Использование филогенетический анализ расследовать эукариотический геном происхождения
14 августа 2018 г.
Описан метод построения филогенетическое дерево, основанный на последовательности гомологии сладостей от эукариот и SemiSWEETs от прокариот. Филогенетический анализ является полезным инструментом для объяснения эволюционное родство между гомологичных белки или гены из организма различных групп.
Этот метод может помочь ответить на ключевые вопросы в области фитогенетики, такие как сбор последовательностей и выбор правильной вычислительной модели. Главное преимущество этой методики в том, что ее очень легко освоить. Как правило, новички в этом методе могут испытывать трудности просто потому, что они не знают, как работать с данными из-за отсутствия базовых знаний о принципах и методах филогенеза.
Этот метод был впервые разработан, когда мы анализировали выравнивание эукариотических генов SWEET. Визуальная демонстрация этого метода имеет решающее значение, поскольку существует величина выбора и настроек для различных аспектов выравнивания. Начните эту процедуру с выбора 35 белков-кандидатов SWEET из одноклеточных эукариотических организмов, как описано в текстовом протоколе.
Выровняйте 35 последовательностей SWEET, введя их в Clustal Omega. Скопируйте и вставьте последовательности белков в формате FASTA в поле ввода или загрузите файл последовательности в формате FASTA. Укажите, что это последовательность аминокислот, нажав на значок под выпадающим меню в разделе первого шага.
При необходимости укажите формат вывода и другие параметры в разделе второго шага. Для этого исследования установите формат вывода как Clustal без номера, а остальные параметры оставьте на настройках по умолчанию. В большинстве случаев параметры по умолчанию хорошо работают без каких-либо спецификаций.
Отправьте и запустите выравнивание в разделе третьего шага. До завершения выравнивания может потребоваться от нескольких секунд до нескольких минут. На панели Сводка результатов щелкните правой кнопкой мыши ссылку под форматом Выравнивание в CLUSTAL и сохраните выровненные последовательности как 35.clustal.
Чтобы открыть файл результатов выравнивания в BioEdit, нажмите «Последовательность» и выберите «Редактировать настроение» в первом выпадающем меню на главной панели BioEdit. Затем нажмите «Редактировать остатки» в подменю. Выделите выступающие последовательности в левой части выравнивания с помощью курсора и нажмите значок «Удалить» в меню «Правка», чтобы удалить выбранные последовательности.
Выберите и удалите последовательности справа от первого домена слюны MtN3 и сохраните обрезанные первые последовательности домена слюны MtN3 как 35-1.fas. Аналогичным образом, удалите левую и правую последовательности второго домена слюны MtN3 и сохраните его как 35-2.fas. Первая и вторая последовательности доменов слюны MtN3 могут быть заранее предсказаны с помощью ритма или TMHMM.
Откройте файл 35-1. fas с MEGA и нажмите Align при появлении запроса. В меню Правка выберите команду Выбрать все.
Затем нажмите «Выбрать последовательности». Названия и последовательности таксонов будут выбраны черным цветом. Выберите «Копировать» в меню «Правка», чтобы скопировать эпизоды в буфер обмена, а затем вставить скопированные эпизоды в файл документа.
В файле документа замените все знаки цифр на знак «больше», а затем удалите все несвязанные символы, чтобы преобразовать их в формат FASTA. Добавьте 1 в конце названия каждого таксона, чтобы отметить их как первые последовательности доменов слюны MtN3. Обработайте вторые последовательности доменов слюны MtN3 по тому же методу и добавьте 2 после каждого названия таксона.
Теперь объедините первую и вторую последовательности доменов слюны MtN3 в формате FASTA в файле doc. Для этого снова загрузите объединенные последовательности в Clustal Omega и выровняйте последовательности, как и раньше. Сохраните результат как 35realigned.clustal.
Откройте файл 35realigned. clustal в BioEdit. Удалите неравномерные остатки аминокислот на обоих концах выровненных последовательностей, а затем сохраните последовательности как 35realigned.fas.
Нажмите «Да», получив предупреждение о том, что некоторые нестандартные символы не могут быть сохранены. Откройте 35realigned. fas в MEGA.
Щелкните меню «Данные» и выберите «Экспортировать выравнивание». Затем сохраните выравнивание в формате POP как 35. следующий для последующего использования в MR Base.
Тем временем нажмите на значок «Модели» на главной панели MEGA. Выберите «Найти лучшие модели ДНК-белков» и нажмите «ОК» во всплывающем окне. Нажмите кнопку Вычислить, чтобы начать процесс поиска модели.
Откроется новая панель прогресса. Этот процесс длится от нескольких минут до нескольких дней в зависимости от сложности загружаемых последовательностей и производительности компьютера. Таблица, показывающая результаты, откроется после завершения процесса поиска модели.
Сначала будет указан наименьший балл BIC, за которым последует ряд различных моделей с постепенно увеличивающимся баллом BIC. Первая модель LG+G+F с наименьшей оценкой BIC является рекомендуемой моделью для дерева ML на основе 35realigned. файл FAS.
Далее нажмите на иконку «Филогения» на главной панели MEGA. Нажмите «Построить/Протестировать дерево максимального правдоподобия», а затем нажмите «Да» на всплывающей панели. Откроется новое окно, в котором будут показаны различные параметры, которые необходимо указать.
Во-первых, установите значение bootstrap в тесте поля филогенеза. 500 или 1,000 достаточно в большинстве случаев. В разделе Модель замещения выберите аминокислоту в качестве типа замещения.
Целью выбора модели подстановки является оценка истинной разницы между последовательностями на основе их текущего состояния. Выберите LG with Freqs Model в поле Модель и метод. В поле Скорости и шаблоны выберите распределенную гамму, чтобы описать изменения скорости между сайтами, например, придать больший вес изменениям на медленно развивающихся сайтах.
В поле Поднабор данных выберите Полное удаление, чтобы удалить все столбцы, содержащие дефисы. Оставьте все остальные параметры в состояниях по умолчанию. После указания этих параметров нажмите на иконку Вычислить, чтобы начать расчет.
Филогенетическое ML-дерево будет представлено после завершения вычислений с использованием MEGA. В раскрывающемся меню значка «Файл» на панели «Дерево» выберите «Сохранить текущий сеанс», чтобы сохранить результат. В настоящем исследовании результат был сохранен как 35.mas.
На панели Дерево отображается множество параметров, включая длину клады, стиль дерева, топологию дерева, шрифт названия таксона, размер и цвет, которые могут быть установлены для различных параметров. Сохраните окончательный файл дерева, щелкнув значок изображения, и сохраните рисунок в разных форматах или скопируйте изображение в качестве источника для редактирования фотографий. Перейдите к анализу взаимосвязи SWEETs и semiSWEETs, а также к использованию построения филогенетического дерева выравнивания последовательностей с MR Base, как подробно описано в текстовом протоколе.
Филогенетические деревья показывают, что все первые домены слюны MtN3 из 35 последовательностей SWEET сгруппировались в одну кладу, а вторые домены слюны MtN3 последовательностей SWEET сгруппировались в другую кладу. Кроме того, результаты выравнивания SWEET и semiSWEET показывают, что некоторые semiSWEET из альфа-протеобактерий выровнены с первым доменом слюны MtN3 последовательностей SWEET, тогда как semiSWEET из метанобактерий выровнены со вторым доменом слюны MtN3 последовательностей SWEET. Эти результаты в совокупности позволяют предположить, что два домена слюны MtN3, содержащие SWEETs, могут быть получены в результате эволюционного слияния бактериального полуSWEET и архея.
После освоения эта техника может быть выполнена за один час или несколько дней в зависимости от сложности данных. При использовании этого протокола важно заранее собрать высококачественные последовательности. После своего развития этот протокол проложил путь для исследователей-эволюционистов к изучению отношений между гомологичными генами.
После просмотра этого видео у вас должно сложиться хорошее представление о том, как построить филогенетическое дерево.
Просмотрите полный транскрипт и получите доступ к тысячам научных видео
Обзор
В данной статье описывается метод построения филогенетического дерева на основе гомологии последовательностей белков SWEET эукариот и SemiSWEET прокариот. Этот доступный метод помогает понять эволюционные связи между гомологичными белками или генами.
Основные компоненты исследования
Область науки
- Филогенетика
- Эволюция белков
- Анализ последовательностей
Теоретическая часть
- Филогенетический анализ помогает объяснить эволюционное родство.
- Понимание белков SWEET и SemiSWEET имеет решающее значение для эволюционных исследований.
- Новички могут испытывать трудности с обработкой данных из-за отсутствия базовых знаний.
- Наглядные демонстрации улучшают понимание метода.
Цель исследования
- Предоставить четкую методологию построения филогенетических деревьев.
- Облегчить выбор подходящих вычислительных моделей.
- Помочь исследователям в сборе и анализе данных о последовательностях.
Используемые методы
- Отбор 35 белков-кандидатов семейства SWEET из одноклеточных эукариот.
- Выравнивание генов SWEET эукариот.
- Использование различных настроек параметров выравнивания.
- Визуальные демонстрации для руководства пользователя по процессу.
Основные результаты
- Данный метод упрощает процесс филогенетического анализа.
- Он создает основу для понимания эволюции белков.
- При наличии надлежащего руководства пользователи могут эффективно работать с данными последовательностей.
- Визуальные пособия значительно улучшают результаты обучения.
Выводы
- Данный метод доступен для исследователей, которые только начинают знакомство с филогенетикой.
- Он позволяет сократить разрыв между теоретическими знаниями и их практическим применением.
- Будущие исследования могут основываться на этой базовой методологии.
Часто задаваемые вопросы
Значимость для промышленности
Филогенетический анализ белковых семейств, таких как транспортеры SWEET, позволяет снизить механистические риски на ранних этапах поиска путем выяснения эволюционного происхождения и функциональной дивергенции. Этот подход способствует валидации мишеней, позволяя отличить консервативные домены от инноваций, специфичных для конкретных линий, что уменьшает неопределенность при выдвижении гипотез. Данные о событиях слияния генов помогают в разработке стратегий трансляционных биомаркеров и выборе доклинических моделей для путей, связанных с транспортом.
Стратегическое применение в биофармацевтических исследованиях и разработках
Первичный поиск и валидация мишени
- Научная ценность: Проверка терапевтических гипотез путем отслеживания архитектуры доменов до предков-прокариот и архей.
- Операционная ценность: Уточнение валидации функциональной мишени через эволюционную консервативность доменов MtN3 слюны в белках SWEET.
- Прогностическая ценность: Поддержка сортировки портфеля препаратов путем выявления эволюционно ограниченных регионов, менее подверженных компенсаторным механизмам.
Скрининг и разработка анализа
- Научная ценность: Подготовка валидированных биологических систем путем определения границ доменов для конструирования химерных белков.
- Практическая ценность: Обеспечение стандартизации анализа за счет использования выровненных по последовательности доменов MtN3 в качестве количественных показателей активности транспортера.
- Масштабируемость: Содействие повторному использованию платформы с помощью конвейеров Clustal Omega и MEGA для скрининга семейства SWEET у разных видов.
Трансляционные и доклинические исследования
- Трансляционная преемственность: связывает этап открытия с доклинической валидацией путем подтверждения консервативности домена у эукариот и прокариот.
- Согласование биомаркеров: способствует снижению механистических рисков за счет корреляции дивергенции домена SWEET с фенотипическими результатами транспорта сахаров.
- Продвижение с учетом рисков: служит основанием для принятия решений о продолжении или прекращении разработки (go/no-go), выявляя эволюционные ограничения мутационной толерантности мишени.
Интеграция конвейера и рабочего процесса
Данный метод интегрируется в континуум исследований — от проверки гипотез о мишенях до идентификации ведущих соединений — путем обеспечения эволюционного контекста функции белка.
- Открывающая биология: Поддерживает проверку гипотез, уточняя, обусловлена ли наблюдаемая функция SWEET вертикальным наследованием или горизонтальным переносом генов.
- Скрининг: Описывает готовность анализа, используя выровненные домены MtN3 в качестве стабильных, количественно определяемых единиц для высокопроизводительного скрининга.
- Аналитика: Освещает результаты метода максимального правдоподобия и байесовского вывода как статистические показатели достоверности клад для приоритизации целей.
- Трансляционные исследования: Обеспечивает преемственность с доклиническими этапами путем подтверждения консервативности доменов как индикатора сохранения функции в моделях заболеваний.
- Корпоративное повторное использование: Представляет рабочий процесс Clustal Omega-MEGA-MrBayes как переиспользуемый инструмент для снижения рисков при изучении семейств транспортеров в различных проектах.
Операционное и организационное воздействие
- Научная ценность: Повышение достоверности прогнозов при выборе мишени за счет снижения рисков, связанных с эволюционным анализом механистических предположений.
- Операционная ценность: Стандартизация и воспроизводимость благодаря фиксированным параметрам выравнивания и критериям выбора модели (LG+G+F).
- Стратегическая ценность: Принятие более обоснованных решений о продолжении или прекращении разработки (go/no-go) за счет снижения риска неудач на поздних этапах, вызванных неправильным определением механизма действия мишени.
- Влияние на портфель: Приоритизация с учетом рисков на основе показателей эволюционного ограничения, полученных из анализа поддержки филогенетических клад.
Особенности реализации
- Требуются экспертные знания в области выравнивания последовательностей, тестирования филогенетических моделей и интерпретации деревьев.
- Требуется доступ к Clustal Omega, MEGA и MrBayes для выравнивания и построения деревьев.
- Необходима межгрупповая стандартизация протоколов курирования последовательностей и выбора моделей.
- При применении к семействам белков, не являющихся транспортерами и имеющих иную архитектуру доменов, требуются соответствующие адаптации.
- Ограничено невозможностью подтверждения функциональной эквивалентности выведенных предковых состояний без экспериментальной проверки.
