio rys. 5 i plik dodatkowy 1: rysunek S15) podkreśla ograniczenia naszego schematu wnioskowania dla krótkich długości bloków.

Podejście wnioskowania zaimplementowane w ABLE wykorzystuje symulator koalescencyjny SM [45] do próbkowania genealogii blokowych lub ARG. W zasadzie ABLE może uwzględniać inne symulatory, a zatem może zawierać dodatkowe procesy, takie jak selekcja powiązana [46, 47]. Inną interesującą drogą dalszych badań jest zastosowanie przybliżonych prawdopodobieństw złożonych na podstawie bSFS wzdłuż genomu. Takie podejście nie tylko pomogłoby ulepszyć mapy rekombinacji organizmów niemodelowych, ale mogłoby również zapewnić solidne ramy do identyfikacji regiony odstające genomu poddanego selekcji pozytywnej i/lub dotkniętego introgresją z innego gatunku.


Wnioskowanie o krajobrazie rekombinacji za pomocą rekurencyjnych sieci neuronowych

Dokładne wywnioskowanie krajobrazu szybkości rekombinacji w całym genomie w naturalnych populacjach jest głównym celem genomiki, ponieważ wzorce powiązań wpływają na wszystko, od mapowania genetycznego po zrozumienie historii ewolucyjnej. W tym miejscu opisujemy ReLERNN, metodę głębokiego uczenia do dokładnego szacowania krajobrazu rekombinacji całego genomu przy użyciu zaledwie czterech próbek. Zamiast używać podsumowań nierównowagi sprzężeń jako danych wejściowych, ReLERNN bierze pod uwagę kolumny z dopasowania genotypu, które są następnie modelowane jako sekwencja w całym genomie przy użyciu rekurencyjnej sieci neuronowej. Wykazujemy, że ReLERNN poprawia dokładność i zmniejsza błąd systematyczny w stosunku do istniejących metod oraz utrzymuje wysoką dokładność w obliczu błędnej specyfikacji modelu demograficznego. Stosujemy ReLERNN do naturalnych populacji Afrykańczyków muszka owocowa i pokazują, że krajobrazy rekombinacji całego genomu, choć w dużej mierze skorelowane między populacjami, wykazują istotne różnice specyficzne dla populacji. Na koniec łączymy wywnioskowane wzorce rekombinacji z częstotliwościami głównych inwersji segregujących w naturalnym Drosophila populacje.


Wyniki

Pozytywna (antagonistyczna lub zmniejszająca się) epistaza

W konsekwencji wprowadzenia szkodliwych mutacji w różnych genach kierunek epistazy jest pozytywny, co oznacza, że ​​mutacje mają słabszy wpływ na sprawność protokomórek w połączeniu (sekcja 3 w tekście S1, patrz rys. S1). W tych warunkach zawsze preferowana jest zmniejszona rekombinacja [17,29]. Warto wspomnieć, że antagonistyczną epistazę przewidywano na podstawie badań wpływu mutacji na fałdowanie RNA [30] oraz analiz wirusów RNA [31], a także mi. coli oraz S. cerevisiae wykorzystując analizę bilansu strumieni i badania in silico sieci metabolicznych [32].

Chromosomatyzacja i ekspansja genomu

Najpierw podsumowujemy główne ustalenia, a następnie skupiamy się na konkretnym scenariuszu, aby zrozumieć dynamikę systemu. We wszystkich analizowanych sytuacjach chromosomy zawsze rozprzestrzeniają się pomimo silnej selekcji wewnątrzprotokomórkowej przeciwko nim. Nawet jeśli pęknie długi chromosom, w równowadze może być obecny zróżnicowany zestaw mniejszych chromosomów z różną liczbą genów. Jednak we wszystkich przypadkach w systemie dominują chromosomy z pełnym zestawem genów. Jeśli podziel rozmiar S jest niska (tj. jeśli maksymalna liczba genów w momencie podziału protokomórki jest niska), chromosomy z jednym pełnym zestawem niezbędnych genów są obecne w stosunkowo wysokim stężeniu. Wraz ze wzrostem rozmiaru podziału zwiększa się koncentracja chromosomów z dwoma (lub więcej) pełnymi zestawami genów, to znaczy obserwujemy ekspansję genomu połączonych genów w funkcji rozmiaru podziału. Uszkodzenie chromosomu powoduje powstawanie pojedynczych genów i krótszych chromosomów, które nie zawierają pełnych zestawów genów, co zmniejsza średnią długość chromosomów i sprawność protokomórek. Niemniej jednak w okresie przejściowym pęknięcie chromosomu wprowadza niezbędną zmienność, aby osiągnąć optymalny skład genów w chromosomie. Bez złamania chromosomu system mógłby zamarznąć w stanie suboptymalnym, aw równowadze w systemie pozostanie tylko kilka typów chromosomów, co wyklucza dalszą optymalizację. Wreszcie stwierdziliśmy, że rekombinacja wewnątrzkomórkowa nie wpływa jakościowo na wyniki.

Skupimy się teraz na konkretnym przypadku, zakładając D = 3 podstawowe geny (A, B i C). Tabela 1 pokazuje liczbę i stosunek różnych typów genów w chromosomach o różnej liczbie genów w równowadze. Najczęstszy chromosom (

50%) w populacji była doskonale zbilansowana z genami ABC, a druga najczęstsza (

21%) chromosom z genami ABCABC. Zrównoważone chromosomy ABCABCABC (

Obecni byli również 1,5%. W innych przypadkach kompozycja genów była mniej zrównoważona, ale ogólnie rzecz biorąc, istnieje prawie idealna równowaga w składzie genów na poziomie populacji. Przerwy powodują powstawanie pojedynczych genów cyklicznie, a ze względu na obciążenie asortymentem stosunek pojedynczych genów różnych typów nie jest dobrze zrównoważony.


Wprowadzenie do analizy genetycznej. Wydanie siódme.

Jeśli w jednym chromosomie występują dwa pęknięcia, czasami region między pęknięciami obraca się o 180 stopni przed ponownym połączeniem z dwoma fragmentami końcowymi. Takie zdarzenie tworzy mutację chromosomową zwaną inwersją. W przeciwieństwie do delecji i duplikacji, inwersje nie zmieniają ogólnej ilości materiału genetycznego, więc inwersje są generalnie żywotne i nie wykazują żadnych szczególnych nieprawidłowości na poziomie fenotypowym. W niektórych przypadkach jedno z pęknięć chromosomów znajduje się w genie o podstawowej funkcji, a następnie ten punkt pęknięcia działa jak letalna mutacja genu powiązana z inwersją. W takim przypadku inwersja nie mogła doprowadzić do homozygotyczności. Jednak wiele inwersji można uczynić homozygotycznymi, ponadto inwersje można wykryć w organizmach haploidalnych. W takich przypadkach punkt przerwania wyraźnie nie znajduje się w istotnym regionie. Niektóre z możliwych skutków inwersji na poziomie DNA pokazano na rycinie 17-14.

Rysunek 17-14

Skutki inwersji na poziomie DNA. Geny są reprezentowane przez A, b, C, oraz D. Nić wzorcowa jest ciemnozielona. Nić niematrycowa jest jasnozielona, ​​postrzępione linie wskazują na przerwanie DNA. Litera P oznacza promotora gruba strzałka wskazuje pozycję (więcej.)

Większość analiz inwersji wykorzystuje heterozygotyczne inwersje i diploidy, w których jeden chromosom ma sekwencję standardową, a jeden nosi inwersję. Obserwacja mikroskopowa mejozy w heterozygotach inwersyjnych ujawnia lokalizację odwróconego segmentu, ponieważ jeden chromosom skręca się raz na końcach inwersji, aby sparować się z drugim, nieskręconym chromosomem, w ten sposób sparowane homologi tworzą pętla inwersji (Rysunek 17-15).

Rysunek 17-15

Chromosomy heterozygot inwersyjnych łączą się w pętlę podczas mejozy. (a) Schematyczne przedstawienie każdego chromosomu jest w rzeczywistości parą siostrzanych chromatyd. (b) Mikrografy elektronowe kompleksów synaptonemalnych w profazie I mejozy u myszy heterozygotycznej (więcej.)

Położenie centromeru w stosunku do odwróconego segmentu determinuje genetyczne zachowanie chromosomu. Jeśli centromer znajduje się poza inwersją, mówi się, że inwersja jest paracentryczny, podczas gdy inwersje obejmujące centromer są pericentryczny:

Jak inwersje zachowują się genetycznie? Przejście w pętli inwersji paracentrycznej inwersji łączy homologiczne centromery w a most dicentryczny jednocześnie produkując fragment acentryczny𠅊 fragment bez centromeru. Następnie, gdy chromosomy rozdzielają się w anafazie I, centromery pozostają połączone mostkiem, który orientuje centromery tak, że chromatydy niekrzyżowane leżą jak najdalej od siebie. Fragment acentryczny nie może się wyrównać ani przesunąć i w konsekwencji jest gubiony. Napięcie ostatecznie przerywa mostek, tworząc dwa chromosomy z końcowymi delecjami (ryc. 17-16). Gamety zawierające takie usunięte chromosomy mogą być niezdolne do życia, ale nawet jeśli są żywotne, zygoty, które ostatecznie tworzą, są nie do przeżycia. W związku z tym zdarzenie krzyżowe, które normalnie generuje rekombinowaną klasę produktów mejotycznych, zamiast tego wytwarza produkty śmiercionośne. Ogólnym wynikiem jest niższa częstotliwość rekombinacji. W rzeczywistości dla genów w obrębie inwersji RF wynosi zero. W przypadku genów flankujących inwersję RF jest zmniejszona proporcjonalnie do względnego rozmiaru inwersji.

Rysunek 17-16

Produkty mejotyczne wynikające z pojedynczego skrzyżowania w paracentrycznej pętli inwersji. W pętli krzyżują się dwie niesiostrzane chromatydy.

Inwersje wpływają na rekombinację również w inny sposób. Heterozygoty inwersyjne często mają problemy z mechanicznym parowaniem w obszarze inwersji, te problemy z parowaniem zmniejszają częstotliwość krzyżowania, a tym samym częstotliwość rekombinacji w regionie.

Efekt genetyczny netto inwersji pericentrycznej jest taki sam, jak w przypadku paracentrycznej – produkty krzyżowe nie są odzyskiwane, ale z innych powodów. W odwróceniu pericentrycznym, ponieważ centromery są zawarte w odwróconym regionie, chromosomy, które przeszły nad nimi, rozdzielają się w normalny sposób, bez tworzenia mostka. Jednak skrzyżowanie wytwarza chromatydy, które zawierają duplikację i niedobór różnych części chromosomu (ryc. 17-17). W tym przypadku, jeśli zapłodnione zostanie jądro z chromosomem skrzyżowanym, zygota umiera z powodu braku równowagi genetycznej. Ponownie, wynikiem jest selektywne odzyskiwanie nieskrzyżowanych chromosomów u żywotnego potomstwa.

Rysunek 17-17

Produkty mejotyczne wynikające z mejozy z pojedynczym skrzyżowaniem w perycentrycznej pętli inwersji.

WIADOMOŚĆ

Dwa mechanizmy zmniejszają liczbę produktów rekombinowanych wśród potomstwa heterozygot inwersyjnych: eliminacja produktów skrzyżowań w pętli inwersji i hamowanie parowania w regionie inwersji.

Warto dodać uwagę o inwersjach homozygotycznych. W takich przypadkach homologiczne odwrócone chromosomy parują i krzyżują się normalnie, nie ma mostków, a produkty mejotyczne są żywotne. Jednak interesującym efektem jest to, że mapa sprzężeń pokaże odwróconą kolejność genów.

Genetycy wykorzystują inwersje do tworzenia duplikacji określonych regionów chromosomowych do różnych celów eksperymentalnych. Rozważmy na przykład heterozygotyczną inwersję perycentryczną z jednym punktem złamania na wierzchołku (T) chromosomu, jak pokazano na rysunku 17-18. Skrzyżowanie w pętli tworzy typ chromatydy, w którym całe lewe ramię jest zduplikowane, jeśli końcówka nie jest konieczna, generowany jest zapas do powielania do badania. Innym sposobem na duplikację (i brak) jest użycie dwóch paracentrycznych inwersji z nakładającymi się punktami przerwania (rysunek 17-19). Powstaje złożona pętla, a skrzyżowanie w obrębie inwersji powoduje duplikację i delecję. Te manipulacje są możliwe tylko w organizmach z dokładnie odwzorowanymi chromosomami, dla których dostępne są duże zestawy standardowych rearanżacji.

Rysunek 17-18

Wytwarzanie żywotnej nietandemowej duplikacji z perycentrycznej inwersji w pobliżu zbędnego wierzchołka chromosomu.

Rysunek 17-19

Generowanie duplikacji nietandemowej przez skrzyżowanie dwóch nakładających się inwersji.

Widzieliśmy, że analiza genetyczna i cytologia chromosomów mejotycznych są dobrymi sposobami wykrywania inwersji. Podobnie jak w przypadku większości rearanżacji, istnieje również możliwość wykrycia poprzez analizę chromosomów mitotycznych. Kluczową cechą operacyjną jest poszukiwanie nowych proporcji ramienia. Rozważmy chromosom, który uległ mutacji w następujący sposób:

Zauważ, że stosunek ramienia długiego do krótkiego został zmieniony z około 4 do około 1 przez odwrócenie perycentryczne. Inwersje paracentryczne nie zmieniają proporcji ramienia, ale mogą być wykryte mikroskopowo, jeśli dostępne są prążki lub inne charakterystyczne punkty chromosomowe.

WIADOMOŚĆ

Głównymi cechami diagnostycznymi inwersji są pętle inwersji, zmniejszenie częstości rekombinacji i zmniejszona płodność z niezrównoważonych lub usuniętych produktów mejotycznych, wszystkie obserwowane u osób heterozygotycznych pod względem inwersji. Niektóre inwersje mogą być bezpośrednio obserwowane jako odwrócony układ punktów orientacyjnych chromosomów.

Inwersje występują u około 2 procent ludzi. Heterozygotyczni nosiciele inwersji generalnie nie wykazują niekorzystnego fenotypu, ale wytwarzają oczekiwany szereg nieprawidłowych produktów mejotycznych przez przejście w pętli inwersji. Rozważmy jako przykład inwersje pericentryczne. Osoby heterozygotyczne pod względem inwersji pericentrycznych produkują potomstwo z chromosomami z duplikacją i delecją, jak przewiduje się, że potomstwo to wykazuje różne stopnie nieprawidłowości w zależności od długości dotkniętych regionów chromosomów. Niektóre fenotypy spowodowane duplikacją i delecją chromosomów są tak nieprawidłowe, że nie są w stanie przetrwać do urodzenia i są tracone jako spontaniczne aborcje. However, there is a way to study the abnormal meiotic products that does not depend on survival to term. Human sperm placed in contact with unfertilized eggs of the golden hamster penetrate the eggs but fail to fertilize them. The sperm nucleus does not fuse with the egg nucleus, and, if the cell is prepared for cytogenetic examination, the human chromosomes are easily visible as a distinct group (Figure 17-20). This technique makes it possible to study the chromosomal products of a male meiosis directly and is particularly useful in the study of meiotic products of men who have chromosome mutations.

Figure 17-20

Human sperm and hamster oocytes are fused to permit study of the chromosomes in the meiotic products of human males. (After original art by Renພ Martin.)

In one case, a man heterozygous for an inversion of chromosome 3 underwent sperm analysis. The inversion was a large one with a high potential for crossing-over in the loop. Four chromosome 3 types were found in the man’s sperm—normal, inversion, and two recombinant types (Figure 17-21). The sperm contained the four types in the following frequencies:

Figure 17-21

(a) Four different chromosomes 3 found in sperm of a man heterozygous for a large pericentric inversion. The duplication-deletion types result from a crossover in the inversion loop. (b) Two complete sperm chromosome sets containing the two duplication�letion (more. )

The duplication-q�letion-p recombinant chromosome had been observed previously in several abnormal children, but the duplication-p�letion-q type had never been seen, and probably zygotes receiving it are too abnormal to survive to term. Presumably, deletion of the larger q fragment has more severe consequences than deletion of the smaller p fragment.

Za zgodą wydawcy ta książka jest dostępna za pomocą funkcji wyszukiwania, ale nie można jej przeglądać.


Gene Mapping

The chromosome mapping or gene mapping is based on two important assumptions:(i) that genes are arranged on a chromosome in a linear fashion, and (ii) that the percentage of crossing over (recombination frequencies) between the two genes is an index of their distance apart. A chromosome map is a line on which the genes are represented points that are separated by distance proportional to the amount of crossing over. The gene mapping is based on the percentage of crossing over between genes, it is sometimes known as a crossing over map. The relationship between the cross over frequency and the distance between loci was first suggested in 1913 by A. I. Sturtevant. Thus, the chromosome map is a condensed graphic representation of relative distances between the linked genes, expressed in percentage of recombination among the genes in one linkage group. Distances between genes can be expressed in map units, where one map unit is defined as 1 per cent recombination. So, The representation in figure of relative position of genes on the chromosome is known as chromosome map in the process of identifying gene loci is called gene mapping.

Explanation of Gene Mapping

The amount of crossing over, on which the gene mapping is prepared, has been drawn from Test crosses. There is no direct microscopic examination of the chromosome. The gene mapping is based on two assumptions which are very easy to understand, those are: i) The genes are arranged in a liner fashion on the chromosome. ii) The percentage of crossing over between the two genes is an index of their distance in the chromosome.

Recombination frequency or Cross over value = Total number of recombinants in Test Cross / Total number of progeny of the Test Cross. The value is generally represented as a per cent of the total population. The variation in recombination frequency is governed by the distance between the genes. Closer the distance between the two genes, the less are the chances of crossing over. As a result there is lower frequency of recombination. The greater is the distance between the genes, the higher is the percentage of crossing over between them.

Construction of gene mapping

To construct the gene mapping of an animal or plant, its chromosomes are first represented by straight lines and then the positions of genes are determined from the percentage of crossing over data. The percentage of crossing over is governed by the distance between the genes concerned. If the two genes are closer then the chance of crossing over will be less I which will be reflected in the recombination frequency.

Technique of gene mapping

The assumption of consistent gene order along the chromosome, coupled with the fact that crossing occurs, makes it almost certain that gene loci can be determined in relation to each other. If genes are located in a consistent linear order along a chromosome, then the distance between any two genes and the amount of (Tossing over that occurs between them should be in direct proportion. Homologous chromosomes cross over each other and such cross over occasionally lead to an exchange of chromosome segments between the pairs. When such an exchange occurs, the linkage between certain genes is broken and new gamete possibilities arise. Higher the number of such gametes, greater will be the portion of the offspring showing the cross over phenotype. This percentage, therefore, gives direct measure of the amount of chromosomal crossing over. In other word, it provides a direct measure of the distance between the genes involved.

Factors Affecting Gene Mapping

(i) Double Crossing Over : This phenomenon occurs between two genes which are situated by long distance on the same chromosome. It has been observed, though there is double crossing over yet the two genes are remaining on the same chromosome. There is no apparent sign of crossing over. So, calculation of crossing over percentage may cause mistakes in the chromosome map. (ii) Interference : One chiasma may interfere to form another chiasma formation in the vicinity. As a result, one crossing over may reduces the crossing over in the vicinity. (iii) Temperature : High and low temperatures increase the frequency of crossing over. Hence, the temperature causes fluctuations in the location of genes on chromosome. (iv) X-ray : This ray increases the frequency of crossing over and disturb the location of genes on chromosome mapping. (v) Age : Experiment of Bridges shows that crossing over is more frequent in older females of Drosophila. Thus age also affects the frequency of crossing over. Hence, ageing also cause fluctuations in loci of genes on chromosome. (vi) Location : Crossing over is less frequent near centromere and near the terminal ends of chromosome. (vii) Sex : The males of many organisms show less frequency of crossing over. In male Drosophila there is no crossing over. Thus, sex may also affect the frequency of crossing over.

Utility or Importance of Gene Mapping

(i) Chromosome mapping or gene mapping are very useful in the study of genetic engineering. (ii) Chromosome maps are very helpful to find out the exact location of new mutant gene in chromosome. (iii) Chromosome maps have established the validity that genes are arranged in a linrar fashion in chromosome. (iv) Gene Mapping have established the concept that the specific genes occupy the specific loci in the specific chromosome.


Obejrzyj wideo: Sposób na wypionowanie zraszaczy. Podłączenie sterownika WIFI Orbit B-hyve (Sierpień 2022).