Индивидуальная наследственная изменчивость это в биологии: Наследственная индивидуальная изменчивость | izi.TRAVEL

( x ) был включен в качестве дополнительного фиксированного эффекта, поскольку он имеет только два уровня — т.е.т. е. слишком мало уровней для моделирования случайного эффекта [90]. Блокировка оказала значительное влияние, вероятно, из-за дисбаланса, описанного выше — два повторных блока различались по общему размеру выборки, а также по характеру и степени дисбаланса выборки среди скрещиваний.

Для облегчения интерпретации мы также выполнили отдельные мужские и женские модели: и соответственно.

Геометрическая интерпретация классов наследования

Отдельные мужские и женские модели позволили провести геометрическую проверку значения компонентов дисперсии путем сопоставления прогнозируемых значений для каждого штамма (т. е., их BLUP) между сексированными и неполовыми моделями следующим образом. Blups для данного наследства класса Q от отдельных моделей мужской и женской ( Q _{M и Q F F ) Может быть установлен как дисперсионные стандартизированные y и x соответственно (рис. 1). Эту систему координат можно повернуть на 45°, чтобы получить BLUP для SC ( q SC ) и SA ( q SA ) аддитивной генетической изменчивости (рис. 1), как это сделали Бергер и его коллеги [37]. ] и Grieshop и коллеги [53], вот так: и Обратите внимание, что во время этой ротации дисперсия не теряется.}

. Для многих классов наследования BLUP для q _SC и q _SA (полученные из отдельных мужских и женских моделей, как описано выше; см. q и S × q (оценка по полнополовой модели) соответственно. Например, в случае аддитивности a соотносились с a _SC ( = 0.98, P <0,0001), а S × a коррелировало с a _SA (= 0,99, P <0,0001). Таким образом, оставаясь на конкретном примере аддитивности, и или, говоря словами, аддитивная генетическая дисперсия a из полнополой модели представляет собой аддитивную генетическую дисперсию SC, специфичная для пола аддитивная генетическая дисперсия S × a представляет собой аддитивную генетическую дисперсию SA, и они ортогональны друг другу ( см. рис. 1).

Убедившись, что все нераспределенные по полу компоненты дисперсии q из полнополой модели моделировали эффекты SC (см. Результаты), более прямое измерение углового соотношения между двумя осями вариации q и S × q для данный класс наследования Q (чтобы оценить, представляет ли последний дисперсию SA) является их внутренним произведением q ∙ S × q , определяемым как: Куда Q ₁ . .. Q _N и S × Q ₁ … S × Q _N (Nonitalicized) являются блюпуми каждого штамма для дисперсионных компонентов Q и S × Q соответственно.Обратите внимание, что внутренние продукты между сексированными и неполовыми компонентами дисперсии для симметричного и асимметричного эпистаза были рассчитаны на основе средних значений деформации BLUP, поскольку эти компоненты дисперсии основаны на 120 и 240 уникальных комбинациях штамм-штамм (в диаллеле 16 × 16) соответственно. .

Внутренний продукт между двумя осями вариации равен нулю, когда они ортогональны друг другу (или в этом случае, когда две компоненты дисперсии описывают ортогональные оси вариации). Для нормализованных осей вариации (наша стандартизирована по дисперсии до поворота системы координат; см. выше) внутренний продукт между q и S × q может быть преобразован в более интуитивно понятное угловое смещение, θ , вот так:

Таким образом, мы можем рассчитать и проверить угловое смещение всех компонентов дисперсии с разделением по полу относительно их соответствующих аналогов без пола/SC через их BLUP. Обратите внимание, что BLUP от компонентов дисперсии с отрицательными оценками (например, c и S × d ; см. Результаты) недействительны и поэтому не могут использоваться в этой геометрической интерпретации. Основное понимание, полученное в результате этого упражнения, заключается в том, что все компоненты изменчивости без пола моделируют эффекты SC и что некоторые компоненты дисперсии с разделением по полу (см. Результаты) моделируют эффекты SA в этой популяции — симметричные ортогональные отклонения от среднего значения их соответствующих аналогов без пола/SC (см. Рисунок 1).

Оценка SSDR

Экологическая и эпистатическая дисперсия была удалена из данных путем взятия остатков из следующей подгонки модели, снова с использованием процедуры FDIALLEL [57] в GenStat [58] (см. выше): где μ — точка пересечения, × — фиксированный эффект повторного блока, b ₃ — случайный эффект, моделирующий симметричный эпистаз, а ε — дисперсия остаточной ошибки. Таким образом, все другие эффекты (но именно специфические для пола аддитивные эффекты и эффекты доминирования) остаются в качестве основного вклада в дисперсию остаточных данных.Эти остатки не были стандартизованы по дисперсии.

Средние значения семейства были сведены в таблицу из этих остатков и, σ _{P , r} , ковариация каждой линии между средними значениями его ауткроссированного семейства ( r ) и средними значениями соответствующих инбредных родительских особей ( P ) ), которые соответствуют каждому из этих ауткроссированных семейств (т. е. W _r на рис. 1 у Хеймана [59] и на рис. 20.4 у Линча и Уолша [50]), использовали в качестве оценки относительного количества рецессивные аллели в каждом штамме.Ковариации каждой линии, специфичные для производителей и маток, усредняются, и это было сделано отдельно для пригодности самцов () и самок (). Если мы обозначим семейное среднее для данного пола данной комбинации мать-отец как , то σ _{P , r} для штамма 1 этого пола будет ковариацией элементов в этих двух векторах: усредненный с ковариацией элементов в этих двух векторах: Опять же, это было сделано для каждого штамма и для приспособленности самцов и самок отдельно, всего для 32 независимых ковариаций (т. д., 16 и 16; см. S6 рис.).

Штаммы, чьи ауткроссированные (гетерозиготные) средства ( r ) определяются (т. е. ковариация) инбредными (гомозиготными) средствами ( P ) штаммов, с которыми они скрещиваются, имеют аллели, явно рецессивные по отношению к аллелям других штаммов, в то время как штаммы, чьи гетерозиготные средние ( r ) не зависят (т. е. не коварны) от гомозиготных средних ( P ) штаммов, с которыми они скрещены, имеют аллели, которые явно доминируют над аллелями других штаммы.Таким образом, корреляция между и дает представление о том, имеет ли аллельная изменчивость среди штаммов тенденцию к одинаковому доминантно-рецессивному соотношению у обоих полов (задается положительной корреляцией) или доминантно-рецессивное отношение аллельной изменчивости между штаммами меняется на противоположное. между полами (задается отрицательной корреляцией).

Обратите внимание, что Hayman [59] и Lynch и Walsh [50] отмечают, что σ _{P , r} и дисперсия среди ауткроссированных семей означает r (т. е. V _r на рис. 1 у Хеймана [59] и на рис. 20.4 у Линча и Уолша [50]) должны идеально масштабироваться с коэффициентом регрессии, равным 1, где точка пересечения этого наклона указывает степень проявляемого доминирования. лежащими в основе локусами (например, частичное доминирование, полное доминирование или сверхдоминирование). Это, конечно, при отсутствии эпистатической изменчивости, изменчивости окружающей среды и существенной сохраняющейся гетерозиготности у инбредных штаммов. Мы удалили эпистатическую и экологическую изменчивость (см. выше), и наши инбредные штаммы, по-видимому, сохраняют небольшую оставшуюся гетерозиготность (на что указывает большой эффект инбридинга в наших данных; см. Таблицу 1 и Таблицу S1).Тем не менее, мы по-прежнему не обнаружили связи между σ _{P , r} и (см. выше) в отношении пригодности самцов или самок, что, возможно, указывает на различные степени доминирования среди лежащих в основе локусов и/или необъяснимую экологическую или эпистатическую дисперсия остатков.

Этот тест был повторен после удаления из данных аддитивных генетических эффектов SC ( a ) путем взятия остатков из следующей модели: и применение той же процедуры, описанной выше, которая обеспечивает более явный тест SSDR для генетической вариации SA как таковой.

Вспомогательная информация

S1 Рис. SSDR аллельной вариации SA, лежащей в основе приспособленности.

Диаграммы рассеяния, иллюстрирующие наблюдаемую SSDR для аллельной вариации SA, лежащей в основе приспособленности в этой популяции (т. е. в остальном идентичны рис. 3, за исключением того, что аддитивные генетические эффекты SC были заранее статистически удалены): (A) относительная величина рецессивной аллельной вариации для приспособленности у мужчин () и женщин () была значительно отрицательно коррелирована (= -0,665 [95% ДИ -0.от 87 до -0,25], P = 0,005) для разных штаммов ( N = 16; единицы отражают нестандартизированную остаточную приспособленность из модели, в которой исключена экологическая, эпистатическая и аддитивная генетическая изменчивость), и (B) та же взаимосвязь проиллюстрирована и проанализированы как ранги (т. е. штаммы ранжированы в порядке их относительного преобладания друг над другом; : -0,635, P = 0,0098). Штаммы, как правило, были обогащены SA аллельными вариациями приспособленности, которые были доминантными у их гетерозиготных сыновей, но рецессивными у их гетерозиготных дочерей, и наоборот.SA, сексуально антагонистический; SC, сексуально конкордантный; SSDR, инверсия доминирования по половому признаку.

10.1371/journal.pbio.2006810.s001

(TIF)

S2 Рис. Схема экспериментального дизайна.

Приспособленность самцов (вверху справа) и самок (внизу справа) была проанализирована в F ₁ особей от всех скрещиваний (показано здесь как полученное из примера скрещивания линии 2 [как мать] и линии 3 [как отца]) и измеряли как общее количество F ₂ потомков, появившихся в результате этих анализов, т.е.е., конкурентный пожизненный репродуктивный успех F ₁ особей.

10.1371/journal.pbio.2006810.s002

(TIF)

S4 Рис.

Диаллельные графики относительной пригодности.

Различие между мужскими (A) и женскими (B) апостериорными прогностическими средними значениями относительной приспособленности (т. е. приспособленности, деленной на среднюю приспособленность при ауткроссе для каждого пола) для более легкого выявления закономерностей наследования среди ауткроссированных семей (эквивалент см. на рис. S5). рисунок на логарифмически преобразованных данных, что соответствует таблице 1).Штаммы расположены в обратном порядке их средних значений HPD для аддитивной генетической изменчивости SA ( a _S ), где штамм 1 является наиболее полезным для самцов/вредным для самцов, а штамм 16 является наиболее полезным/вредным для самцов. Выраженные аддитивные эффекты SC ( a ) будут представлены штаммами, имеющими относительно легко идентифицируемые вертикальные столбцы (аддитивный вклад штамма в качестве производителя) и горизонтальные ряды (аддитивный вклад штамма в качестве плотины) с постоянным оттенком, который не меняется ( много) между самцами и самками или с участием других штаммов (например,г. , штамм 9, панели А и Б). Выраженные аддитивные эффекты SA ( a _S ) будут представлены легко идентифицируемыми паттернами a у одного пола данного штамма с оттенком в сторону противоположной крайности у противоположного пола этого штамма (например, штамм 1, панель А по сравнению с В). В качестве альтернативы, a _S можно визуализировать, взглянув на всю популяцию: тонкий градиент от светлого к темному и от темного к светлому от верхнего левого угла к нижнему правому среди ауткроссированных семейств очевиден у самцов (A ) и самок (B), соответственно, поскольку штаммы расположены в обратном порядке их средних значений HPD для a _S .Нарушения «гладкости» этого градиента, создающие более мозаичный паттерн, представляют собой основу различий в различных формах доминирования и эпистаза: b , v и w . Хотя было обнаружено, что родительские эффекты ( c ) не вносят существенного вклада в изменчивость приспособленности в этой популяции, они, в принципе, должны проявляться как различия между специфическими для отца и матери моделями a . Варианты SA любого эффекта, в принципе, выглядели бы как его аналог SC, демонстрирующий противоположный градиент оттенка между панелями A и B.HPD, самая высокая задняя плотность; SA, сексуально антагонистический; SC, сексуально конкордантный.

10.1371/journal.pbio.2006810.s004

(TIF)

S5 Рис. Диаллельные графики логарифмической пригодности.

Разница между апостериорными прогностическими средними значениями логарифмической пригодности самцов (A) и самок (B) (отражающая анализ, представленный в таблице 1), но в остальном идентична рис. S4. полезно для визуализации фиксированных эффектов S , β и β _S .Сходный средний оттенок гетерозигот между панелями А и В свидетельствует об отсутствии различий в средней приспособленности между самцами и самками ( S ). Относительная разница оттенков между инбредными родительскими «я» (по диагонали) и аутбредными гетерозиготами представляет собой эффект инбридинга ( β ), а разница в β между панелями представляет специфический для пола эффект инбридинга ( β _S ), который был сильнее у самцов. Эффекты инбридинга затрудняют определение моделей наследования среди ауткроссированных семей — это легче увидеть, используя относительную пригодность (см. S4 рис.).

10.1371/journal.pbio.2006810.s005

(TIF)

S6 Рис. Диаграмма, поясняющая ковариации массива, используемые для проверки SSDR.

Показанный здесь пример относится к заданному полу штамма 1 (среднее значение семьи которого индексируется как мать×отец), и в этом случае ковариация между элементами двух векторов (1×2, 1×3, … 1 × 16) и (2 × 2, 3 × 3, … 16 × 16) — соответствующие семейным средним значениям, для которых мать происходит из штамма 1, — будут усреднены с ковариацией между элементами двух векторов (2 × 1 , 3 × 1, … 16 × 1) и (2 × 2, 3 × 3, … 16 × 16) — соответствующие семейным средним значениям, для которых отец происходит из линии 1, — чтобы дать единую ковариацию для данного пола штамм 1.Это было сделано для каждой линии, для приспособленности самцов () и самок () отдельно после удаления средовой и эпистатической дисперсии из данных (рис. 3), а затем снова после удаления также аддитивных эффектов SC ( и , соответственно; S2 рис.) . SC, сексуально конкордантный; SSDR, инверсия доминирования по половому признаку.

10.1371/journal.pbio.2006810.s006

(TIF)

S7 Рис. Распределение изогенных штаммов относительно исходной межполовой генетической корреляции по приспособленности.

Логарифмически преобразованное и стандартизованное по дисперсии среднее значение пригодности самцов и самок для изоженских линий Бергера и его коллег [37].Закрашены и обведены красным цветом предковые изоженские линии, от которых произошли 16 изогенных штаммов настоящего исследования [53], демонстрируя, что происхождение инбредных штаммов достаточно равномерно распределено относительно исходной межполовой генетической корреляции по приспособленности. Данные, лежащие в основе этого рисунка, можно найти в цифровом репозитории Dryad, doi:10.5061/dryad.m06s2.

10.1371/journal.pbio.2006810.s007

(TIF)

S1 Таблица.

Разбиение по байесовской дисперсии.

Байесовские диаллельные вариации (см. текст S1) для пригодности из полнополой байесовской модели для общих (фиксированных) и штаммовых и кросс-специфических (случайных) эффектов, с верхним и нижним 95% интервалами достоверности, процент объясненной дисперсии, относящейся к каждому эффект и MIP (см. Текст S1). MIP, вероятность включения модели; VarP, проекция дисперсии.

10.1371/journal.pbio.2006810.s008

(PDF)

S2 Таблица. Разделите мужские и женские байесовские модели.

BayesDiallel VarPs (см. текст S1) для отдельных мужских и женских байесовских моделей, для общих (фиксированных) и штаммовых и кросс-специфических (случайных) эффектов, с верхним и нижним 95% интервалами достоверности и процентом объясненной дисперсии, относящейся к каждой эффект.VarP, проекция дисперсии.

10.1371/journal.pbio.2006810.s009

(PDF)

S3 Таблица. Отдельные мужские и женские модели REML.

Результаты отдельных мужских и женских моделей REML, отображающих F-статистику с значениями P для общих (фиксированных) эффектов и дисперсий ( σ ² ) с s. e. для штаммо- и кросс-специфических (случайных) эффектов (компоненты дисперсии). REML, ограниченная максимальная вероятность; с., стандартная ошибка.

10.1371/journal.pbio.2006810.s010

(PDF)

S1 Текст. Расширенные результаты и расширенные методы.

Представление результатов байесовского анализа (и его сравнение с результатами REML) и дополнительной методологической информации об исследуемой совокупности, статистическом обосновании, байесовском статистическом моделировании, а также терминологии и значении компонентов дисперсии. REML, ограниченная максимальная вероятность.

10.1371/journal.pbio.2006810.s011

(DOCX)

Данные S1.Необработанные данные по номеру телефона и сводные данные.

Пять листов данных, описанных ниже. Необработанные данные: полные диаллельные данные, отражающие «приспособленность» особей каждого «пола» (1 = самка, 2 = самец) по отношению к идентификаторам штаммов их отцов и матерей («отцов» и «матерей» соответственно) и повторяющийся «блок», к которому принадлежит каждое наблюдение. Рис. 2: сводные данные для рис. 2, изображающие каждый компонент дисперсии («var.comp»), его «дисперсию», s.e. вокруг этой дисперсии и «верхней» и «нижней» границы этой стандартной ошибки.Рис. 3A и 3B: сводные данные для рис. 3A и 3B, изображающие идентификаторы «штаммов», ковариации массивов мужчин и женщин («m.cov» и «f.cov» соответственно) и ранговый порядок для этих ковариаций (« m.cov.rank» и «f.cov.rank» соответственно). S1A и S1B Fig: сводные данные для S1A и S1B Fig, изображающие идентификаторы «штаммов», ковариации массивов мужчин и женщин («m.cov» и «f.cov» соответственно) и ранговый порядок для этих ковариаций (« m.cov.rank» и «f.cov.rank» соответственно). S3 Fig: сводные данные для S3 Fig, изображающие каждый класс наследования («класс»), его «VarP» и «верхний» и «нижний» 95% интервалы достоверности.См. Материалы и методы. с., стандартная ошибка.

10.1371/journal.pbio.2006810.s012

(XLSX)

Благодарности

Мы благодарим Дэвида Бергера, Шимона Дробняка, Сильвена Глемина, Яцека Радвана и Клауса Рюффлера за очень полезные беседы; Rafael Augusto, Mengjie Fei и Johanna Liljestrand Rönn за неоценимую техническую поддержку лаборатории; Бо Стенерлеву за доступ к установкам для облучения; Изабель Глито за коллекцию жуков; Paul Maurizio за совет с BayesDialel; и Roger Payne за поддержку FDIALLEL.

Каталожные номера

1. 1. Фишер РА. Генетическая теория естественного отбора: полное издание Variorum. Издательство Оксфордского университета; 1930.
2. 2. Левонтин РК. Генетическая основа эволюционных изменений. Нью-Йорк: издательство Колумбийского университета; 1974 июнь
3. 3. Добжанский Т. Обзор некоторых фундаментальных понятий и проблем популяционной генетики. Cold Spring Harb Symp Quant Biol. 1955 год; 20:1–15. пмид:13433550
4. 4.Чарльзворт Б., Хьюз К.А. Поддержание генетической изменчивости признаков жизненного цикла. В: Singh RS, Krimbas CB, редакторы. Эволюционная генетика. Кембридж: Издательство Кембриджского университета; 2000. с. 369–392.
5. 5. Бартон Н.Х., Кейтли П.Д. Понимание количественной генетической изменчивости. Нат Рев Жене. 2002 Январь; 3 (1): 11. пмид:11823787
6. 6. Митчелл-Олдс Т., Уиллис Дж. Х., Гольдштейн Д. Б. Какие эволюционные процессы влияют на естественную генетическую изменчивость фенотипических признаков?Нат Рев Жене. 2007 ноябрь;8(11):845. пмид:17943192
7. 7. Чарльзворт Б. Причины естественной изменчивости приспособленности: данные исследований популяций дрозофилы. P Natl Acad Sci. 2015 10 февраля; 112 (6): 1662–9.
8. 8. Чарльзворт Б. Наследуемость приспособленности. В: Брэдбери Дж. В., Андерссон М.Б., редакторы. Половой отбор: проверка альтернатив. Чичестер: Уайли; 1987. с. 21–40.
9. 9. Хоул Д. Сравнение эволюционности и изменчивости количественных признаков.Генетика. 1992 г., 1 января; 130 (1): 195–204. пмид:1732160
10. 10. Холдейн Дж.Б. Математическая теория естественного и искусственного отбора, часть V: отбор и мутация. Proc Camb Philos Soc. 1927 г., июль; 23 (7): 838–844.
11. 11. Мюллер ХДж. Наш груз мутаций. Am J Hum Genet. 1950 г., июнь; 2 (2): 111. пмид:14771033
12. 12. Ланде Р. Поддержание генетической изменчивости путем мутации полигенного признака со сцепленными локусами. Генет Рез. 1975 г., декабрь; 26 (3): 221–35.пмид:1225762
13. 13. Кроу Дж. Ф. Мутация, средняя приспособленность и генетическая нагрузка. Oxf Surv Evol Биол. 1993; 9: 3–42.
14. 14. Чжан Х.С., Ван Дж., Хилл В.Г. Влияние доминантности, лептокуртоза и плейотропии вредоносных мутаций на количественную генетическую изменчивость при балансе мутаций и отбора. Генетика. 2004 г., 1 января; 166 (1): 597–610. пмид:15020447
15. 15. Ланде Р. Половой диморфизм, половой отбор и адаптация полигенных признаков. Эволюция.1980 г., 1 марта; 34 (2): 292–305. пмид:28563426
16. 16. Арнквист Г., Роу Л. Сексуальный конфликт. Издательство Принстонского университета; 2005.
17. 17. Бондурянский Р., Ченовет С.Ф. Внутрилокусный половой конфликт. Тенденции Экол Эвол. 2009 г., 1 мая; 24 (5): 280–8. пмид:19307043
18. 18. Ван Дорн ГС. Внутрилокусный половой конфликт. Энн NY Acad Sci. 2009 г., 1 июня; 1168 (1): 52–71.
19. 19. Спейер Д., Лукеш Дж., Элиаш М. Секс — вездесущий, древний и неотъемлемый атрибут эукариотической жизни.P Natl Acad Sci. 21 июля 2015 г .; 112 (29): 8827–34.
20. 20. Конналлон Т., Кларк А.Г. Эволюционная неизбежность полового антагонизма. Proc Biol Sci. 2014 7 февраля; 281(1776):20132123. пмид:24335980
21. 21. Конналлон Т., Кларк А.Г. Балансирующий отбор у раздельнополых видов: выводы из геометрической модели Фишера. Генетика. 1 июля 2014 г .; 197 (3): 991–1006. пмид:24812306
22. 22. Кокко Х, Дженнионс, доктор медицины. Связь между половым отбором и сексуальным конфликтом.Колд Спринг Харб Перспект Биол. 2014 18 июля; 6 (9): a017517. пмид:25038050
23. 23. Конналлон Т., Кларк А.Г. Антагонистические и неантагонистические модели уравновешивающего отбора: характеристика относительных временных масштабов и эффектов автостопа при частичном селективном отборе. Эволюция. 2013 1 марта; 67 (3): 908–17. пмид:23461340
24. 24. Конналлон Т., Кларк А.Г. Общая популяционная генетическая основа для антагонистического отбора, учитывающая демографию и повторяющиеся мутации.Генетика. 1 апреля 2012 г .; 190 (4): 1477–89. пмид:22298707
25. 25. Бедхомм С., Чиппиндейл А.К. Непримиримые различия: когда половой диморфизм не может разрешить половой конфликт. В: Fairbairn DJ, Blanckenhorn W U, Székely T, редакторы. Пол, размер и гендерные роли: эволюционные исследования полового диморфизма размеров. Нью-Йорк: Издательство Оксфордского университета; 2007. с. 185–194.
26. 26. Конналлон Т., Кокс Р.М., Калсбик Р. Последствия отбора по половому признаку для пригодности. Эволюция. 2010 1 июня; 64 (6): 1671–82.пмид:20050912
27. 27. Харано Т., Окада К., Накаяма С., Миятакэ Т., Хоскен Д.Дж. Внутрилокусный сексуальный конфликт, не разрешенный за счет проявления признака, ограниченного полом. Карр Биол. 2010 23 ноября; 20 (22): 2036–2039. пмид:21055943
28. 28. Стюарт А.Д., Пишедда А., Райс В.Р. Разрешение внутрилокусного сексуального конфликта: генетические механизмы и временные рамки. Дж. Херед. 1 марта 2010 г .; 101 (дополнение 1): S94–9.
29. 29. Гриффин Р.М., Дин Р., Грейс Дж.Л., Райден П., Фриберг У. Общий геном является всепроникающим ограничением эволюции экспрессии генов, зависящих от пола.Мол Биол Эвол. 2013 г., 2 августа; 30 (9): 2168–76. пмид:23813981
30. 30. Федорка К.М., Муссо Т.А. Предвзятость спаривания самок приводит к противоречивой приспособленности потомства к определенному полу. Природа. 2004 г., май; 429 (6987): 65. пмид:15129280
31. 31. Броммер Дж. Э., Киркпатрик М., Кварнстрем А., Густафссон Л. Межполовая генетическая корреляция для приспособленности на протяжении всей жизни в дикой природе и ее значение для полового отбора. ПЛОС ОДИН. 2007 г., 15 августа; 2(8):e744. пмид:17710144
32. 32. Ферстер К., Коулсон Т. , Шелдон Б.К., Пембертон Дж.М., Клаттон-Брок Т.Х., Круук Л.Е.Антагонистические по половому признаку генетические вариации приспособленности благородных оленей. Природа. 2007 г., июнь; 447 (7148): 1107. пмид:17597758
33. 33. Арнквист Г., Туда М. Половой конфликт и гендерная нагрузка: коррелированная эволюция между приспособленностью популяции и половым диморфизмом у семенных жуков. Proc Biol Sci. 2009, 23 декабря: rspb200.
34. 34. Инноченти П., Морроу Э.Х. Половые антагонистические гены Drosophila melanogaster. PLoS биол. 16 марта 2010 г .; 8 (3): e1000335. пмид:20305719
35. 35.Делф Л.Ф., Андикоэчеа Дж., Стивен Дж.С., Херлихи Ч.Р., Скарпино С.В., Белл Д.Л. Зависимый от окружающей среды внутрилокусный половой конфликт у двудомного растения. Новый Фитол. 2011 1 октября; 192 (2): 542–52. пмид:21726233
36. 36. Льюис З., Уэделл Н., Хант Дж. Доказательства сильного внутрилокусного сексуального конфликта у индийской мучной моли, Plodia interpunctella. Эволюция. 2011 г., 1 июля; 65 (7): 2085–97. пмид:21729062
37. 37. Бергер Д., Гришоп К., Линд М.И., Гоэнага Дж., Маклаков А.А., Арнквист Г.Внутрилокусный сексуальный конфликт и стресс окружающей среды. Эволюция. 2014 г., 1 августа; 68 (8): 2184–96. пмид:24766035
38. 38. Бергер Д., Мартиносси-Аллиберт И., Гришоп К., Линд М.И., Маклаков А.А., Арнквист Г. Внутрилокусный половой конфликт и трагедия общин у семенных жуков. Я Нат. 1 октября 2016 г .; 188 (4): E98–112. пмид:27622882
39. 39. Барсон Н.Дж., Айканат Т., Хиндар К., Барански М., Болстад Г.Х., Фиске П. и соавт. Зависимое от пола доминирование в одном локусе поддерживает различия в возрасте половозрелости у лосося.Природа. 2015 декабрь; 528 (7582): 405. пмид:26536110
40. 40. Ченг С., Киркпатрик М. Отбор по половому признаку и экспрессия генов, обусловленная полом, у людей и мух. Генетика PLoS. 22 сентября 2016 г .; 12 (9): e1006170. пмид:27658217
41. 41. Кидвелл Дж. Ф., Клегг М. Т., Стюарт Ф. М., Праут Т. Области стабильного равновесия для моделей дифференциального отбора у двух полов при случайном спаривании. Генетика. 1977 г., 28 января; 85 (1): 171–83. пмид:838269
42. 42. Праут Т. Насколько хорошо противоположный отбор поддерживает изменчивость?В: Singh RS, Krimbas CB, редакторы. Эволюционная генетика. Кембридж: Издательство Кембриджского университета; 2000. с. 157–181.
43. 43. Роуз МР. Антагонистическая плейотропия, доминирование и генетическая изменчивость. Наследственность. 1982 г., февраль; 48 (1): 63.
44. 44. Хоэкстра Р.Ф., Бийлсма Р., Долман А.Дж. Полиморфизм из-за неоднородности окружающей среды: модели устойчивы только в том случае, если гетерозигота близка по приспособленности к предпочтительной гомозиготе в каждой среде. Генетические исследования. 1985 г., июнь; 45 (3): 299–314.
45. 45. Curtsinger JW, Service PM, Prout T. Антагонистическая плейотропия, изменение доминирования и генетический полиморфизм. Я Нат. 1994 г., 1 августа; 144 (2): 210–28.
46. 46. Хедрик П.В. Антагонистическая плейотропия и генетический полиморфизм: перспектива. Наследственность. 1999 г., февраль; 82 (2): 126–33.
47. 47. Фрай Джей Ди. Геномное расположение половых антагонистических вариаций: некоторые предостерегающие комментарии. Эволюция. 2010 1 мая; 64 (5): 1510–6. пмид:19

    3

48. 48.Спенсер Х.Г., священник Н.К. Эволюция специфического для пола доминирования в ответ на антагонистический по половому признаку отбор. Я Нат. 2016 1 мая; 187 (5): 658–66. пмид:27104997
49. 49. Фальконер Д.С., Маккей Т.Ф. Введение в количественную генетику. 4-е изд. Нью-Йорк: Пирсон/Прентис Холл; 1996.
50. 50. Линч М., Уолш Б. Генетика и анализ количественных признаков. Сандерленд, Массачусетс: Синауэр; 1998.
51. 51. Гарсия-Дорадо А., Кабальеро А. О среднем коэффициенте доминирования вредных спонтанных мутаций.Генетика, 2000 г., 1 августа; 155 (4): 1991–2001 гг. пмид:101
52. 52. Манна Ф., Мартин Г., Ленорман Т. Фитнес-ландшафты: альтернативная теория доминирования мутаций. Генетика, 1 января 2011 г .; 189 (3): 923–937. пмид:218
53. 53. Гришоп К., Бергер Д., Арнквист Г. Сексуально антагонистические генотипы с мужской выгодой демонстрируют повышенную уязвимость к инбридингу. БМС Эвол Биол. 2017 дек;17(1):134. пмид:28606137
54. 54. Миятакэ Т., Мацумура Ф. Внутривидовая изменчивость повторного спаривания самок у Callosobruchus chinensis и C.пятно. Дж. Физиология насекомых. 2004 г., 1 мая; 50 (5): 403–8. пмид:15121453
55. 55. Ангус Р.Б., Деллоу Дж., Уиндер С., Кредленд П.Ф. Различия кариотипов у четырех видов Callosobruchus Pic (Coleoptera: Bruchidae). Журнал исследований хранимых продуктов. 2011 1 апреля; 47 (2): 76–81.
56. 56. Иммонен Э., Саяди А., Байрам Х., Арнквист Г. Спаривание изменяет экспрессию генов полового диморфизма у семенного жука Callosobruchus maculatus. Геном Биол Эвол. 2017 1 марта; 9 (3): 677–99. пмид:283
57. 57.Пейн РВ. Процедура FDIALLEL В справочном руководстве Genstat, выпуск 18, часть 3, библиотека процедур PL26. [программное обеспечение]. Хемел Хемпстед: VSN International. 2015.
58. 58. ВСН Интернэшнл. Genstat для Windows 18th Edition VSN International [программное обеспечение]. Хемел Хемпстед, Великобритания. 2015. Доступно на: Genstat.co.uk.
59. 59. Хейман Б.И. Теория и анализ диаллельных скрещиваний. Генетика. 1954 г., ноябрь; 39 (6): 789–809. пмид:17247520
60. 60. Ленарчич А.Б., Свенсон К.Л., Черчилль Г.А., Валдар В.Общий байесовский подход к анализу диаллельных скрещиваний инбредных штаммов. Генетика. 1 февраля 2012 г .; 190 (2): 413–35. пмид:22345610
61. 61. Ленарчич АБ. BayesDiallel: пакет программного обеспечения BayesDiallel R. Версия 098 [программное обеспечение]. 2014.
62. 62. R Core Team R: язык и среда для статистических вычислений [программное обеспечение]. Фонд R для статистических вычислений, Вена, Австрия. 2015. Доступно по адресу: http://www.R-project.org/.
63. 63. Маллет М.А., Чиппиндейл А.К.Инбридинг показывает более сильный сетевой отбор самцов Drosophila melanogaster: последствия для мутационной нагрузки и приспособленности половых самок. Наследственность. 2011 г., июнь; 106 (6): 994–1002. пмид:21119701
64. 64. Манк Дж. Популяционная генетика полового конфликта в геномную эпоху. Нат Рев Жене. 2017 дек;18(12):721. пмид:257
65. 65. Роу Л., Ченовет С.Ф., Агравал А.Ф. Геномика сексуального конфликта. Я Нат. 2018 1 августа; 192 (2): 274–286. пмид:30016158
66. 66.Елена С, Ленский РЭ. Эволюционные эксперименты с микроорганизмами: динамика и генетические основы адаптации. Нат Рев Жене. 2003;4(6):457–469. пмид:12776215
67. 67. Qian W, Ma D, Xiao C, Wang Z, Zhang J. Геномный ландшафт и эволюционное разрешение антагонистической плейотропии у дрожжей. Сотовые отчеты. 2012 г., 29 ноября; 2 (5): 1399–410. пмид:23103169
68. 68. Орр ХА. Адаптация и цена сложности. Эволюция. 2000 г., февраль; 54 (1): 13–20. пмид:10937178
69. 69.Павличев М, Вагнер ГП. Модель эволюции развития: отбор, плейотропия и компенсация. Тенденции Экол Эвол. 2012 1 июня; 27 (6): 316–22. пмид:22385978
70. 70. Зайчек Ф., Конналлон Т. Антагонистическая плейотропия у раздельнополых видов и сохранение генетической изменчивости в жизненных признаках и приспособленности. Эволюция. 2018 17 апр.
71. 71. Бергер Д., Ю Т., Минано М. Р., Гришоп К., Линд М. И., Арнквист Г., Маклаков А. А. Половой антагонистический отбор на генетической изменчивости, лежащей в основе однополого сексуального поведения как мужчин, так и женщин.БМС Эвол Биол. 2016 дек;16(1):88.
72. 72. Гришоп К., Стенгберг Дж., Мартиносси-Аллиберт И., Арнквист Г., Бергер Д. Сильный половой отбор у самцов против мутационной нагрузки, снижающей производство потомства у семенных жуков. Дж. Эвол Биол. 2016 1 июня; 29 (6): 1201–10. пмид:269
73. 73. Арнквист Г., Веллноу Н., Роу Л. Влияние эпистаза на половые антагонистические генетические вариации. Proc Biol Sci. 2014 22 июля; 281 (1787): 20140489. пмид:24870040
74. 74.Whitlock MC, Phillips PC, Moore FB, Tonsor SJ. Множественные фитнес-пики и эпистазы. Annu Rev Ecol Evol Syst. 1995 ноябрь; 26 (1): 601–29.
75. 75. Мартин Г., Елена С.Ф., Ленорман Т. Распределение эпистаза у микробов соответствует прогнозам модели фитнес-ландшафта. Нат Жене. 2007 г., апрель; 39 (4): 555–560. пмид:17369829
76. 76. Бергер Д., Постма Э. Предвзятые оценки эпистаза с убывающей отдачей? Повторное рассмотрение эмпирических данных. Генетика. 1 декабря 2014 г .; 198 (4): 1417–20.пмид:25313131
77. 77. Хан А.И., Динь Д.М., Шнайдер Д., Ленски Р.Е., Купер Т.Ф. Отрицательный эпистаз между полезными мутациями в эволюционирующей бактериальной популяции. Наука. 2011 3 июня; 332 (6034): 1193–1196. пмид:21636772
78. 78. Smith DT, Hosken DJ, Rostant WG, Yeo M, Griffin RM, Bretman A, Price TA, Ffrench-Constant RH, Wedell N. Устойчивость к ДДТ, эпистаз и приспособленность самцов мух. Дж. Эвол Биол. 2011 июнь; 24 (6): 1351–62. пмид:21507117
79. 79. Рис ВР.Половые хромосомы и эволюция полового диморфизма. Эволюция. 1984 г., 1 июля; 38 (4): 735–42. пмид:28555827
80. 80. Ланде Р., Киркпатрик М. Реакция отбора признаков с материнским наследованием. Генетические исследования. 1990 июнь; 55 (3): 189–97.
81. 81. Муссо Т.А., Фокс CW. Адаптивное значение материнских эффектов. Тенденции Экол Эвол. 1998 г., 1 октября; 13 (10): 403–7. пмид:21238360
82. 82. День Т., Бондурянски Р. Сексуальный конфликт внутри локуса может стимулировать эволюцию геномного импринтинга.Генетика. 2004 г., 1 августа; 167 (4): 1537–46. пмид:15342496
83. 83. Бондурянски Р., Дэй Т. Негенетическое наследование и его эволюционные последствия. Annu Rev Ecol Evol Syst. 2009 1 декабря; 40: 103–25.
84. 84. Саутгейт БиДжей. Биология Брухид. Ежегодный обзор энтомологии. 1979 г., январь; 24 (1): 449–73.
85. 85. Рённ Дж., Катвала М., Арнквист Г. Затраты на спаривание и производство яиц у жуков-семенников Callosobruchus. Аним Бехав. 2006 г., 1 августа; 72 (2): 335–42.
86. 86. Hotzy C, Arnqvist G. Конкуренция сперматозоидов благоприятствует вредным самцам у семенных жуков. Карр Биол. 10 марта 2009 г .; 19 (5): 404–7. пмид:1

    65

87. 87. Сингх А., Агравал А.Ф., Рандл Х.Д. Экологическая сложность и очистка вредных аллелей. Эволюция. 2017 ноябрь; 71 (11): 2714–20. пмид:28840604
88. 88. Юн Л., Чен П.Дж., Сингх А., Агравал А.Ф., Рандл Х.Д. Физическая среда опосредует вред мужчин и его влияние на отбор женщин. Proc Biol Sci.2017 12 июля; 284 (1858): 20170424. пмид:28679725
89. 89. Справочное руководство VSN International Genstat (выпуск 18), часть 2 Директивы [программное обеспечение]. VSN International, Хемел-Хемпстед, Великобритания. 2015.
90. 90. Болкер Б.М., Брукс М.Е., Кларк С.Дж., Джиндж С.В., Поулсен Дж.Р., Стивенс М.Х., Уайт Дж.С. Обобщенные линейные смешанные модели: практическое руководство по экологии и эволюции. Тенденции Экол Эвол. 2009 1 марта; 24 (3): 127–35. пмид:1
    86

Влияние генетической изменчивости на экспрессию генов

1. Рохан Б.Х. Уильямс1,2,3,4,
2. Ева К.Ф. Чан1,3,5,
3. Марк Дж. Коули1,4 и
4. Питер Ф.Р. Маленький1,6

1. ¹ Школа биотехнологии и биомолекулярных наук Университета Нового Южного Уэльса, Рандвик, Новый Южный Уэльс, 2052, Австралия;
2. ² Центр анализа функций генов им. Рамачиотти, Университет Нового Южного Уэльса, Рандвик, Новый Южный Уэльс, 2052, Австралия

1. ↵3 Эти авторы внесли одинаковый вклад в эту работу.

Аннотация

Мнение о том, что изменения в контроле экспрессии генов, а не изменения в последовательности белков, являются центральными для эволюции. организмов стало чем-то вроде трюизма в молекулярной биологии. На самом деле прямых доказательств этого мало, и только недавно у нас появилась возможность взглянуть более глобально на то, как генетическая изменчивость влияет на экспрессию генов, сосредоточив внимание при межиндивидуальных вариациях экспрессии генов и использовании микрочипов для проверки различий в уровнях мРНК. Мы тут рассмотреть масштабы этих экспериментальных анализов, что они призваны рассказать нам о генетической изменчивости и каковы их ограничения как с технической, так и с концептуальной точки зрения. Мы заключаем, что, хотя мы начинаем понимать влияние этого класса генетической изменчивости при стационарных уровнях мРНК, мы все еще далеки от идентификации потенциальных фенотипических и эволюционные результаты.

Концептуальная основа

Прямой анализ стационарных уровней мРНК у особей одного и того же вида показывает, что количество мРНК может различаться между людьми, предполагая, что генетическая изменчивость может влиять на количество мРНК в клетке.Расширение этих наблюдений попытка установить формальную генетическую основу для некоторых из этих вариаций является областью исследований, которая первоначально Янсен и Нап (2001) назвали ее «генетической геномикой», а в настоящее время в просторечии ее называют «экспрессионной генетикой».

Учитывая давний теоретический интерес к вариациям в контроле экспрессии генов как к движущей силе эволюции (King and Wilson 1975), прямых доказательств важности этого типа генетической изменчивости на удивление мало.Например, Беннетт и др. (1995) предположили, что вариации в ДНК рядом с генами INS и IGF2 у людей приводят к изменениям уровней мРНК, которые связаны с предрасположенностью к диабету 1 типа, а Theuns et al. (2000) предположили, что вариации в промоторной области гена PSEN1 способствуют повышенному риску раннего начала болезни Альцгеймера.

Важно понимать, что изменение количества мРНК не обязательно должно приравниваться к изменению транскрипции на се.На рис. 1 схематически показаны множественные процессы, которые в конечном счете влияют на уровень мРНК в клетке. вариации в любой части этого процесса в принципе могут приводить к изменениям стационарного уровня мРНК. Многие из этих процессов управляются молекулярными машинами, содержащими от 10 до сотен компонентов (Маниатис и Рид, 2002; Масиаг и др., 2006; Цанков и др., 2006), но нам неизвестны какие-либо систематические исследования степени полиморфизма в компонентах этих машины.Мы признаем что изменение в контроле альтернативного сплайсинга (например, см. Hull et al. 2007) может повлиять на попытки измерить стационарные уровни мРНК с помощью геноспецифических ДНК-зондов, и мы не пытались расширить наш обзор в этой области.

Вероятные места действия генетических детерминант уровней мРНК.Генетические вариации, влияющие на экспрессию генов, могут в регуляторных последовательностях, промоторах, энхансерах, сайтах сплайсинга и мотивах вторичной структуры целевого гена и таким образом, быть генетически в цис (красные звезды), или могут быть вариации молекулярного механизма, которые взаимодействуют с цис -регуляторными последовательностями и, таким образом, действуют генетически в транс (синие звезды).

Признавая эту сложность, в этом обзоре мы будем называть все эти возможные влияния опосредованными «регуляторы» без признания их биологической роли; подчеркиваем, регулятор не обязательно должен отождествляться с фактором транскрипции.Мы также описываем все гены, находящиеся под влиянием регулятора, как «регулируемые» или «находящиеся под влиянием», опять же, независимо от фактического задействованные механизмы.

На первый взгляд, фундаментальный вопрос, на который пытаются ответить все исследования, заключается в том, в какой степени гены подвержены или не подвержены влиянию генетической изменчивостью и характером этих влияний. К сожалению, наши знания об экспрессии генов предполагают, что это вопрос сам по себе несколько упрощен. Экспрессия генов во многих, а может быть, и в большинстве случаев чувствительна к внешнему контролю. таким образом, ген может подвергаться базальному влиянию, то есть при всех условиях экспрессии, или может подвергаться условному влиянию из-за генетическая изменчивость молекулярного механизма, который контролирует уровни мРНК во время развития или в ответ на воздействие окружающей среды. указанные изменения. В многоклеточных организмах эта проблема усугубляется потенциальным дифференцированным контролем генов в разных клетках или тканях.Совершенно ясной целью некоторых из этих исследований является установление степени, в которой это тип генетической изменчивости является тканеспецифичным, но важно понимать, что это только один из важных контроля, которые применяются к генам.

Генетика экспрессии как область деятельности сосредоточена в первую очередь на картировании генетических детерминант вариаций уровня мРНК, в основном рассматривая уровни мРНК как непрерывно изменяющийся фенотип; они поддаются анализу как количественный признак или «QT». Поскольку мРНК является результатом экспрессии гена, фраза «выражение количественного локуса признака» или «eQTL» была придумана для описания этот анализ. Для тех, кто не знаком с терминологией, важно понимать, что термин eQTL явно относится к картированному локусу, который влияет на вариабельный уровень мРНК, а не на сам признак экспрессии мРНК (QT).

Стационарные уровни мРНК нескольких генов могут быть измерены либо с помощью микрочипов, либо, реже, путем прямого секвенирования кДНК. (например, см. Cowles et al.2002). Обнаружение на основе ПЦР (Singer-Sam et al. 1992) экспрессии двух аллелей гена, кодирующего молчащие замены, также использовалось (например, Yan et al. 2002) для обнаружения вариаций относительных уровней мРНК, полученных из отдельных аллелей. набора генов. Микроматричный анализ был гораздо более широко используется и имеет преимущество перед другими методами в том, что они содержат генные комплементы, близкие к глобальным; микрочип исследования будут в центре внимания нашего обзора.

Экспериментальный план всех исследований, которые мы рассмотрим здесь, концептуально идентичен. Количество стационарной мРНК в одной или нескольких тканях или во всем организме измеряют на панели генетически типированных особей; далее разнообразие статистических подходов используются для определения того, как изменения относительного выхода мРНК в группе могут или не могут коррелировать с генетическими маркерами.Статистически значимая корреляция изменения уровня мРНК с определенными маркерами предполагает, что что маркеры определяют приблизительное местоположение вариантного регулятора, влияющего на выход мРНК.

В этом обзоре мы сначала обсудим технические трудности, связанные с анализом микрочипов в генетическом контексте; мы затем обзор основных исследований, проведенных на системах млекопитающих, со ссылкой на ключевые исследования, проведенные на дрожжах, и, наконец, мы обсуждаем основные биологические интерпретации данных экспериментов экспрессионной генетики.Обращаем внимание на недавнее обзоры Rockman and Kruglyak (2006) и Gibson and Weir (2005), а также специальный выпуск Mammalian Genome (июнь 2006 г.), который содержит несколько обзорных статей по более специализированным аспектам этой области.

Технический анализ экспериментов с микрочипами

Использование микрочипов для измерения уровней мРНК — это мощный метод, связанный с многочисленными экспериментальными артефактами. а также наличие четких и воспроизводимых результатов (обзор см. в Консорциуме контроля качества микрочипов 2006 г.).С точки зрения экспрессионной генетики микрочипы имеют определенные недостатки как в экспериментальных, так и в аналитических данных. процедуры, которые могут существенно повлиять на результат анализа экспрессионного картирования. Эти проблемы отчасти являются общими при любом анализе микрочипов, но помещенном в контекст картографических панелей, артефакт может быть формально неверно истолкован как eQTL, который изменяет уровень экспрессии гена, экспрессия которого на самом деле не является генетически изменчивой.Результат во многих случаях является ошибочной идентификацией того, какие гены связаны и какие области генома содержат eQTL.

Соответствующие исследования выявили следующее: Doss et al. (2005) и Alberts et al. (2005) продемонстрировали искусственную идентификацию цис -eQTL, возникающую из-за SNP в мРНК-мишени, которая должна быть опрошена с помощью короткого гибридизационного зонда, который, как следствие несоответствия между зондом и мишенью, приводит к уменьшению гибридизации в некоторых генетических фонах, но не другие, совершенно независимо от фактических уровней мРНК.Альбертс и др. (2005) и Уильямс и др. (2006) определили, что артефакты из-за различий в партиях между группами микрочипов могут привести к ложному мастер-регулятору. eQTL, которые представляют собой eQTL, которые, по-видимому, связаны/ассоциируются с большим количеством генов (более подробное обсуждение см. ниже). Уильямс и др. (2006) также показали, что может быть плохая согласованность между eQTL, связанными с геном, после нормализации несколькими различными, но широко используемые процедуры обработки необработанных данных микрочипов.Наконец, Мэнли и др. (2005) показали, что некоторые массивы содержат несколько зондов, которые, в принципе, представляют один и тот же ген, но эти разные зонды идентифицировали различные eQTL.

Несмотря на эти сложности, существует значительный объем исследований, сообщающих о результатах экспрессионного генетического анализа. основные исследования обсуждаются непосредственно ниже.

Обзор ключевых исследований

В таблице 1 перечислены ключевые эксперименты в масштабе всего генома, которые, по нашему мнению, представляют собой основы экспрессионной генетики.Неизбежно, между этими исследованиями есть большие экспериментальные различия, включая организмы, количество особей, их генетическая сложность (F ₂ , гаплоидный, инбредный, аутбредный), источники мРНК (типы тканей/клеток), платформы микрочипов, типы и количество генетических маркеров (SNP или более длинные повторы), критерии включения уровней мРНК, которые могли применяться до анализа, методы оценки eQTL-связь/ассоциация и методы коррекции множественного тестирования и оценки значимости.В результате этих диспропорций возможно, неудивительно, что между их результатами существуют значительные несоответствия.

Краткое изложение экспериментальной и аналитической методологии и результатов исследований генетики ключевой экспрессии

Принимая во внимание присущие этим исследованиям различия, мы теперь обсудим, какой вклад внесли эти исследования картирования eQTL. нашему пониманию в четырех областях: количество обнаруживаемых генетических влияний, характер генетического влияния, мастер регуляторы экспрессии генов и, наконец, множественный генетический контроль вариаций экспрессии генов.

Количество обнаруживаемых генетических влияний

Одним из наименее последовательных результатов является доля признаков экспрессии, демонстрирующих сцепление или ассоциацию по крайней мере с один eQTL, который колеблется от 0,8% до 59% уровней мРНК генов (таблица 2). Нижний предел в 0,8% взят из ассоциативного исследования (Stranger et al.2005) из 374 генов, удовлетворяющих критериям включения, что общий уровень гибридизации и дисперсия высоки в 60 образцах неродственные люди. Из этих 374 транскриптов только 0,6% были связаны с eQTL, определяемым порогом Бонферрони, равным 0,05. Напротив, верхний предел в 59% получен из исследования сцепления (Brem and Kruglyak 2005), в ходе которого был обнаружен по крайней мере один eQTL для 2984 генов, определяемый порогом частоты ложных открытий (FDR) равным 0,05. Многие из этих различия можно объяснить несхожестью экспериментальной методологии, но в среднем можно обнаружить хотя бы один eQTL для от 10% до 30% исследованных генов (см. Таблицу 2).

Краткое описание характера генетического влияния на экспрессию генов

Статистическая мощность также оказывает большое влияние на количество генов, для которых может быть идентифицирован eQTL.Например, Брем и др. (2002) с использованием 40 образцов гаплоидных дрожжей определили eQTL для 9% генов при P < 5 × 10 ^-5 , тогда как Yvert et al. (2003) с использованием почти идентичной методологии и 86 образцов гаплоидных дрожжей определили eQTL для 40% генов при P < 3,4 × 10 ^-5 . Поскольку основное различие между этими двумя исследованиями заключается преимущественно в размере выборки, эти результаты предполагают, что удвоение в размере выборки потенциально может увеличить мощность обнаружения eQTL в четыре раза.Важное сообщение на вынос в выражении генетики заключается в том, что размер картографической панели является важным фактором, определяющим успех, урок, хорошо задокументированный в картографировании. сложных заболеваний человека.

Характер изменения:

Генетические вариации, влияющие на экспрессию генов, могут находиться в пределах регуляторных последовательностей, таких как промоторы, энхансеры, сплайсинг сайты или мотивы вторичной структуры гена-мишени, и поэтому генетически находятся в цис , или они могут быть вариациями белков и РНК, которые взаимодействуют с цис -регуляторными последовательностями и, таким образом, генетически находятся в транс (рис.1). Поскольку ген, связанный с каждым признаком экспрессии мРНК, может быть физически картирован в геноме, механизм ( цис -действующий или транс -действующий), с помощью которого eQTL влияет на признак экспрессии, может быть выведен из близости между физическим расположением родственного гена и eQTL. Этот процесс может быть спутан транс -действующими влияниями, которые случайно отображаются в соответствующем окне, которое используется для определения цис (Ronald et al.2005). Чтобы преодолеть логическую трудность, связанную с тесно сцепленным транс -регулятором, Rockman and Kruglyak (2006) различают локальное и отдаленное сцепление, а не цис или транс ; эта терминология отражает сложность использования исследований eQTL для анализа явного молекулярного механизма в этих особых случаи. Возможно, что более тонко, степень неравновесия по сцеплению также будет определять точность, с которой местоположение может быть определенным; в генетических панелях, созданных путем скрещивания с небольшим количеством рекомбинаций, или у близкородственных особей, длина генетически идентичной ДНК велика и может препятствовать разделению eQTL trans и его родственного гена, расположенного в одной и той же геномной области, даже на довольно больших расстояниях.

Таблица 2 показывает, что всего от 0,8% до 94% генов имеют eQTL в цис , и, как ожидается, наблюдаемое число зависит как от размера окна цис (геномное расстояние между и eQTL), используемые для определения связи/ассоциации cis , и на уровне значимости, используемом для определения связи/ассоциации между признаком и eQTL. Место (а) Регуляторные элементы недостаточно хорошо определены для большинства генов, и, следовательно, выбор размеров окна цис варьируется в исследованиях картирования eQTL, варьируясь от 10 т.п.н. в дрожжах (Brem et al.2002) до 20 Мб у мышей (Быстрых и др., 2005). Мы отмечаем, что есть задокументированные цис--действующие регуляторные элементы, которые расположены >1 Мб от гена, который они контролируют (Pfeifer et al. 1999), так что эти окна не являются неправдоподобными. Неудивительно, что чем больше цис -окно, тем больше вероятность найти признак экспрессии, расположенный в цис -окне соответствующего eQTL. Например, в наших исследованиях BXD с тремя тканями с использованием окна cis размером 5 Мб, ~2.6% связей находятся в -цис-, и эта доля увеличивается до ~8,0% при 20 Мб; в аналогичном исследовании на мышах Bystrykh et al. (2005) обнаружили 13,3% связей в цис , используя окно размером 20 Мб.

Хабнер и др. (2005), Monks et al. (2004) и Schadt et al. (2003) все сообщают, что доля цис--действующих eQTL увеличивается с более высокими порогами значимости сцепления или ассоциации, предполагая, что цис--действующие по сравнению с транс--действующие eQTL оказывают более сильное и более заметное влияние на экспрессию генов. .Петретто и др. (2006) проанализировали четыре ткани крысы и показали, что транс -eQTL обычно имеют меньший размер эффекта и более высокий уровень ложных открытий, чем цис -eQTL. В целом, общий вывод из этих исследований заключается в том, что в настоящее время предполагаемая цис -регуляторная вариация выявляется легче, чем транс .

Основные регуляторы экспрессии генов

Генетическая вариация в белке, таком как фактор транскрипции, который контролирует экспрессию нескольких генов, вероятно, воздействовать на все или большинство генов-мишеней.Этот класс изменчивости представляет особый биологический интерес, потому что, в принципе, его можно использовать для идентификации групп генов, имеющих общий контроль (формально «регулонов»). Коррелированная вариация в группах, а также отдельных генов, может иметь значительные фенотипические последствия.

Такие генетические вариации были обнаружены как eQTL, которые демонстрируют сцепление/ассоциацию с большим количеством генов, и они были названы главными регуляторами (Morley et al.2004). Правила определения «одного и того же» eQTL различны; некоторые исследования просто подсчитывают количество выражений, которые лучше всего сопоставляются с генетическим маркером независимо от того, является ли сцепление/ассоциация значимой на уровне всего генома или нет (Chesler et al. 2005), некоторые подсчитывают количество значимых связей всего генома на каждом маркере (Bystrykh et al. 2005; Hubner et al., 2005; Cotsapas, 2007), а некоторые сначала делят геном на ячейки, а затем подсчитывают количество значимых связей в каждой ячейке (Brem et al.2002 г.; Шадт и др. 2003 г.; Иверт и др. 2003 г.; Морли и др. 2004). В этих исследованиях было показано, что от 50% до 55% всех картируемых признаков экспрессии картируют до 17 главных регуляторов. (Таблица 2).

В нескольких сообщениях предполагается, что главные регуляторы могут быть вызваны систематическими артефактами микрочипов (Alberts et al. 2005; Li and Burmeister 2005; Williams et al. 2006). Реакции гибридизации микрочипов представляют собой сложные экспериментальные процессы, в которых измеряется комбинация биологического сигнала. и экспериментальный шум.Нормализация применяется к данным микрочипа, чтобы удалить любые источники небиологической изменчивости, такие как как различия в эффективности гибридизации внутри массива, но может быть трудно отделить биологический сигнал от шум. Обычно даже после нормализации на некоторых массивах группы генов могут иметь более высокую или более низкую экспрессию относительно остальные массивы. В контексте экспрессионной генетики группы генов, которые координированно изменяются в группе людей. может показать доказательства связи с одним eQTL, что приведет к появлению ложных главных регуляторов.

Несмотря на эти систематические артефакты, Monks et al. (2004) не удалось идентифицировать eQTL в линиях В-клеток человека, в которых количество картированных признаков экспрессии превышало случайное ожидание, предполагая, что главные регуляторы не являются универсальной функцией.

Множественные генетические регуляторы экспрессии генов

Как мы обсуждали выше, регуляция уровня мРНК одного гена, вероятно, зависит от многих факторов (см.1), и, таким образом, потенциально на него могут влиять более чем один генетический вариант. В традиционной генетической связи и полногеномной ассоциации исследования, в которых рассматривается один или небольшое количество количественных признаков, идентификация множественных генетических вариантов уже сложно из-за статистической сложности и больших вычислительных требований, предъявляемых комбинаторными вычислениями. требуется для проверки нескольких ассоциаций. Эта сложность усугубляется исследованиями картирования eQTL, в которых участвуют до десятков тысяч экспрессионных признаков представляют интерес, и поэтому почти невозможно выполнить систематический поиск множественных генетических влияний.По этой причине во всех анализах картирования eQTL, перечисленных в таблице 1, использовались методы с одним локусом, где в любой момент времени оценивается только один локус на предмет сцепления/ассоциации с каждым признаком экспрессии.

Хотя эти анализы явно не предназначены для обнаружения множественных влияний, признаки экспрессии, которые сопоставляются с более чем один eQTL действительно был идентифицирован (Brem et al. 2002; Schadt et al. 2003; Monks et al.2004 г.; Морли и др. 2004 г.; Брем и Кругляк 2005; Ченг и др. 2005 г.; Хабнер и др. 2005 г.; Стрейнджер и др. 2005 г.; Котсапас, 2007 г.).

Идентификация множественных пиков сцепления не является простой задачей; симуляционные исследования в сочетании с эмпирическими данными были проведены, чтобы предсказать, вероятно ли влияние на экспрессию генов множественных генетических локусов, и если да, то оценить количество локусов, которые могут способствовать изменению экспрессии генов (Brem et al.2002 г.; Брем и Кругляк, 2005). Эти результаты показывают, что только 3% признаков с высокой степенью наследуемости будут зависеть от одного локуса, в то время как >50% признаков вероятно, находятся под влиянием более чем пяти eQTL. Стори и др. (2005) представили метод мультилокусного картирования, разработанный для большого количества признаков экспрессии, и с помощью этого метода Brem et al. (2005) продемонстрировали, что на уровни мРНК 65% генов, находящихся под генетическим влиянием, влияют пары eQTL (пары локусов), в то время как только 13% пар локусов, идентифицированных с помощью метода картирования одного локуса, вероятно, будут иметь значительное взаимодействие.

Резюме

можно использовать для анализа генетической регуляторной архитектуры экспрессии генов. Из исследований, которые были опубликованы, мы узнали, что: (1) генетические влияния на стационарные уровни мРНК являются обычным явлением; (2) цис--действующие варианты обнаруживаются легче, чем транс--действующие варианты; (3) на большинство транскриптов, находящихся под генетическим влиянием, вероятно, влияют множественные генетические варианты, и, таким образом, нам необходимо разработать дальнейшую методологию, которая может выполнять многолокусное картирование в этих условиях.В сочетании с прессованием необходимо увеличить размер картографических панелей для увеличения статистической мощности, это представляет собой огромную техническую проблему. Еще более разочаровывающим общим наблюдением является то, что возможность совмещать независимые исследования, даже проведенные на один и тот же организм, сильно скомпрометирован множеством картографических панелей, генетических маркеров, статистических методологий, гены на массивах и платформах массивов.

Биологическая интерпретация данных экспрессионной генетики

Техническая сложность генетического анализа экспрессии привела к разработке дополнительных аналитических методов в попытка использовать более полезную и потенциально непосредственно интерпретируемую биологическую информацию из данных.Эти исследования можно разделить на пять основных классов: (1) исследования, которые коррелируют вариации экспрессии с вариациями физиологических черты; (2) исследования, посвященные генам-регуляторам в eQTL; (3) исследования, посвященные регулируемым генам; (4) исследования, посвященные о генетических детерминантах уровней мРНК в известных сигнальных и метаболических путях; (5) тканевая специфичность генетических влияет.

Корреляция с физиологическими признаками

Рассмотрение уровней мРНК как «промежуточного фенотипа», который может связывать вариации генетической информации с физиологическими признаками. был основной движущей силой развития экспрессионной генетики, и Schadt et al.(2003), Быстрых и др. (2005), Чеслер и соавт. (2005), Hubner et al. (2005) и Li et al. (2006a) определили корреляцию между генетически обусловленной экспрессией и множеством признаков. Логика этих анализов такова. что ген с вариабельным уровнем мРНК, расположенный под пиком сцепления, связанным с физиологическим QTL, является потенциальным причинный кандидат. Конечно, если само изменение уровня мРНК напрямую коррелирует с физиологическим признаком, то это будет сильным подтверждением причинно-следственной связи.Быстрых и др. (2005) обнаружили восемь генов с цис--действующим генетическим влиянием, перекрывающимся с физиологическим QTL, влияющим на оборот гемопоэтических стволовых клеток (HSC), идентифицированных независимо друг от друга. де Хаан и др. (2002) у мышей BXD. Три гена были идентифицированы как гены-кандидаты в первоначальном исследовании, и все восемь содержали последовательность полиморфизмы. Чеслер и др. (2005) сопоставили уровни экспрессии гена Drd2 с опубликованными фенотипами из панели инбредных мышей BXD и выявили значимые корреляции для ряда фенотипов. включая предпочтение этанола и двигательную активность.

Идентификация генов-кандидатов-регуляторов в eQTL

Размер пиков сцепления eQTL означает, что существует несколько отчетов, в которых указывается причинная вариация в eQTL: Например, eQTL, определенные в штаммах RI, обычно содержат от 10 до 100 генов. Исключениями являются работы, о которых сообщает Zhu et al. др.(2004), Шадт и соавт. (2005) и Mehrabian et al. (2005), которые объединили данные о последовательности с картированием экспрессии и фенотипическими измерениями в сложном анализе с использованием условного моделирование независимости, которое выводит причинно-следственные связи между уровнями экспрессии мРНК и фенотипами. Эти подходы позволили Мехрабян и др. (2005), например, для идентификации 5-липоксигеназы в качестве гена предрасположенности к ожирению и костным признакам в eQTL ранее идентифицированный Schadt et al.(2003 г.) в гибриде F ₂ C57BL/6J и DBA/2J.

Идентификация и проверка регулируемых генов или регулонов

Другие исследования пытались сосредоточиться на группах генов («регулонах»), на которые может влиять генетическая изменчивость: ключевой концепцией здесь является определение генов, чья коррелирующая картина экспрессии в разных фонах предполагает наличие общих регуляторов.Лан и др. (2006) дополнительно продемонстрировали полезность этого подхода на данных экспрессии из печени мышиной панели F ₂ , разделяющей на ожирение и диабет; первоначально они идентифицировали гены, уровни мРНК которых, вероятно, регулируются цис или транс , а затем рассматривали эти гены как «зародыши» и расширяли состав этих наборов, идентифицируя эти гены. наиболее тесно связаны с ними. Анализ с использованием Gene Ontology показал, что многие из наборов генов, определяемых «семенем», были функционально связаны и/или функционировали в одних и тех же путях, участвующих в метаболизме липидов.Используя сцепленный ген Scd1 , который, как известно, участвует в метаболизме липидов и чувствительности к инсулину, авторы идентифицировали и экспериментально продемонстрировали что ген 3110032G18Rik взаимно регулируется с известными липогенными генами в различных контекстах.

Аналогичный подход был использован Ghazalpour et al. (2006), которые создали сети на основе коррелированных уровней мРНК генов, экспрессируемых в печени группы самок мышей из F ₂ скрещивание C3H/HeJ и C57BL/6J.Путем определения групп потенциально совместно регулируемых генов (или «модулей») с использованием корреляции, а затем, идентифицировав eQTL, многократно связанные с генами в модуле, они определили модули, которые, вероятно, находятся под генетическим влияние: подход, который они описывают как «модуль-QTL» или mQTL. Их анализ идентифицировал набор коэкспрессируемых генов, которые в совокупности продемонстрировали связь с четырьмя eQTL и объяснили 70% дисперсии массы тела в популяции F ₂ .

Идентификация генов с коррелированной экспрессией в разных генетических фонах даже при отсутствии идентифицируемых eQTL потенциально может раскрыть более широкий спектр влияний, чем обнаруженный анализом сцепления/ассоциации, хотя и с некоторыми трудностями. при оценке общей надежности с помощью показателей ложноположительных и ложноотрицательных результатов (дальнейшее обсуждение см. в Lan et al. 2006). Ли и др.(2006) выделили два механистически различных генетических влияния регуляторов, опосредованных изменениями численности ( транс -регуляторы экспрессии) и опосредованных структурными вариантами ( транс — регуляторы генотипа). Чтобы развить эти концепции, Lee et al. (2006) разработали и использовали Geronemo , который вычисляет вероятность, основанную на корреляциях, того, что изменчивость любой группы генов может быть объяснена комбинациями регуляторов экспрессии транс и транс генотипа; к ним относятся сигнальные молекулы, факторы, модифицирующие хроматин, факторы транскрипции и белки. участвует в процессинге, экспорте и посттранскрипционной модификации мРНК.Применение этого метода было продемонстрировано в 112 потомках дикого и лабораторного штамма Saccharomyces cerevisiae (данные Brem and Kruglyak 2005) и подчеркнули вероятную роль факторов ремоделирования хроматина, особенно комплекса SWI/SNF, в объяснении значительного доля наблюдаемой дисперсии экспрессии. Хотя методы, разработанные Lee et al. (2006), в принципе, применимы к регуляции высших эукариот, подход в настоящее время ограничен отсутствием конкретных функциональная аннотация многих генов у высших организмов.

На рисунке 2 мы выделяем другой возможный подход к раскрытию предполагаемой регуляторной архитектуры с использованием данных экспрессионной генетики из мозг, печень и почки на панели мышей BXD (Cotsapas 2007). Использование статистического подхода, называемого моделированием разреженного латентного фактора, для выявления группы из 24 генов, демонстрирующих доказательства. для корегуляции через коррелированные изменения уровней мРНК в мозге, печени и почках 31 мыши RI; генетическое картирование идентифицировали транс -eQTL на хромосоме (chr) 1 в головном мозге и chr 8 в печени: интересно, анализ с использованием базы данных связывания факторов транскрипции (JASPAR) продемонстрировали, что 11 из 24 генов были обогащены мотивом IRF2, а ген Irf2 расположен в eQTL chr 8 и экспрессировался во всех трех тканях (M.Коули, К. Котсапас, Р. Уильямс, Э. Чан, Дж. Пулверс, М. Лю, О. Луо, Д. Нотт и П. Литтл, в процессе подготовки).

Регулоновый анализ генов. После анализа разреженного латентного фактора каждый ген представлен фиолетовой вершиной, соединенной с другими генами серой линией, если апостериорная вероятность корреляции между тремя тканями ≥0.90. Связь рисуется на хромосомах ниже (1–19, X, слева до справа ), если P < 10 ⁻⁴ : цвет линии указывает на соответствующую ткань (синий, мозг, зеленый, почки, красный, печень ). Обратите внимание на группу генов справа от (обведены кружком), на которую влияет хромосома 1 в головном мозге и хромосома 8 в печени. В этом кластере генов происходит обогащение для мотива связывания Irf2; который также расположен в области сцепления на chr 8; и экспрессируется во всех трех тканях.

Исследования известных путей и взаимодействий генов с окружающей средой

Последняя группа исследований пытается изучить генетическое влияние на транскрипцию генов в известных метаболических или сигнальных пути.Хотя эти исследования по необходимости сосредотачиваются на относительно небольших наборах генов, для которых известно участие в метаболических путях, у них есть явное преимущество, заключающееся в том, что лежащий в основе клеточный механизм, по крайней мере, четко идентифицируется, что является значительным преимуществом. при рассмотрении последующей функциональной проверки. Используя этот подход, Ghazalpour et al. (2005) изучили 4670 генов в печени мышей в результате скрещивания F ₂ BXD, о котором ранее сообщалось в Schadt et al.(2003), проанализировав 378 наборов функционально родственных генов, определенных KEGG, Biocarta и другими источниками аннотаций с использованием ранней версия процедуры Анализа обогащения набора генов (GSEA) (Subramanian et al. 2005) для идентификации генов, которые по-разному регулируются в любом заданном наборе. Они идентифицировали 170 генов, содержащихся в 13 путях. из которых девять связаны с циклом трикарбоновых кислот и три с метаболизмом холестерина.

Один из привлекательных аспектов этого подхода с точки зрения понимания функциональных взаимоотношений генотип-фенотип, это возможность прямого манипулирования фенотипами, например, путем прямой активации или ингибирования биохимического пути и изучение влияния генетической изменчивости на реакцию (например,г., Монтут и др. 2003 г.; Пассадор-Гургель и др. 2007). Ли и др. (2006b) исследовали взаимодействие eQTL и изменения температуры в RI-скрещивании двух штаммов Caenorhabditis elegans : интересно, что почти 60% генов, регулируемых транс-, демонстрировали признаки взаимодействия eQTL с температурой, но только 8% генов продемонстрировали цис -регуляцию, указывая на то, что контроль пути в этом случае преимущественно контролируется посредством транс взаимодействий.

Тканевая специфичность генетического влияния

В настоящее время степень, в которой генетическое влияние на уровни мРНК зависит или не зависит от ткани, остается неясной (Chesler et al. 2005; Cotsapas et al. 2006; Petretto et al. 2006; Yang et al. 2006). Данные микрочипов в областях мозга разных линий инбредных мышей ясно указывают на возможность специфичных для региона генетическое влияние экспрессии (Nadler et al.2006 г.; Ховатта и др. 2007). Наш собственный анализ изменчивости экспрессии у инбредных линий мышей подтверждает идею о том, что влияние генетической изменчивости на мРНК является по существу тканеспецифичным (Cotsapas 2007; (M. Cowley, C. Cotsapas, R. Williams, E. Chan, J. Pulvers, M. Liu, O. Luo, D. Nott, and P. Little, in prep. .), и с помощью на мышиной панели RI мы провели анализ картирования eQTL с использованием мРНК, выделенных из трех тканей: мозга, почек и печени. Из из 6075 транскриптов, которые экспрессируются во всех трех тканях, только два картированы с одним и тем же eQTL во всех трех тканях.То степень, в которой генетические влияния действительно тканеспецифичны, может иметь важное значение для исследований на людях, где доступ к разным тканям одного и того же человека обязательно ограничен.

Выводы

Возможно, самое поразительное наблюдение, которое мы можем сделать, подведя итог этому обзору, — это степень двусмысленности в позиционировании результатов экспрессионной генетики в биологическом контексте.Выше мы утверждали, что интерпретация данных сосредоточены на пяти областях; выявление прямых фенотипических последствий вариаций, изучение генов-регуляторов в eQTL, исследования были сосредоточены на регулируемых генах, и, наконец, исследования были сосредоточены на известных путях и тканях. Ясно, что это логично разработки любого генетического анализа; вопрос, который не затрагивается, заключается в том, в какой степени генетический анализ нет, соответствующий метод анализа.Отчасти ответ зависит от того, какая из областей рассматривается. Например, Можно ли легко интегрировать исследования полиморфизмов промоторов в проект ENCODE (Консорциум проекта ENCODE, 2007 г.)? Если да, нужна ли нам явная информация о сцеплении/ассоциации из экспрессионного генетического анализа или включение общих гаплотипов последовательностей ДНК в соответствующих экспериментальных анализах достаточно для определения цис- регуляторных вариантов? В целом, функциональные последствия вариаций последовательности одного гена можно эффективно изучать. и чувствительно с помощью подходов, основанных на молекулярной биологии, таких как трансгенез и анализ связывания промоторного белка / ДНК.Этим Аргумент, идентифицирующий цис -действующие влияния, возможно, является наименее привлекательным с экспериментальной точки зрения применением экспрессионной генетики. Напротив, -транс--действующие регуляторы, которые могут влиять на несколько генов, гораздо труднее идентифицировать с помощью молекулярно-биологических подходов. Поэтому использование генетических подходов привлекательно, поскольку, хотя их технически сложнее обнаружить, генетический анализ может привести к идентификации регулонов генов, находящихся под влиянием одних и тех же транс -действующих регуляторов.Описание регуляторной архитектуры, контролирующей экспрессию генов в больших масштабах, открывается существенное новое понимание, и будет большой проблемой интерпретировать фенотипические последствия, особенно в отношении для здоровья человека такого координированного изменения уровней мРНК.

Приблизились ли мы к пониманию того, как этот класс вариаций влияет на наше понимание эволюционных процессов? К сожалению, ответ должен быть однозначно отрицательным, и это отчасти потому, что у нас все еще есть чрезвычайно ограниченные экспериментальные данные о приравнивается ли изменение уровня мРНК к изменению уровня белка, и имеет ли это, в свою очередь, фенотипические последствия.То протеомная литература в этой области не сильна; у дрожжей Ghaemmaghami et al. (2003) обнаружили сильную корреляцию между уровнями белка и мРНК, а Lu et al. (2007) показывают, что 73% различий в уровнях белка объясняются обилием мРНК. Нам неизвестны подобные исследования на людях, но для белков плазмы Андерсон и Андерсон (2002) на основе обзора опубликованных исследований близнецов пришли к выводу, что в среднем 62% количественных вариаций уровней специфических уровней белка плазмы между людьми является генетическим по происхождению.Очевидная проблема заключается в том, как создать поле протеомной генетики?

Примечание добавлено в корректуру

Мы с восторгом читаем новую статью «Генетическая основа изменчивости протеома у дрожжей» (Foss et al. 2007), которая является первым исследованием, применяющим методологию экспрессионной генетики к генетическим влияниям на уровень белка — безусловно, Шаг в правильном направлении.

Благодарности

Мы благодарим нынешних и бывших коллег Криса Котсапаса, Дэвида Нотта, Марка Уилкинса, Флориана Брайтвейзера, Джунхонга (Оскара) Луо, Майклу Лю и Джереми Пулверсу за их вклад и понимание. Эта работа была поддержана грантом ARC Discovery Grant. (П.FRL), стипендия NHMRC Peter Doherty Fellowship (RBHW), австралийские награды для аспирантов (EKFC и MJC) и грант в помощь из Австралийского центра передовых вычислений и коммуникаций (PFRL).

Сноски

• ↵4 Текущие адреса: Школа медицинских исследований Джона Кертина, Австралийский национальный университет, Канберра, ACT 2601, Австралия;

• ↵5 CSIRO Livestock Industries, Queensland Bioscience Precince, 306 Carmody Road, St.Люсия, QLD 4067, Австралия.

• ↵6 Автор, ответственный за переписку.

  ↵6 Электронная почта p.little{at}unsw.edu.au; факс 61-2-9385-1483.

• Статья размещена на сайте http://www.genome.org/cgi/doi/10.1101/gr.6981507

• Copyright © 2007, Cold Spring Harbour Laboratory Press

границ | Анализ генетической изменчивости и потенциальное применение в метаболическом моделировании в масштабе генома

1. Введение

Генная инженерия использовалась в течение нескольких десятилетий для манипулирования микроорганизмами с целью обеспечения производства ценных продуктов, включая первичные метаболиты (например, первичные метаболиты).например, аминокислоты и органические кислоты), вторичные метаболиты (например, антибиотики) и ферменты или другие рекомбинантные белки (Adrio and Demain, 2010). Таким образом, генная инженерия является центральной частью стремления к созданию устойчивых и эффективных процессов производства топлива, химикатов, пищевых ингредиентов и фармацевтических продуктов.

Большинство этих достижений были бы невозможны без технологий секвенирования, которые позволили нам идентифицировать генетические последовательности и подтвердить генетические манипуляции в микроорганизмах.Совсем недавно технологии секвенирования следующего поколения (NGS) предоставили нам возможность быстрого и дешевого секвенирования ДНК в беспрецедентных масштабах. NGS позволил собрать de novo геномов тысяч организмов, для которых ранее не было доступных геномных последовательностей, начиная от сложных многоклеточных организмов (Li et al., 2010; Nakamura et al., 2013; Pegadaraju et al., 2013). ; Kelley et al., 2014) к микроорганизмам (Soares-Castro and Santos, 2013; Yamamoto et al., 2014). Технологии NGS также предоставляют нам средства для повторного секвенирования организмов (Atsumi et al., 2010; Wang et al., 2014), то есть секвенирования генетически различных штаммов, которые достаточно близки к эталонному штамму с секвенированным геномом. Повторное секвенирование используется для определения генетических вариантов, начиная от однонуклеотидных вариантов (SNV) и заканчивая более сложными структурными вариантами, такими как большие делеции, инверсии и транслокации. Падение стоимости секвенирования позволяет проводить рутинное повторное секвенирование штаммов, выделенных из дикой природы, контролировать генетическую стабильность производственных штаммов во время процессов генной инженерии и ферментации, а также определять генетическую основу адаптивной лабораторной эволюции (ALE) (Herrgård and Panagiotou, 2012). .В дополнение к биотехнологическим применениям повторное определение последовательности микробных штаммов также играет ключевую роль в других областях, таких как эпидемиология инфекционных заболеваний, вызываемых бактериальными и грибковыми патогенами, а также в понимании влияния деятельности человека на микробное разнообразие и эволюцию в окружающей среде.

Метаболические модели в масштабе генома (GSM), состоящие из биохимических реакций и их связи с геномом и протеомом клетки [через ассоциации ген-белок-реакция (GPR)], являются проверенной основой для анализа in silico Метаболическая физиология микробов.Метаболические модели в масштабе генома также успешно использовались для конструирования метаболически сконструированных штаммов с улучшенной продукцией коммерчески ценных белков и метаболитов: рекомбинантных антител, пищевых добавок (например, ванилина), органических кислот, этанола и др. (Теппер и Шломи, 2009; Брочадо и др., 2010). Эти модели становятся все более популярными в последнее десятилетие, и на сегодняшний день опубликовано более 100 моделей для различных организмов (http://optflux.орг/модели). Самая большая сила GSM заключается в их простоте и вычислительной эффективности; новые GSM могут быть легко построены из геномных аннотаций, дополненных ограниченными экспериментальными данными, а прогнозы из GSM могут быть получены с использованием стандартных методов математической оптимизации (Varma and Palsson, 1993; Segre et al., 2002; Shlomi et al., 2005), позволяющих фенотипически прогнозы в течение нескольких минут.

Генетическая изменчивость, которая влечет за собой полную потерю функции, обычно называемая нокаутом гена, успешно использовалась для адаптации GSM к определенному генотипу для улучшения производства ценных соединений [e.g., биобутанол (Lee et al., 2008), сесквитерпен (Asadollahi et al., 2009), ванилин (Brochado et al., 2010), полигидроксиалканоаты (Puchalka et al., 2008) или L-валин (Park et al., 2010). al., 2007)], но до сих пор не разработана методологическая база, которая позволила бы систематически включать другие типы генетических вариантов. В этой работе мы рассматриваем существующие инструменты для анализа генетических вариантов, которые фиксируют более тонкие изменения, такие как синонимичные и несинонимичные SNV в кодирующих областях или варианты в промоторных или других регуляторных областях.Мы сосредоточимся на описании проблем, связанных с объединением более тонкой информации о генетических вариантах с GSM, чтобы использовать модели для прогнозирования специфических для штаммов фенотипов.

2. Выявление последствий генетической изменчивости

2.1. Генетическая изменчивость

Генетические варианты, включая SNV и более крупные структурные варианты, обычно наблюдаются при повторном секвенировании природных или сконструированных штаммов (рис. 1). SNV можно найти в геноме в различных функциональных областях: (i) последовательности, кодирующие белок, (ii) промоторы и другие регуляторные элементы, такие как сайты связывания рибосом, (iii) сайты сплайсинга и другие области, влияющие на структуры транскриптов, и (iv) другие геномные области с неизвестными прямыми связями с любой данной функцией белка.Более того, вставки или делеции нуклеотидов (вставки) в кодирующей области могут вызывать сдвиг в открытой рамке считывания, обычно обозначаемый как мутации со сдвигом рамки (рис. 1А). На уровне структуры генома хромосомные перестройки, например, замены, инверсии, делеции и вставки, могут влиять на функцию одного или нескольких белков (рис. 1В).

Рисунок 1. Распространенные генетические вариации . Вариации на уровне нуклеотидов (A) и структурном уровне (B) . (C) Однонуклеотидный полиморфизм A/T в популяции.

Спектр результирующих эффектов, вызванных этими генетическими вариациями, на функцию или экспрессию отдельных генов или белков, очень широк. Несинонимичные SNV или индели внутри рамки считывания в последовательностях, кодирующих белок, могут нарушать, усиливать или модифицировать активность белка в зависимости от внесенной точной аминокислотной замены. Ожидается, что введение или удаление стоп-кодона с помощью специфических SNV или внерамочных вставок приведет к более радикальным изменениям функции белка.Например, появление стоп-кодона может привести к разделению многодоменного белка на несколько отдельных однодоменных белков. Удаление или замена стоп-кодона может вызвать трансляционное прочтение, ведущее к удлиненному белку с потенциальными новыми функциями (Long et al., 2003). SNV и вставки в регуляторных областях, таких как промоторы, могут влиять на процессы транскрипции или трансляции, вызывая изменение уровней экспрессии в определенных белках. У эукариот варианты внутри интронов также могут влиять на структуры транскриптов, вводя новые экзоны или удаляя существующие.Некоторые вариации также могут быть полностью бесшумными без изменения фенотипа, например, изменение положения стоп-кодона может не изменить активность белка. В идеале мы должны быть в состоянии предсказать степень, в которой одиночные и множественные генетические варианты внутри или рядом с кодирующим локусом влияют на соответствующую функцию или экспрессию белка. Это позволило бы нам быстро разобраться в огромном количестве данных повторного секвенирования, которые становятся доступными, без необходимости экспериментально проверять эффекты всех вариантов.

Крупномасштабные структурные вариации, такие как дупликации, делеции, транслокации и инверсии, могут оказывать существенное влияние на экспрессию или активность отдельных белков. Например, может иметь место полная потеря одного или нескольких генов, или дупликация геномных областей может изменить экспрессию нескольких генов внутри или рядом с этими областями (Blount et al., 2012). Очень крупномасштабные геномные изменения, такие как удвоение полных хромосом, могут одновременно изменить активность сотен белков, о чем сообщалось как у природных микробных штаммов (Gordon et al., 2009) и в штаммах, созданных методом ALE (Caspeta et al., 2014). Эффекты структурной геномной изменчивости часто более системны, чем эффекты вариаций меньшего масштаба, но любая структура, пытающаяся предсказать фенотипические эффекты генетической изменчивости, должна учитывать как мелкомасштабные, так и крупномасштабные вариации.

2.2.

Основная проблема понимания фенотипических последствий генетической изменчивости заключается в нашей способности предсказывать механистические последствия мутаций.Белки представляют собой очень сложные структуры, которые попадают в различные функциональные категории и могут характеризоваться многими различными свойствами. Например, то, как измеряется активность белков, зависит от их функциональной категории: факторы транскрипции можно охарактеризовать по их силе связывания с определенной промоторной областью, в то время как метаболические ферменты обычно характеризуются их каталитической активностью и специфичностью в отношении определенного субстрата. Более того, белки не действуют изолированно, а взаимодействуют друг с другом и с метаболитами, и эти взаимодействия влияют на активность белков.Здесь мы предоставляем неисчерпывающий обзор типов методов, которые обычно используются для прогнозирования влияния генетических вариантов на функцию белка.

Изучение однонуклеотидных полиморфизмов (SNP), влияющих на здоровье человека, является одним из основных направлений современных медицинских исследований. В генетике человека SNP представляют собой замены одиночных нуклеотидов, встречающиеся более чем у 1% населения. Было реализовано несколько алгоритмов для определения влияния SNP, в основном специализированных для анализа данных генотипирования человека (см. Таблицу 1 и Рисунок 2).Одним из ограничений большинства этих алгоритмов является то, что они представляют собой бинарные классификаторы — вредные или нейтральные, вызывающие болезни или нейтральные, терпимые или нетерпимые. Это означает, что предполагается, что генетические изменения либо не будут иметь никакого эффекта, либо окажут некоторое измеримое негативное влияние на фенотип. Это не может быть проблемой в контексте заболеваний человека, поскольку данные SNP в основном используются в диагностике. Однако для точной настройки сконструированных микробных штаммов требуется нечто большее, чем черно-белый подход для прогнозирования различных эффектов на функцию белка.Это связано с тем, что многие генетические варианты могут давать белки как с повышенной, так и с пониженной активностью, что требует методов, способных также предсказать потенциальное усиление или модификацию функций. В частности, когда применяются методы мутагенеза и селекции или ALE, обычно наблюдается усиление функциональных мутаций специфических генов, которые имеют решающее значение для адаптации, например, к новым источникам углерода (Conrad et al., 2011).

Таблица 1 . Обзор доступных программных инструментов для прогнозирования влияния генетических вариантов .

Рисунок 2. Сводка свойств и подходов к программному обеспечению, указанному в таблице 1 . Найденные подходы делятся на четыре разные категории: Машинное обучение , Вероятностный , Оценка (вычисление суммирующей оценки набора отобранных вручную статистических данных) и Правило (с использованием набора эмпирически полученных правил). .Каждый из этих подходов обеспечивает один из двух типов классификаций: бинарную классификацию (например, нейтральную или вредную) или множественную классификацию (например, доброкачественную, нейтральную и вредную). Характеристики, используемые этими подходами, могут быть вычислены на основе свойств следующих пяти категорий: (i) физико-химические свойства (например, доступность растворителя, полярность, заряд, беспорядок и Грэнтэм), (ii) структурная информация о первичных, вторичных, и третичная структура белка (например,, α-спирали, β-листы и спираль), (iii) эволюционные свойства (множественное выравнивание последовательностей, позиционно-специфические оценочные матрицы и скрытые марковские модели) и (iv) аннотация генома (термины GO или другие аннотации функций белка) . Поддерживаемые варианты определялись либо путем доступа к веб-сайтам инструментов, либо по описанию самого подхода.

Из существующих алгоритмов (таблица 1) SIFT ( S orting I ntolerant f rom T olerant) (Ng and Henikoff, 2001) часто используется в качестве золотого стандарта для сравнения производительности алгоритмов. новых алгоритмов или в качестве основы для новых стратегий прогнозирования.SIFT и родственные подходы основаны на представлении о том, что эволюционную консервацию можно использовать для предсказания функциональной важности каждой аминокислоты в белке и влияния конкретных аминокислотных замен. В этих методах обычно используется множественное выравнивание последовательностей родственных белков для определения вероятностного описания того, какие аминокислотные замены разрешены в определенных участках целевого белка. Эти описания можно использовать для определения вероятности того, что несинонимичные кодирующие SNP, наблюдаемые в наборе данных повторного секвенирования, будут допустимы белком; замены с оценкой вероятности ниже порогового значения считаются вредными (Kumar et al., 2009).

Сортировка непереносимых от переносимых обеспечивает только бинарную классификацию вредных/невредных, и были разработаны другие методы, позволяющие прогнозировать случаи, когда SNP улучшают функцию белка. Подходы Polyphen (Ramensky, 2002) и PolyPhen2 (Adzhubei et al., 2010) позволяют различать три состояния при анализе действия SNP: доброкачественное, нейтральное или вредное. Polyphen использует список предопределенных правил, которые объединяют выходные данные нескольких алгоритмов с использованием комбинаций структурных и основанных на последовательностях показателей воздействия мутаций. PolyPhen2 использует подход машинного обучения (наивная байесовская модель) для прогнозирования общей оценки эффекта варианта, а классификация по трем категориям основана на пороговых значениях. Хотя алгоритм обучается на наборах данных человека, аналогичные методы потенциально могут быть использованы для построения прогностических моделей различных эффектов у микроорганизмов. Общая оценка эффекта варианта также может быть использована в более продвинутых методах, которые объединяют оценки разных вариантов, влияющих на разные белки, для прогнозирования фенотипа.

Большинство исследований генетической изменчивости сосредоточено на SNP и игнорирует вставки, которые также обычно наблюдаются при сравнении родственных микробных штаммов друг с другом. Подходы PROVEAN (Choi et al., 2012) и Mutation tester 2 (Schwarz et al., 2014) позволяют анализировать как SNP, так и вставки. PROVEAN использует показатели матрицы замещения (т. е. BLOSUM62) со штрафами за пробел и расширение для вычисления показателя вариации между диким типом и мутантом.Совсем недавно Mutation tester 2 вычисляет несколько характеристик (структурные и эволюционные свойства) для мутировавшей последовательности с использованием байесовского классификатора.

Одним из возможных подходов к улучшению нашей способности предсказывать влияние вариантов на функцию белка было бы предсказание эффектов изменений аминокислот на стабильность и фолдинг белка (Khan and Vihinen, 2010). Для этих задач доступен ряд инструментов (Khan and Vihinen, 2010), и прогнозы стабильности можно использовать для прогнозирования различных эффектов на функцию белка, поскольку сильные дестабилизирующие мутации приведут к полной потере функции белка.В независимых оценочных исследованиях было обнаружено, что методы прогнозирования влияния вариантов на стабильность белка являются умеренно точными (Khan and Vihinen, 2010). По этой причине предикторы стабильности следует комбинировать с другими подходами к предсказанию эффекта варианта, чтобы улучшить их прогностическую способность для общего анализа эффекта варианта. Применение этих типов методов прогнозирования стабильности будет обсуждаться более подробно в разделе 3.2 вместе с приложениями метаболического моделирования.

Большинство алгоритмов (53%) для прогнозирования эффекта варианта, перечисленных в таблице 1, основаны на подходах машинного обучения [например, AUTO-MUTE (Masso and Vaisman, 2010), FunSAV (Wang et al., 2012) или HANSA ( Acharya and Nagarajaram, 2011)], что является практической стратегией, учитывая огромное количество доступных данных о заболеваниях человека. Что касается выбора признаков, то большинство методов используют информацию об эволюционном сохранении (92%), и более половины полагаются на структурные свойства (69%). Выбор достаточных функций сам по себе является сложной задачей; независимо от того, какой подход используется, необходимо определить, какие свойства и атрибуты белков способны различать интересующие фенотипы.Улучшения в возможностях прогнозирования, обеспечиваемые функциями, основанными на последовательности, эволюции или структуре, изучались ранее, и эти исследования показали, что включение структурных свойств приводит к значительному улучшению прогнозирующей способности (Saunders and Baker, 2002). Это было недавно подтверждено эталонным тестом производительности, включающим несколько существующих алгоритмов (Thusberg et al., 2011). Еще одной попыткой сравнить и улучшить различные подходы является сообщество «Критическая оценка интерпретации генома» (CAGI), которое организует соревнование по оценке влияния генетических вариантов на известные фенотипы заболеваний.

В то время как большинство алгоритмов нацелены на предсказание различных эффектов на отдельные белки, другой цели преследует метод SNP-IN, который предсказывает, как SNP влияет на белок-белковые взаимодействия (PPI) (Zhao et al., 2014). Это достигается за счет набора признаков, который включает относительное изменение свободной энергии между ИПП дикого типа и мутантного типа, энергию всех взаимодействий в белковом комплексе и другие физико-химические свойства, например, гидрофобную сольватацию или водные мостики.Используя эти функции, контролируемые и полуконтролируемые подходы к машинному обучению используются для прогнозирования того, насколько вредны SNP. Этот подход очень интересен, поскольку изменения в PPI можно использовать для объяснения эпистатических взаимодействий между несколькими вариантами. Как и для некоторых ранее упомянутых алгоритмов прогнозирования, для SNP-PI требуется существующая трехмерная модель структуры белка и, кроме того, знание PPI, в которых участвует данный белок.

В более широком масштабе исследования ассоциаций всего генома используются для определения того, как различия между сотнями тысяч людей и приводят к последствиям от генотипа к фенотипу.Эти подходы работают как черные ящики и используют статистические подходы и подходы машинного обучения, требующие огромных наборов данных. Текущая работа и приложения (например, оценка клинического риска) были недавно проанализированы (Okser et al., 2014).

2.3.

Секвенирование следующего поколения позволило изучить влияние генетической изменчивости на отдельные белки или регуляторные элементы in vivo и in vitro .Глубокое мутационное сканирование (DMS) является эффективным высокопроизводительным методом измерения влияния мутаций на стабильность и функцию белка (Fowler and Fields, 2014). Пространство всех возможных аминокислотных замен в белке тщательно проверяется путем сначала создания библиотеки вариантов последовательностей с использованием стандартных методов, таких как подверженная ошибкам ПЦР, а затем с помощью высокопроизводительного анализа для выбора вариантов на основе показателя пригодности (например, скорость роста, связывание лиганда или флуоресценция продукта) и, наконец, путем применения глубокого секвенирования к выбранным и невыбранным пулам вариантов последовательностей.Результатом этого подхода является матрица, содержащая значения приспособленности для каждой аминокислотной замены, обнаруженной в выбранном пуле. В зависимости от метода, используемого для создания разнообразия последовательностей и глубины секвенирования, DMS также можно использовать для измерения эпистатических эффектов между заменами в разных сайтах.

Применимость DMS в первую очередь ограничена отсутствием высокопроизводительных функциональных анализов для большинства белков, и до сих пор DMS не применялся к метаболическим ферментам. Когда DMS может применяться в более широком масштабе, результаты, полученные в результате анализа, могут повысить прогностическую способность биоинформационных инструментов для анализа генетической изменчивости за счет предоставления более полных наборов обучающих данных для типов прогностических методов, обсуждавшихся в предыдущем разделе.Методы, подобные DMS, также можно использовать для систематического изучения эффектов генетической изменчивости в регуляторных областях на экспрессию белка с использованием анализов на основе флуоресцентных белков.

Здесь мы выделим несколько тематических исследований с использованием DMS и родственных методов для изучения функции белка или регуляторного элемента. При анализе поли(А)-связывающего белка Saccharomyces cerevisiae (Melamed et al., 2013) были обнаружены сильные эпистатические эффекты между заменами в определенных сайтах.Хотя эпистаз не был широко распространен, это вызывает беспокойство с точки зрения компьютерного моделирования, поскольку подходы к моделированию обычно не учитывают эпистаз. Еще одним важным моментом является идентификация альтернативных стартовых кодонов. Хотя анализ в предыдущих исследованиях, DMS показал, что некоторые аминокислоты могут быть заменены метионином и давать функциональные белки (Kim et al., 2013). Эта биологическая информация может быть экстраполирована на другие исследования и имеет большое значение при разработке стратегий для понимания влияния мутаций in vivo или in silico .Стратегии, подобные DMS, также использовались для систематического изучения эффектов изменчивости сайтов связывания факторов транскрипции и других регуляторных элементов, таких как сайты связывания рибосом (Kosuri et al., 2013). Эти исследования заложат основу для прогнозирования влияния вариантов некодирующей последовательности на экспрессию белка.

Описанные выше методы позволяют нам систематически изучать эффекты большого количества вариантов в отдельных белках или регуляторных областях.В микроорганизмах также можно использовать основанный на секвенировании метод следующего поколения, называемый Tn-seq, для систематического изучения влияния разрушения большого количества геномных локусов на клеточные фенотипы (van Opijnen and Camilli, 2013). Транспозоны — это мобильные элементы ДНК, которые могут разрушать генетический локус, интегрируясь в него (рис. 1В). Tn-seq с использованием библиотек вставок транспозонов с высокой плотностью можно использовать для изучения функции, например, регуляторных элементов и специфических белковых доменов в едином полногеномном анализе (van Opijnen and Camilli, 2013).Tn-seq нашел множество применений в микробиологии и использовался для идентификации функции генов, понимания организации генома, картирования генетических взаимодействий или оценки эссенциальности генов (van Opijnen and Camilli, 2013; Yang et al., 2014). Tn-seq не дает разрешения на уровне одной пары оснований, но этот метод можно быстро использовать для получения информации на уровне субгенов, относящейся, например, к существенности определенных доменов в белке. Эта информация, в свою очередь, может быть использована для улучшения прогнозов эффектов вариантов, поскольку варианты в основных доменах белка с большей вероятностью будут предсказаны как вредные, чем варианты в несущественных доменах того же белка.

3. Прогнозирование фенотипов по генотипам в масштабе генома

3.1. Статистические и сетевые подходы к прогнозированию фенотипов по генотипам

Раздел 2 посвящен задаче прогнозирования эффектов генетической изменчивости на функцию или экспрессию отдельных белков. Однако это лишь малая часть гораздо более крупной проблемы, заключающейся в предсказании фенотипических эффектов клеток или организмов всех генетических вариантов, присутствующих в геноме. Это требует учета влияния вариаций на функцию и экспрессию всех белков.До сих пор было предпринято на удивление мало попыток взять все генетические варианты, обнаруженные у человека (человека или микробного штамма), и попытаться предсказать, как все эти варианты вместе взятые повлияют на определенные фенотипы (Burga and Lehner, 2013; Lehner , 2013).

Одной из первых систематических попыток достижения этой цели было новаторское исследование Jelier et al. в S. cerevisiae , где фенотипы роста выбранных штаммов дрожжей в различных условиях были предсказаны на основе генетических различий между эталонным штаммом и интересующим штаммом (Jelier et al., 2011). Это было достигнуто за счет первого предсказания эффектов кодирующих и регуляторных вариантов на функцию и экспрессию белка с использованием подходов, подобных описанному в предыдущем разделе. Затем эти предсказания эффекта варианта были объединены в одно предсказание фенотипа для штамма с использованием опубликованных данных фенотипирования роста с делецией одного гена для эталонного штамма дрожжей в тех же условиях. Этот подход можно считать очень упрощенным, поскольку эффекты нескольких генетических вариантов, действующих на отдельные белки, рассматривались как кумулятивные.Несмотря на это, подход по-прежнему позволял точно прогнозировать фенотипы роста в широком диапазоне условий. Также существует ряд других подходов для прогнозирования более широких фенотипических последствий отдельных вариантов путем сопоставления данных вариантов с биологическими сетями, такими как PPI или генетические сети (Carter et al., 2013). Однако в этих подходах обычно не пытались использовать весь генотип индивидуума (т. е. более одного варианта за раз) для предсказания конкретных фенотипов.

3.2. Использование метаболических моделей в масштабе генома для интерпретации генетических вариантов

Описанные выше методы прогнозирования фенотипа основаны на данных и используют статистические модели для прогнозирования эффектов генетических вариантов в контексте биологических сетей. Однако для метаболических сетей мы можем выйти за рамки статистических моделей и основанных на графах описаний и перейти к моделям, основанным на ограничениях, которые масштабируются до уровня генома и включают физико-химические ограничения, пропускную способность и направленность реакций [см. Price et al.(2004) для обзора моделирования на основе ограничений]. Этот тип механистического подхода к моделированию очень полезен для понимания генетических изменений, влияющих на определенные метаболические фенотипы. Например, изучение SNP, влияющих на митохондриальный метаболизм (Jamshidi and Palsson, 2006), является хорошим примером того, как данные о вариантах могут быть отображены на метаболических сетях для объяснения механистической основы фенотипов заболеваний.

Метаболические модели в масштабе генома состоят из биохимических реакций, собранных из литературы и аннотации генома организма.Эта система реакций закодирована в виде матрицы стехиометрических коэффициентов, которую обычно называют матрицей стехиометрии. Если предположить, что метаболизм находится в стационарном состоянии, т. Е. Концентрации метаболитов не меняются с течением времени, все потоки должны уравновешивать друг друга. Эти балансы потоков представляют собой линейные ограничения, которые можно легко проанализировать с помощью методов линейной алгебры.

Кроме того, после включения дополнительных ограничений, например, известных скоростей поглощения и секреции и знаний о направленности реакции, методы линейной оптимизации могут вычислять биологически значимые векторы потоков, которые максимизируют определенные целевые функции.Например, рост можно смоделировать путем максимального потребления предшественников биомассы в эмпирически определенных пропорциях. Этот тип анализа обычно называют анализом баланса потоков [FBA; см. Orth et al. (2010) для всестороннего введения в этот метод].

Глобальные оптимальные решения для этих задач линейной оптимизации могут быть очень эффективно рассчитаны с использованием линейного программирования (время вычислений составляет от миллисекунды до секунды для моделей в масштабе генома). Таким образом, можно вычислить тысячи фенотипов за несколько минут, просто изменив ограничения задачи [см. Lewis et al.(2012) для полного списка доступных методов in silico и (Bordbar et al., 2014) для обзора их приложений].

Поскольку отношения между реакциями, ферментами и генами (обычно называемые ассоциациями GPR) обычно известны и закодированы в этих моделях, эффект нокаута гена можно легко сопоставить с ассоциированными реакциями, ограничивая их потоки равными нулю или удалением из модели. Таким образом, FBA можно использовать для вычисления метаболического фенотипа, связанного с делецией метаболического гена, что делает его пригодным для анализа данных генетической изменчивости, включающих делеции или другие мутации, приводящие к полной потере функции ферментов.

Анализ баланса потоков предполагает, что нокаутные штаммы могут восстанавливаться до оптимального фенотипа роста, что может быть нереалистичным в случаях, когда механизмы регуляции, явно не смоделированные в этих моделях, могут быть не в состоянии обеспечить желаемое состояние. Другие методологии [например, ROOM (Shlomi et al., 2005), MoMA (Segrè et al., 2002), MiMBl (Brochado et al., 2012) и RELATCH (Kim and Reed, 2012)] используют более правдоподобные предположения и было показано, чтобы улучшить точность прогнозов нокаута.Например, MoMA минимизирует евклидово расстояние распределений потока дикого типа и мутанта, предполагая, что мутант достигает ближайшего возможного распределения потока, которое не обязательно является оптимальным. Предсказательная сила FBA и этих других подходов была тщательно оценена с использованием полногеномных анализов нокаута генов (Snitkin et al., 2008) и библиотек вставок транспозонов (Yang et al., 2014) и в целом привела к высокой степени точности. (Монк и Палссон, 2014).

Модели, основанные на ограничениях, также применялись для прогнозирования эпистатических взаимодействий путем имитации эффектов парных делеций генов, но со значительно меньшей точностью по сравнению с одиночными делециями (Szappanos et al., 2011). Кроме того, моделирование множественных делеций генов успешно применялось при разработке стратегий проектирования для метаболической инженерии путем перенаправления потока на желаемые продукты (Milne et al., 2009; Blazeck and Alper, 2010).

Ряд ограничивающих факторов может снизить способность моделей, основанных на ограничениях, предсказывать фенотипические эффекты мутаций с потерей функции: (i) отсутствующие реакции и ошибочные GPR, (ii) ошибочные ограничения потока из-за отсутствия термодинамической или регуляторной информации, и (iii) предположение о фиксированном составе биомассы, который, как известно, меняется в зависимости от условий роста.Даже с этими ограничениями модели, основанные на ограничениях, по-прежнему превосходят статистические модели в предсказании последствий делеций генов (Szappanos et al., 2011).

Поскольку модели, основанные на ограничениях, продемонстрировали хорошую способность предсказывать фенотипические результаты одиночных и множественных делеций генов, эти модели также должны быть полезны для предсказания эффектов других генетических вариантов. SNV или indel, которые, по прогнозам, уменьшают максимальную скорость потока фермента, могут использоваться для ограничения верхней границы потока.FBA и подобные методы могут быть использованы для вычисления эффектов этих вариаций на фенотип, обеспечивая общесистемный обзор эффектов, вызванных заменой (Jamshidi et al., 2007). Это быстрый и эффективный способ предсказания фенотипов, но он требует, чтобы можно было оценить влияние варианта на максимальную скорость переноса. Тем не менее, случаи полной потери функции попадают в ту же категорию, что и нокауты генов, и сочетающие в себе инструменты биоинформатического прогнозирования, обсуждаемые в разделе 2.2 с возможностями моделирования можно использовать для интеграции данных вариантов. Этот подход также можно распространить на любое количество вариантов и генов с оговоркой, что эпистатические взаимодействия в настоящее время не точно фиксируются моделями.

В настоящее время существует лишь ограниченное количество исследований, в которых используются GSM для систематического изучения влияния генетических вариантов на фенотипы. Чанг и др. (2013) провели исследование, в котором GSM в сочетании с белковыми структурами метаболических ферментов (GEM-PRO) использовались для интерпретации данных о генетических вариантах штаммов Escherichia coli , которые эволюционировали, чтобы переносить высокие температуры (Chang et al., 2013). В этом исследовании GSM E. coli был ограничен с использованием экспериментально или биоинформационно определенных термостабильностей метаболических ферментов. Поскольку максимальная пропускная способность реакции пропорциональна концентрации активного фермента, изменения температуры можно моделировать путем соответствующего изменения ограничений потока. Это позволяет прогнозировать ферментативные стадии, которые непропорционально чувствительны к температуре. Для эволюционировавших штаммов использовали анализ баланса потоков для изучения адаптации мутировавших ферментов; ограничения, связанные с мутировавшими белками, были ослаблены, чтобы объяснить экспериментально измеренные скорости роста (Chang et al., 2013). Исследование не включало отдельные прогнозы влияния вариантов на функцию белка, а рассматривало все варианты, наблюдаемые в белке, как потенциально влияющие на его активность.

В более позднем исследовании Nam et al. (2014) описывает использование GSM для понимания метаболических эффектов раковых мутаций. В частности, Nam et al. использовать информацию о генетических мутациях, данные профиля экспрессии генов и GSM человека (Thiele et al., 2013) для построения контекстно-зависимых моделей для различных типов рака.Потеря и приобретение функции были систематически проанализированы. Потерю функции моделировали, как описано выше (т. е. ограничивая потоки затронутых реакций до 0). Приобретение функции, с другой стороны, было смоделировано путем добавления новых беспорядочных действий, предсказанных хемоинформационными подходами. Этот подход позволил прогнозировать потенциальные онкометаболиты.

3.3. Кинетическое моделирование генетических вариантов

Как упоминалось в предыдущем разделе, моделирование на основе ограничений не предоставляет никакой информации о динамическом поведении метаболической системы.Полное кинетическое описание сети биохимических реакций можно сформулировать с помощью обыкновенных дифференциальных уравнений (Heinrich and Schuster, 1996). Основное преимущество использования кинетических моделей для изучения эффектов генетической изменчивости заключается в их способности учитывать мутации, влияющие на каталитические или регуляторные сайты фермента, вызывающие повышение или потерю каталитической активности или сайты связывания аллостерических регуляторов.

Предыдущие исследования метаболизма эритроцитов дают обзор того, как SNP могут изменять кинетические параметры и как кинетические модели могут использоваться для объяснения метаболических синдромов, вызванных дефицитом ферментов (Jamshidi, 2002; Jamshidi and Palsson, 2009).Недостатком использования кинетических моделей является то, что кинетические параметры недоступны для большинства ферментов, и их измерение может быть затруднительным. По этой причине создание прогнозирующих кинетических моделей в масштабе генома остается проблемой (Stanford et al., 2013). Кинетические модели являются жизнеспособным инструментом для интерпретации данных о генетических вариантах только в конкретных случаях, таких как, например, эритроцит с относительно простым метаболизмом.

4. Соображения и будущие направления

4.1. Методы и инструменты для прогнозирования влияния генетических вариантов

За последнее десятилетие было изучено множество подходов к пониманию и анализу эффектов генетической изменчивости. В частности, наиболее активной областью было применение методов NGS для характеристики генетической изменчивости в контексте болезней человека. Объем информации, связанной с заболеванием, делает подходы машинного обучения очень подходящими для прогнозирования эффектов отдельных генетических вариантов. Поскольку большинство методов прогнозирования были обучены и протестированы на данных человека, многие из существующих методов не работают так же хорошо или просто не подходят для анализа микробных генетических вариантов.

Другой областью, в которой изучение генетической изменчивости микробов отстает от генетики человека, является систематический сбор данных о вариантах и ​​фенотипировании. В настоящее время предпринимаются усилия по стандартизированному сбору данных о генотипе и фенотипе человека с использованием таких баз данных, как dbSNP и Европейский архив вариаций. База данных UniProt также собирает варианты, обнаруженные в последовательностях белков, когда эта информация доступна. Каждый день во всем мире секвенируются тысячи новых экологических или патогенных изолятов и лабораторно разработанных микробных штаммов, но общедоступного централизованного хранилища этих данных не существует.Мы утверждаем, что чрезвычайно важно собирать данные о генетических вариантах вместе с соответствующими фенотипическими данными стандартным для микробов способом.

Все существующие алгоритмы предсказания эффекта варианта используются для классификации вариантов по заранее назначенным категориям (например, вредоносные или невредные). Подходы, которые предсказывают вредные эффекты, уже могут рассматриваться как нокауты при моделировании их фенотипических эффектов с использованием GSM, но этот подход упускает из виду более тонкие эффекты мутаций.Чтобы улучшить нашу способность предсказывать фенотипы, необходимо выйти за рамки классификации и перейти к количественным измерениям различных эффектов на функцию отдельных белков. Существует множество особенностей, связанных с функцией белка, которые могут иметь значение для предсказания вариантов эффектов: эволюционные и консервативные, физико-химические (например, заряд, полярность или свободная энергия) и структурные (например, вторичные структуры, пространственные расстояния между аминокислотами или B). -факторы).

Существующие методы прогнозирования вариантов эффектов в первую очередь сосредоточены на общих предикторах для всех белков, независимо от их функции (например,г., ферменты, факторы транскрипции, транспортеры, шапероны и др.) и как они ведут себя в окружающей среде (т. е. взаимодействуют с другими элементами: белками, метаболитами, ДНК и др.). Это ограничивает предсказательную силу методов в тех случаях, когда легкодоступна дополнительная информация, например относительно хорошо изученная область микробного метаболизма. Например, для метаболических ферментов информация о том, как мутации влияют на кинетические параметры и как эти параметры различаются между ферментами разных видов, систематически собирается в таких базах данных, как BRENDA.Этот тип информации может быть использован для создания улучшенных предикторов эффекта вариантов специально для метаболических ферментов.

4.2. Моделирование и высокопроизводительный анализ данных

Улучшения в предсказании эффекта варианта в масштабе всего генома также могут быть достигнуты за счет улучшения или расширения подходов к моделированию в масштабе генома. Недавние инновации, такие как GEM-PRO, как обсуждалось в разделе 3.2, удовлетворяют требованиям трехмерных белковых структур для прогнозирования эффектов генетической изменчивости на уровне белка и могут использоваться для систематического анализа влияния генетической изменчивости на метаболизм в масштабе генома. .

Приблизительно 10–30% генов, закодированных в микробном геноме, представлены в метаболических GSM, что ограничивает полезность этих моделей для интерпретации данных о геномных вариантах. Метаболические GSM могут быть расширены несколькими способами, чтобы увеличить охват всего набора генов. Сеть регуляции транскрипции, представленная как взаимодействие между факторами транскрипции и генами-мишенями, может помочь расширить охват прогностических моделей и может быть интегрирована с метаболическими GSM различными способами (Covert et al., 2004; Чандрасекаран и Прайс, 2010). Эти интегрированные модели были успешно использованы для предсказания фенотипов.

Другим недавним расширением GSM являются модели ME. Эти модели учитывают весь механизм, необходимый для экспрессии генов и белков, обеспечивая более широкий охват клеточных функций и более высокое разрешение клеточного состава (O’Brien et al., 2013). МЭ-модели также были расширены, чтобы включить транслокацию белков из цитоплазмы в периплазму (Liu et al., 2014). В настоящее время большинство этих расширений GSM были разработаны только для E. coli , и потребуются значительные усилия для создания этих расширенных моделей для других бактерий, а также эукариотических модельных организмов, таких как S. cerevisiae .

Разработка точных кинетических моделей метаболизма, которые могли бы быть полезны для изучения эффектов мутаций на аллостерическую регуляцию и каталитическую активность, все еще является утомительным процессом. Эти модели обычно ограничиваются небольшими частями метаболизма, фокусируясь на центральном углеродном метаболизме (Chassagnole et al., 2002; Песков и др., 2012; Мачадо и др., 2014). Есть две основные причины этих ограничений: модели становятся огромными по размеру, а кинетическая информация о многих ферментах до сих пор неизвестна. Протоколы (Stanford et al., 2013) и методологии (Chowdhury et al., 2014) разрабатываются, чтобы довести кинетическое моделирование до уровня генома, но полученные модели еще не достигли достаточно зрелой стадии для использования в прогнозировании эффектов вариантов.

На комплексном уровне была предложена стратегия построения моделей целых клеток путем объединения нескольких отдельных моделей различных клеточных процессов, включая клеточный цикл, метаболизм, транскрипцию и транспорт (Karr et al., 2012). Эта стратегия, которая также позволяет комбинировать модели с использованием различных представлений (на основе ограничений, кинетических и стохастических), была использована для построения функционирующей модели целой клетки одного из простейших прокариот, Mycoplasma genitalium . Усилия по созданию более полных моделей микробов в масштабе генома будут продолжаться по мере сбора все большего количества информации и увеличения вычислительной мощности. Эти модели приблизят нас к цели полногеномного предсказания фенотипов на основе данных генотипирования.

4.3. Возможности

Инструменты генной инженерии, такие как MAGE (Wang et al., 2009) или CRISPR/Cas9 (Xu et al., 2014), уже позволяют нам быстро и точно редактировать геномы на уровне разрешения одной пары оснований. в нескольких локусах одновременно. Эти методы позволят нам более полно, чем раньше, картировать эпистатические взаимодействия вариантов внутри одного гена и между несколькими генами. С другой стороны, новые инструменты in silico для прогнозирования влияния вариантов на фенотипы, описанные выше, открывают путь к новому стилю моделирования в масштабе отдельных нуклеотидов.Эти новые инструменты моделирования значительно выиграют от более качественных обучающих наборов данных, которые можно систематически получать с помощью MAGE, CRISPR/Cas9 или других методов редактирования генома для картирования эпистатических взаимодействий. Применение этих новых стратегий обеспечивает способ тонкой настройки активности белков в контексте полных клеточных сетей. Например, мы предвидим, что в будущем у нас будут прогностические модели того, как разработка нескольких ферментов на уровне одной аминокислоты повлияет на производство желаемого метаболита.

Для достижения максимального потенциала моделирования биохимических сетей в масштабе генома и анализа генетических вариантов необходимо установить связь между этими двумя областями. Необходимая информация для соединения обоих миров уже есть: мы знаем гены, белки и реакции. Основные ограничения заключаются в существующих методах и источниках данных. С одной стороны, мы должны преодолеть ограничения инструментов, доступных для прогнозирования эффектов вариантов, позволяя более детально прогнозировать, как вариант может влиять на любую данную функцию или экспрессию белка.Использование предсказаний фолдинга белка, например, уже установлено в метаболическом моделировании (Chang et al., 2013), и должна быть возможность использовать инструменты, которые предсказывают различные эффекты на стабильность белка вместе с моделями масштаба генома. С другой стороны, нам необходимо улучшить методы моделирования биохимических сетей: это развивающаяся область, и в последнее десятилетие были предприняты усилия по стандартизации построения моделей (Thiele and Palsson, 2010) и совершенствованию методов прогнозирования за счет включения высокопроизводительных методов. данные (Machado and Herrgård, 2014).

Наконец, следует признать, что использование исключительно данных о геномных вариантах в качестве основы для предсказания фенотипа для конкретных штаммов всегда будет иметь ограничения. Нам также может понадобиться измерить промежуточные фенотипы, такие как уровни транскриптов, белков или метаболитов для этих штаммов, чтобы сделать прогноз того, как данный генотип влияет на конкретный фенотип (Burga and Lehner, 2013). К счастью, в настоящее время собираются достаточно полные мультиомные наборы данных для микробных штаммов дикого типа, что позволяет усовершенствовать моделирующие и биоинформационные подходы для прогнозирования фенотипа (Ishii et al., 2007; Скелли и др., 2013). Надеемся, что систематизация таких наборов данных и согласованные действия разработчиков моделей, генетиков, микробиологов и биоинформатиков позволят нам прогнозировать измененные и новые метаболические способности микробного штамма на основе данных повторного геномного секвенирования.

Заявление о конфликте интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Благодарности

JC, MH и NS признают поддержку Фонда Ново Нордиск через Центр биоустойчивости Фонда Ново Нордиск. Массачусетс признает получение финансирования от гранта на биотехнологические исследования в области синтеза и производства от Фонда Ново Нордиск.

Сноски

Каталожные номера

Аджубей И.А., Шмидт С., Пешкин Л., Раменский В.Е., Герасимова А., Борк П. и др. (2010). Метод и сервер для прогнозирования повреждающих миссенс-мутаций. Нац. Методы 7, 248–249. doi:10.1038/nmeth0410-248

Полнотекстовая перекрестная ссылка | Академия Google

Асадоллахи, М. А., Мори, Дж., Патил, К. Р., Шалк, М., Кларк, А., и Нильсен, Дж. (2009). Повышение производства сесквитерпена в Saccharomyces cerevisiae с помощью метаболической инженерии, управляемой in silico. Метаб. англ. 11, 328–334. doi:10.1016/j.ymben.2009.07.001

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Атсуми, С., Wu, T.-Y., Machado, I.M.P., Huang, W.-C., Chen, P.-Y., Pellegrini, M., et al. (2010). Эволюционный геномный анализ и реконструкция толерантности к изобутанолу у Escherichia coli . Мол. Сист. биол. 6, 449. doi:10.1038/msb.2010.98

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Баренбойм, М., Массо, М., Вайсман, И.И., и Джеймисон, округ Колумбия (2008). Основанное на статистической геометрии предсказание несинонимичных функциональных эффектов SNP с использованием случайного леса и нейро-нечетких классификаторов. Белки 71, 1930–1939. дои: 10.1002/прот.21838

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Брочадо А.Р., Андреев С., Маранас С.Д. и Патил К.Р. (2012). Влияние представления стехиометрии на моделирование отношений генотип-фенотип в метаболических сетях. Вычисление PLoS. биол. 8:e1002758. doi:10.1371/journal.pcbi.1002758

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Брочадо, А.Р., Матос, К., Мёллер, Б.Л., Хансен, Дж., Мортенсен, У.Х., и Патил, К.Р. (2010). Улучшенное производство ванилина в пекарских дрожжах за счет конструкции in silico. Микроб. Сотовый факт. 9, 84. doi:10.1186/1475-2859-9-84

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Бурга, А., и Ленер, Б. (2013). Прогнозирование фенотипической изменчивости по фенотипам генотипов и их комбинации. Курс. мнение Биотехнолог. 24, 803–809.doi:10.1016/j.copbio.2013.03.004

Полнотекстовая перекрестная ссылка | Академия Google

Калабрезе Р., Каприотти Э., Фариселли П., Мартелли П. Л. и Касадио Р. (2009). Функциональные аннотации улучшают прогностическую оценку мутаций белков, связанных с заболеваниями человека. Гул. Мутат. 30, 1237–1244. doi:10.1002/humu.21047

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Каприотти, Э., Калабрезе, Р.и Касадио, Р. (2006). Прогнозирование всплеска генетических заболеваний человека, связанных с точечными белковыми мутациями, с помощью машин опорных векторов и эволюционной информации. Биоинформатика 22, 2729–2734. doi: 10.1093/биоинформатика/btl423

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Caspeta, L., Chen, Y.P., Ghiaci, A.F., Buskov, S., Hallstrom, B.M., Petranovic, D., et al. (2014). Измененный состав стеролов делает дрожжи термоустойчивыми. Наука 346, 75–78. doi:10.1126/наука.1258137

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Чандрасекаран, С., и Прайс, Н.Д. (2010). Вероятностное интегративное моделирование метаболических и регуляторных сетей в масштабе генома у Escherichia coli и Mycobacterium tuberculosis . Проц. Натл. акад. науч. США 107, 17845–17850. doi:10.1073/pnas.1005139107

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Чанг, Р.Л., Эндрюс К., Ким Д., Ли З., Годзик А. и Палссон Б. О (2013). Структурно-системная биология оценки метаболической термотолерантности у Escherichia coli . Наука 340, 1220–1223. doi:10.1126/наука.1234012

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Chassagnole, C., Noisommit-Rizzi, N., Schmid, J.W., Mauch, K., and Reuss, M. (2002). Динамическое моделирование центрального углеродного метаболизма Escherichia coli . Биотехнология. биоинж. 79, 53–73. дои: 10.1002/бит.10288

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Коверт, М. В., Найт, Э. М., Рид, Дж. Л., Херргард, М., и Палссон, Б. Ø (2004). Интеграция высокопроизводительных и вычислительных данных объясняет бактериальные сети. Природа 429, 92–96. дои: 10.1038/природа02456

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Феррер-Коста, К., Gelpi, J.L., Zamakola, L., Parraga, I., de la Cruz, X., and Orozco, M. (2005). PMUT: веб-инструмент для аннотации патологических мутаций белков. Биоинформатика 21, 3176–3178. doi: 10.1093/биоинформатика/bti486

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Голдгар Д., Истон Д., Деффенбо А., Монтейро А., Тавтигян С. и Коуч Ф. (2004). Комплексная оценка вариантов последовательностей ДНК неизвестного клинического значения: приложение к BRCA1 и BRCA2. утра. Дж. Хам. Жене. 75, 535–544. дои: 10.1086/424388

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Гордон, Дж. Л., Бирн, К. П., и Вулф, К. Х. (2009). Дополнения, потери и перестройки на эволюционном пути от реконструированного предка до современного генома Saccharomyces cerevisiae . Генетика PLoS. 5:e1000485. doi:10.1371/journal.pgen.1000485

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Генрих Р.и Шустер, С. (1996). Положение о сотовых системах . Бостон, Массачусетс: Спрингер. дои: 10.1007/978-1-4613-1161-4

Полнотекстовая перекрестная ссылка | Академия Google

Херргард, М., и Панагиоту, Г. (2012). Анализ геномной изменчивости факта микробной клетки в эпоху новых биотехнологий. Вычисл. Структура Биотехнолог. Дж. 3, 1–8. дои: 10.5936/csbj.201210012

Полнотекстовая перекрестная ссылка | Академия Google

Исии, Н., Nakahigashi, K., Baba, T., Robert, M., Soga, T., Kanai, A., et al. (2007). Многочисленные высокопроизводительные анализы отслеживают реакцию E. coli на возмущения. Наука 316, 593–597. doi:10.1126/наука.1132067

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Карчин Р., Диханс М., Келли Л., Томас Д. Дж., Пипер У., Эсвар Н. и др. (2005). LS-SNP: крупномасштабная аннотация кодирования несинонимичных SNP на основе нескольких источников информации. Биоинформатика 21, 2814–2820. doi: 10.1093/биоинформатика/bti442

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Karr, J.R., Sanghvi, J.C., Macklin, D.N., Gutschow, M.V., Jacobs, J.M., Bolival, B., et al. (2012). Вычислительная модель цельной клетки предсказывает фенотип по генотипу. Сотовый 150, 389–401. doi:10.1016/j.cell.2012.05.044

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Келли, Дж.Л., Пейтон, Дж. Т., Фистон-Лавье, А.-С., Титс, Н.М., Йи, М.-К., Джонстон, Дж.С., и соавт. (2014). Компактный геном антарктической мошки, вероятно, является адаптацией к экстремальным условиям. Нац. коммун. 5, 4611. doi:10.1038/ncomms5611

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Кирхер, М., Виттен, Д.М., Джайн, П., О’Роак, Б.Дж., Купер, Г.М., и Шендуре, Дж. (2014). Общая основа для оценки относительной патогенности генетических вариантов человека. Нац. Жене. 46, 310–315. дои: 10.1038/ng.2892

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Косури, С., Гудман, Д. Б., Камбрей, Г., Муталик, В. К., Гао, Ю., Аркин, А. П., и соавт. (2013). Компоновка регуляторных последовательностей, контролирующих транскрипцию и трансляцию в Escherichia coli . Проц. Натл. акад. науч. США 110, 14024–14029. doi:10.1073/pnas.1301301110

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Ли, Дж., Юн, Х., Файст, А.М., Палссон, Б.О, и Ли, С.Ю. (2008). Реконструкция в масштабе генома и анализ in silico метаболической сети Clostridium acetobutylicum ATCC 824. Заяв. микробиол. Биотехнолог. 80, 849–862. дои: 10.1007/s00253-008-1654-4

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Ли, Б., Кришнан, В.Г., Морт, М.Е., Синь, Ф., Камати, К.К., Купер, Д.Н., и соавт. (2009). Автоматический вывод о молекулярных механизмах заболевания по аминокислотным заменам. Биоинформатика 25, 2744–2750. doi: 10.1093/биоинформатика/btp528

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Ли, Р., Фань, В., Тиан, Г., Чжу, Х., Хе, Л., Цай, Дж., и др. (2010). Последовательность и сборка de novo генома гигантской панды. Природа 463, 311–317. дои: 10.1038/nature08696

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Лю, Дж.К., О’Брайен, Э. Дж., Лерман, Дж. А., Зенглер, К., Палссон, Б. О, и Файст, А. М. (2014). Реконструкция и моделирование транслокации и компартментализации белка в Escherichia coli в масштабе генома. BMC Сист. биол. 8:110. doi: 10.1186/s12918-014-0110-6

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Меламед, Д., Янг, Д.Л., Гэмбл, К.Е., Миллер, Ч.Р., и Филдс, С. (2013). Глубокое мутационное сканирование домена RRM поли(А)-связывающего белка Saccharomyces cerevisiae . РНК 19, 1537–1551. doi:10.1261/РНК.040709.113

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Накамура Ю., Мори К., Сайто К., Осима К., Мекути М., Сугая Т. и др. (2013). Эволюционные изменения нескольких генов зрительного пигмента в полном геноме тихоокеанского голубого тунца. Проц. Натл. акад. науч. США 110, 11061–11066. doi:10.1073/pnas.1302051110

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Нам, Х., Campodonico, M., Bordbar, A., Hyduke, D.R., Kim, S., Zielinski, D.C., et al. (2014). Системный подход к прогнозированию онкометаболитов с помощью контекстно-специфических метаболических сетей в масштабе генома. Вычисление PLoS. биол. 10:e1003837. doi:10.1371/journal.pcbi.1003837

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

О’Брайен, Э. Дж., Лерман, Дж. А., Чанг, Р. Л., Хайдук, Д. Р., и Палссон, Б. О (2013). Геномные модели метаболизма и экспрессии генов расширяют и уточняют предсказание фенотипа роста. Мол. Сист. биол. 9, 693–693. doi: 10.1038/msb.2013.52

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Оксер С., Пахиккала Т., Айрола А., Салакоски Т., Рипатти С. и Айттокаллио Т. (2014). Регуляризованное машинное обучение в генетическом прогнозировании сложных признаков. Генетика PLoS. 10:e1004754. doi:10.1371/journal.pgen.1004754

Полнотекстовая перекрестная ссылка | Академия Google

Орт, Дж.Д., Тиле И. и Палссон Б. О (2010). Что такое анализ баланса потоков? Нац. Биотехнолог. 28, 245–248. doi:10.1038/nbt.1614

Полнотекстовая перекрестная ссылка | Академия Google

Парк, Дж. Х., Ли, К. Х., Ким, Т. Ю., и Ли, С. Ю. (2007). Метаболическая инженерия Escherichia coli для производства L-валина на основе анализа транскриптома и моделирования нокаута генов in silico. Проц. Натл. акад. науч. США 104, 7797–7802.doi:10.1073/pnas.0702609104

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Puchałka, J., Oberhardt, M.A., Godinho, M., Bielecka, A., Regenhardt, D., Timmis, K.N., et al. (2008). Реконструкция в масштабе генома и анализ метаболической сети Pseudomonas putida KT2440 облегчают применение в биотехнологии. Вычисление PLoS. биол. 4:e1000210. doi:10.1371/journal.pcbi.1000210

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Шварц, Дж.М., Купер Д.Н., Шуэльке М. и Зеелов Д. (2014). MutationTaster2: предсказание мутаций для возраста глубокого секвенирования. Нац. Методы 11, 361–362. doi:10.1038/nmeth.2890

Полнотекстовая перекрестная ссылка | Академия Google

Shihab, H.A., Gough, J., Cooper, D.N., Stenson, P.D., Barker, G.L.A., Edwards, K.J., et al. (2012). Прогнозирование функциональных молекулярных и фенотипических последствий аминокислотных замен с использованием скрытых марковских моделей. Гул.Мутат. 34, 57–65. doi:10.1002/humu.22225

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Скелли, Д. А., Меррихью, Г. Е., Риффл, М., Коннелли, С. Ф., Керр, Э. О., Йоханссон, М., и соавт. (2013). Интегративная феномика дает представление о структуре фенотипического разнообразия почкующихся дрожжей. Рез. генома. 23, 1496–1504. дои: 10.1101/гр.155762.113

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Сниткин Е.С., Дадли А.М., Янсе Д.М., Вонг К., Черч Г.М. и Сегре Д. (2008). Управляемый моделью анализ экспериментально определенных фенотипов роста для 465 мутантов с делецией гена дрожжей в 16 различных условиях. Геном Биол. 9, Р140. doi: 10.1186/gb-2008-9-9-r140

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Стэнфорд, штат Нью-Джерси, Любиц, Т., Смоллбоун, К., Клипп, Э., Мендес, П., и Либермейстер, В. (2013). Систематическое построение кинетических моделей из метаболических сетей геномного масштаба. PLoS One 8:e79195. doi:10.1371/journal.pone.0079195

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Шаппанос Б., Ковач К., Шамеч Б., Хонти Ф., Костанцо М., Барышникова А. и др. (2011). Комплексный подход к характеристике сетей генетических взаимодействий в метаболизме дрожжей. Нац. Жене. 43, 656–662. дои: 10.1038/ng.846

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Терп, Б.Н., Купер Д.Н., Кристенсен И.Т., Йогенсен Ф.С., Бросс П., Грегерсен Н. и соавт. (2002). Оценка относительной важности биофизических свойств аминокислотных замен, связанных с генетическими заболеваниями человека. Гул. Мутат. 20, 98–109. doi:10.1002/humu.10095

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Thiele, I., Swainston, N., Fleming, R.M., Hoppe, A., Sahoo, S., Aurich, M.K., et al. (2013).Глобальная реконструкция метаболизма человека, управляемая сообществом. Нац. Биотехнолог. 31, 419–425. doi:10.1038/nbt.2488

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Томас, П. Д., и Кеджаривал, А. (2004). Кодирование однонуклеотидных полиморфизмов, связанных со сложным заболеванием по сравнению с болезнью Менделя: эволюционные доказательства различий в молекулярных эффектах. Проц. Натл. акад. науч. США 101, 15398–15403. дои: 10.1073/пнас.0404380101

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Тянь Дж., Ву Н., Го X., Го Дж., Чжан Дж. и Фань Ю. (2007). Прогнозирование фенотипических эффектов несинонимичных однонуклеотидных полиморфизмов на основе машин опорных векторов. Биоинформатика BMC 8:450. дои: 10.1186/1471-2105-8-450

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Варма, А.и Палссон, Б. О (1993). Метаболические возможности Escherichia coli II. оптимальные схемы роста. Ж. Теор. биол. 165, 503–522. дои: 10.1006/jtbi.1993.1203

Полнотекстовая перекрестная ссылка | Академия Google

Wang, H.H., Isaacs, FJ, Carr, P.A., Sun, Z.Z., Xu, G., Forest, C.R., et al. (2009). Программирование клеток с помощью мультиплексной инженерии генома и ускоренной эволюции. Природа 460, 894–898. дои: 10.1038/природа08187

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Ван, Л., Han, X., Zhang, Y., Li, D., Wei, X., Ding, X., et al. (2014). Глубокое повторное секвенирование выявило аллельные вариации Sesamum indicum. BMC Растение Биол. 14:225. doi:10.1186/s12870-014-0225-3

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Ван, М., Чжао, X., Такемото, К., Сюй, Х., Ли, Ю., Акуцу, Т., и др. (2012). FunSAV: прогнозирование функционального эффекта вариантов одной аминокислоты с использованием двухэтапной модели случайного леса. PLoS One 7:e43847.doi:10.1371/journal.pone.0043847

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Сюй Т., Ли Ю., Ностранд Дж. Д. В., Хе З. и Чжоу Дж. (2014). Инструменты на основе Cas9 для целенаправленного редактирования генома и контроля транскрипции. Заяв. Окружающая среда. микробиол. 80, 1544–1552. doi: 10.1128/AEM.03786-13

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Ямамото К., Тамаки Х., Кадильо-Кирос Х., Имачи Х., Кирпидес Н., Войке Т. и др. (2014). Полная последовательность генома Methanoregula formicica SMSPT, мезофильного гидрогенотрофного метаногена, выделенного из метаногенного анаэробного реактора с защитным слоем ила с восходящим потоком. Объявление генома. 2, е870–е814. doi:10.1128/genomeA.00870-14

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Ян Х., Крумхольц Э. В., Брутинель Э. Д., Палани Н.П., Садовски М.Дж., Одлызко А.М. и соавт. (2014). Валидация метаболической сети в масштабе генома Shewanella oneidensis с использованием анализа частоты вставки транспозона. Вычисление PLoS. биол. 10:e1003848. doi:10.1371/journal.pcbi.1003848

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Ye, Z.-Q., Zhao, S.-Q., Gao, G., Liu, X.-Q., Langlois, R.E., Lu, H., et al. (2007). Поиск новых структурных и последовательных атрибутов для прогнозирования возможной ассоциации полиморфизма одной аминокислоты (SAP) с заболеванием. Биоинформатика 23, 1444–1450. doi: 10.1093/биоинформатика/btm119

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Чжао, Н., Хан, Дж. Г., Шью, К.-Р., и Коркин, Д. (2014). Определение влияния несинонимичных SNP на белок-белковые взаимодействия с использованием контролируемого и полуконтролируемого обучения. Вычисление PLoS. биол. 10:e1003592. doi:10.1371/journal.pcbi.1003592

Опубликовано Резюме | Опубликован полный текст | Полный текст перекрестной ссылки | Академия Google

Генетическая изменчивость в популяции

Генетическая изменчивость в популяции описывает наличие в этой популяции различных аллелей или альтернативных форм для данного гена.Наличие генетической изменчивости означает, что особи популяции различаются по аллелям. они обладают, что означает, что люди различаются по генотипу. Генетические локусы, для которых существует несколько аллелей, описываются как полиморфные. Люди, например, полиморфны по таким признакам, как цвет глаз и группа крови.

Генетическая изменчивость является одним из аспектов более общей концепции фенотипической изменчивости. Фенотипическая изменчивость описывает различия в характеристиках особей популяции.Фенотипическая изменчивость представляет интерес для биологов, потому что именно на нее действует естественный отбор: разные фенотипы могут иметь разную приспособленность, и в результате отбора более приспособленные фенотипы оставляют больше потомков.

Фенотипическая изменчивость возникает из двух источников: генетической изменчивости и изменчивости окружающей среды. Однако только те различия, которые возникают в результате генетической изменчивости, могут быть переданы будущим поколениям. Более того, только часть генетического компонента изменчивости, аддитивная генетическая изменчивость, действительно наследуема.Аддитивная генетическая изменчивость, деленная на общую фенотипическую изменчивость, дает наследуемость, которая описывает, насколько потомство похоже на своих родителей.

Количество генетических вариаций

В 1960-х годах велись серьезные споры о том, сколько генетических вариаций действительно существует в популяциях. Принято считать, что полиморфные локусы встречаются довольно редко. Затем разработка техники гель-электрофореза позволила биологам изучить закономерности изменения белков в разных популяциях и количественно оценить генетическую изменчивость.

Биологи обнаружили удивительно большое количество генетических вариаций. Например, у большинства видов позвоночных примерно 30% генов оказались полиморфными. Исследования, проведенные в 1970-х годах на людях, показали, что генетическая изменчивость встречается примерно на том же уровне, что и у других видов животных. Исследования на людях также показали, как известно, что так называемые человеческие расы не являются реальными биологическими группами. Было обнаружено, что генетическая изменчивость внутри рас значительно больше, чем между ними.

С тех пор отсутствие генетических вариаций считается аномальным. Отсутствие генетической изменчивости в популяциях обычно предполагает, что в недавней истории группы было узкое место в популяции, когда размер популяции стал очень маленьким. Результатом узкого места в популяции является то, что все члены нынешней популяции происходят от небольшого числа особей и, следовательно, имеют лишь ограниченную генетическую изменчивость. Ожидается, что генетическая изменчивость со временем будет накапливаться в этих популяциях по мере появления новых мутаций.

Как поддерживается генетическая изменчивость

Открытие большого количества генетической изменчивости почти во всех популяциях привело к постановке другого вопроса: как поддерживается генетическая изменчивость? В конце концов, во многих случаях естественный отбор устраняет генетическую изменчивость, устраняя менее приспособленные генотипы.

Многие факторы увеличивают или поддерживают количество генетических вариаций в популяции. Одним из них является мутация, которая фактически является основным источником всех вариаций.Однако мутации происходят не очень часто, только со скоростью примерно одна мутация на 100 000–1 000 000 генетических локусов в поколении. Эта скорость слишком мала, чтобы объяснить большую часть полиморфизмы, встречающиеся в природных популяциях. Тем не менее, мутация, вероятно, объясняет некоторые очень редкие фенотипы, наблюдаемые время от времени, такие как альбинизм у людей и других млекопитающих.

Вторым фактором, способствующим генетической изменчивости природных популяций, является избирательная нейтральность. Селективная нейтральность описывает ситуации, в которых альтернативные аллели гена мало отличаются по приспособленности.Поскольку небольшие различия в приспособленности приводят лишь к слабому естественному отбору, отбор может быть подавлен случайной силой генетического дрейфа. Аллели, частоты которых определяются генетическим дрейфом, а не естественным отбором, называются избирательно нейтральными. При нейтральности частоты аллелей меняются со временем, случайным образом увеличиваясь или уменьшаясь. В течение длительных периодов времени случайные колебания относительной частоты различных аллелей могут привести к тому, что некоторые из них исчезнут из популяции.Однако генетические полиморфизмы долгоживущие, и новые нейтральные аллели могут постоянно возникать в результате мутаций.

Наконец, некоторые формы естественного отбора скорее поддерживают генетическую изменчивость, чем устраняют ее. К ним относятся уравновешивающий отбор, частотно-зависимый отбор и изменение закономерностей естественного отбора во времени и пространстве.

Балансирующий отбор имеет место, когда в локусе имеется преимущество гетерозигот, ситуация, при которой гетерозиготный генотип (один включает два разных аллеля) имеет большую приспособленность, чем любой из двух гомозиготных генотипов (один включает два одинаковых аллеля).При преимуществе гетерозигот оба задействованных аллеля будут сохраняться в популяции.

Классический пример преимущества гетерозигот касается аллеля серповидноклеточной анемии. Лица, гомозиготные по аллелю серповидноклеточной анемии, имеют серповидноклеточную анемию, которая вызывает изменение эритроцитов. серповидной формы, когда они выделяют кислород. Эти серповидные клетки попадают в узкие кровеносные сосуды, блокируя кровоток. До разработки современных методов лечения заболевание ассоциировалось с очень низкой приспособленностью, поскольку люди обычно умирали до репродуктивного возраста.

Гетерозиготы, однако, имеют нормальные клетки крови в форме пончика и не страдают серповидноклеточной анемией. Кроме того, они пользуются преимуществом серповидноклеточного аллеля, который обеспечивает защиту от малярии. Следовательно, гетерозиготные особи обладают большей приспособленностью, чем особи, имеющие две копии нормального аллеля. Считается, что преимущество гетерозигот в этой системе сыграло решающую роль в сохранении в человеческом населении такого опасного заболевания, как серповидноклеточная анемия.Доказательства этого исходят из изучения распространения аллеля серповидноклеточной анемии, который встречается только в местах, где малярия представляет опасность.

Другой формой естественного отбора, которая поддерживает генетическую изменчивость в популяциях, является частотно-зависимый отбор. При частотно-зависимом отборе приспособленность генотипа зависит от его относительной частоты в популяции, при этом менее распространенные генотипы более подходят, чем генотипы, встречающиеся с высокой частотой.

Считается, что частотно-зависимый отбор довольно распространен в природных популяциях.Например, в ситуациях конкуренции за ресурсы люди с редкими предпочтениями могут обладать большей приспособленностью, чем те, у кого общие предпочтения. Частотно-зависимый отбор также может играть роль в хищничестве: если хищники формируют образ поиска более распространенных типов добычи, сосредоточив внимание на их поимке, менее распространенные фенотипы могут лучше выжить.

Наконец, изменение моделей отбора во времени или пространстве может помочь сохранить генетическую изменчивость в популяции.Если модели отбора со временем меняются, разные аллели или генотипы могут обладать большей приспособленностью в разное время. Общий эффект может заключаться в том, что оба аллеля сохраняются в популяции. Изменяющееся давление отбора с течением времени встречается у видов кузнечиков, характеризующихся двумя цветовыми морфами: коричневой морфой и зеленой морфой. В начале года, когда среда обитания более коричневая, лучше замаскированные коричневые кузнечики пользуются большей защитой от хищников. Однако в конце сезона окружающая среда становится зеленее, а зеленые кузнечики более приспособлены.

Другая возможность заключается в том, что модели отбора варьируются от одного места к другому в результате различий в среде обитания и окружающей среде. Преобладание разных генотипов в разных местах обитания в сочетании с потоком генов между местами обитания может привести к сохранению множественных аллелей в популяции.

Одним из примеров является аллель устойчивости к токсичности меди у видов трав. Аллели толерантности к меди распространены в районах, прилегающих к медным рудникам, где почва загрязнена.Однако они не ожидаются в незагрязненных районах, где они менее приспособлены, чем нормальные аллели. Однако, поскольку виды трав опыляются ветром, гаметы могут перемещаться на значительные расстояния, а аллели, устойчивые к меди, часто обнаруживаются в районах, где они находятся в невыгодном положении.

см. также Гены; генетика; Перцовая моль; Селекционное скрещивание.

Дженнифер Йе

Библиография

Кертис, Хелена. Биология. Нью-Йорк: издательство Worth, 1989.

Футуйма, Дуглас Дж. Эволюционная биология. Сандерленд, Массачусетс: Sinauer Associates, 1998.

Гулд, Джеймс Л. и Уильям Т. Китон, с Кэрол Грант Гулд. Биологические науки, 6-е изд. Нью-Йорк: WW Norton & Company, 1996.

Паттерсон, Колин. Эволюция, 2-е изд. Итака, Нью-Йорк: Комсток, 1999.

Ридли, Марк. Эволюция. Boston: Blackwell Scientific, 1993.

Одним из хорошо изученных примеров генетической изменчивости популяций является Biston betularia, перечная моль.

У перечной моли есть три цветовые морфы: светлая морфа, темная или меланистическая морфа и промежуточная морфа. До промышленной революции наиболее распространенной формой была светлая морфа, хотя иногда встречались и меланистические бабочки. Однако к концу девятнадцатого века меланистическая морфа стала гораздо более распространенной, а в некоторых областях практически вытеснила светлую морфу.

Биологи связали этот сдвиг с промышленным загрязнением городских территорий.Без замаскированных мест отдыха легкие бабочки становились легкой мишенью для хищников-птиц. Этим объяснялось как преобладание меланистических бабочек в загрязненных городских условиях, так и светлых бабочек в сравнительно нетронутых сельских местообитаниях.

Загадочный аспект истории с перцовой бабочкой заключается в том, что генетическая изменчивость не была полностью устранена в популяциях. В городах, например, бабочки-меланисты составляют лишь от 90 до 100% общей популяции, несмотря на очень сильный отбор.По-видимому, действуют и другие силы, помимо давления хищников. На короткое время было высказано предположение, что объяснением может быть преимущество гетерозигот, но в конечном итоге эта теория была отвергнута. В настоящее время считается, что поток генов между деревней и городскими районами и частотно-зависимый отбор являются жизнеспособными альтернативами. Однако предстоит еще много работы над этой исторической системой.

АКВА | Биология | Содержание темы

Биологическое разнообразие – биоразнообразие – выражается в огромном количестве видов организмов, в изменчивости индивидуальных признаков в пределах одного вида и в разнообразии типов клеток в пределах одного многоклеточного организма.

Различия между видами отражают генетические различия. Различия между особями внутри вида могут быть результатом генетических факторов, факторов окружающей среды или их комбинации.

Ген представляет собой участок ДНК, расположенный в определенном месте молекулы ДНК, называемом его местонахождение. Базовая последовательность каждого гена несет закодированную генетическую информацию, которая определяет последовательность аминокислот при синтезе белка.Используемый генетический код одинаков во всех организмов, что косвенно свидетельствует об эволюции.

Генетическое разнообразие внутри вида может быть вызвано генной мутацией, хромосомной мутацией или случайными факторами, связанными с мейозом и оплодотворением. На это генетическое разнообразие действует естественный отбор, в результате чего виды лучше адаптируются к окружающей среде.

Изменчивость внутри вида можно измерить, используя различия в базовой последовательности ДНК или в аминокислотной последовательности белков.

Биоразнообразие в сообществе можно измерить с помощью видового богатства и индекса разнообразия.

ДНК, гены и хромосомы

Синтез ДНК и белка

Генетическое разнообразие может возникнуть в результате мутации или в ходе мейоза

Генетическое разнообразие и адаптация

Виды и таксономия

Изучение разнообразия

Генетическая изменчивость и естественный отбор: естественный отбор

Естественный отбор

Как обсуждалось в разделе «Структура и функции специализированных клеток», половое размножение и мутация ДНК являются двумя основными процессами, увеличивающими генетическую изменчивость.Хотя мутация является единственным источником новых аллелей, возможность новой комбинации аллелей увеличивается с каждым половым размножением из трех первичных процессов:

• Случайное соединение сперматозоида и яйцеклетки
• Кроссинговер во время мейоза 1
• Независимый набор гомологичных хромосомы

Хотя большинство генетических рекомбинаций с участием рецессивного гена биологически нейтральны, потенциал экспрессии этого гена в будущем все еще сохраняется в этом организме и, следовательно, в этой размножающейся популяции.Увеличение генетической изменчивости и влияние окружающей среды на эту изменчивость составляют основу естественного отбора . Естественный отбор — это теория, утверждающая, что те особи, которые лучше всего приспособлены к жизни в данной местности, выживают и размножаются. Внутри данной популяции существует нормальная степень генетической изменчивости, которая может или не может сделать индивидуума более приспособленным к окружающей среде или, что более важно, к изменениям в окружающей среде. Вид с большой генетической изменчивостью имеет больше шансов выжить как вид в изменяющейся среде, чем вид с ограниченной изменчивостью.

Дарвин и естественный отбор

Теории Чарльза Дарвина до сих пор составляют основу нашего понимания естественного отбора. До сих пор широко распространено мнение, что естественный отбор основан на пяти факторах:

Bionote

Дарвин много писал о галапагосских вьюрках, которых он изучал во время исследовательского рейса на HMS Beagle . Он внимательно наблюдал и отмечал, что различия в строении клюва у вьюрков создали определенные преимущества или различия в их поиске пищи.Например, одни клювы были предназначены для раздавливания семенных оболочек, а другие — для ловли насекомых. Он наиболее тесно связан с изучением вьюрков.

• Внутри вида индивидуальные вариации существуют естественным образом. Некоторые организмы быстрее, красочнее, крупнее или умнее других представителей своего вида. Индивидуальные вариации иногда бывают полезными, нейтральными или вредными.
• Потомство рождается больше, чем может выжить, и их успех в жизненной борьбе за пищу, кров и пару определяет их способность успешно воспроизводить и передавать свой генетический набор.
• Репродуктивные способности особей неодинаковы или благоприятны в зависимости от давления окружающей среды.
• Условия окружающей среды определяют репродуктивный успех определенных особей, потому что они обладают чертой, которая дает им преимущество в этой среде.
• Особи, способные обеспечить себя необходимой пищей, убежищем и избежать нападения хищников, размножаются более успешно, чем другие. На протяжении поколений характеристики популяции меняются по мере того, как особи, более успешные в размножении, заселяют вид.Менее успешные типы не передают столько признаков, потому что у них меньше потомков. Со временем неспособность воспроизводиться со скоростью, равной или превышающей уровень смертности, приводит к вымиранию. Процесс, при котором частота определенных признаков внутри вида изменяется из-за неравномерной скорости размножения, вызванной естественным отбором, называется эволюцией .

Биотермс

Хищничество — отношения между видами, при которых один вид, хищник, поедает другой вид, добычу.

В модели Дарвина естественный отбор не обязательно запрещал индивидууму размножаться, а скорее отдавал предпочтение наиболее приспособленным индивидуумам с большими шансами на размножение, возможностью большего числа рождений и ускоренным развитием и выживанием потомства. Таким образом, естественный отбор позволяет общему количеству определенных членов популяции сокращаться или вымирать из-за давления окружающей среды, в то время как другие соответственно увеличиваются.

Классическое исследование естественного отбора было описано Х.B. D. Kettlewell в 1952 г. В весьма интересном эксперименте он пришел к выводу, что влияние окружающей среды, хищничество птиц, влияет на общее число размножающихся бабочек в зависимости от их окраски. Кеттлуэлл в то время работал в Оксфордском университете и обнаружил обрывок информации 1840-х годов, 100 лет назад, в которой отмечалось первое появление темной морфы перечной бабочки. До этого времени наблюдались только белые или перцовые бабочки. Он связал даты с началом тяжелой промышленности в этом районе.Он также знал, что заводы в то время и в его время ежедневно производили объемные клубы черного дыма, сильно отягощенного сажей. Он также знал, что перечная моль распространена по всей Англии; они вели ночной образ жизни и днем ​​прятались на стволах деревьев; на них охотились многие виды птиц. Он предположил, что птицы охотятся на мотыльков, которые менее замаскированы и поэтому их легче заметить. Поступая таким образом, они предпочитали один тип морфа другому, что создавало неравномерную скорость размножения, что способствовало увеличению количества одного типа мотылька по сравнению с другими.

Bionote

Альфред Уоллес также предложил теорию естественного отбора одновременно с Дарвином; однако имя Дарвина связано с этой идеей, вероятно, из-за большей осведомленности, обеспеченной его книгой «Происхождение видов », опубликованной в 1859 году. темные мотыльки в обычных лесах. Он помечал каждого мотылька мазком краски, а затем устанавливал ловушки для их повторной поимки.В закопченном темном лесу он отловил в основном темных мотыльков; в более светлом лесу в основном светлые мотыльки. Он пришел к выводу, что неравномерные показатели повторной поимки были основаны на неравномерных показателях хищничества. Чтобы подтвердить свои подозрения, он наблюдал и фотографировал птиц, охотящихся на мотыльков, цвет тела которых контрастировал с окружающей средой, при этом явно не замечая более замаскированного мотылька. Те бабочки, которые лучше всего приспособились к окружающей среде, выживали и размножались; другие этого не сделали. Эксперимент Кеттлуэлла является примером того, как давление окружающей среды может определять характеристики видов.

В этот исторический период теории Дарвина встретили сильное противодействие со стороны других ученых и религиозных лидеров из-за их новизны и связанного с ними противоречивого характера.