Información

Genoma de referencia de Drosophila

Genoma de referencia de Drosophila



We are searching data for your request:

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

¿Alguien sabe los detalles sobre qué línea está usando para secuenciar como el Drosophila melanogaster genoma de referencia?


Ese era sorprendentemente enterrado.

Encontré esto en un artículo que describe la construcción del genoma 3 - Ver "Materiales y métodos". Me imagino que esto es coherente con la versión actual. En cualquier caso, debería ayudarte a empezar.

"Las plantillas de secuenciación se hicieron a partir de bibliotecas de ADN P1, BAC y WGS utilizando la cepa de D. melanogaster amarilla (y1); cinabrio (cn1) mancha marrón (bw1) (sp1)".


La ascendencia en mosaico del panel de referencia genética de Drosophila y el genoma de referencia de D. melanogaster revela una red de interacciones de aptitud epistática

Las poblaciones norteamericanas de Drosophila melanogaster derivan de poblaciones de origen europeas y africanas, pero a pesar de su importancia para la investigación genética, los patrones de ascendencia a lo largo de sus genomas están en gran parte indocumentados. Aquí, infiero la ascendencia geográfica a lo largo de los genomas del Panel de referencia genética de Drosophila (DGRP) y el genoma de referencia de D. melanogaster, lo que puede tener implicaciones para la alineación de referencia, el mapeo de asociación y los estudios genómicos de población en Drosophila. En general, se estimó que la proporción de ascendencia africana era del 20% para el DGRP y del 9% para el genoma de referencia. Combinando mi estimación del tiempo de mezcla con los registros históricos, proporciono la primera estimación del tiempo de generación natural para esta especie (aproximadamente 15 generaciones por año). Se encontró que los niveles de ascendencia varían notablemente a lo largo del genoma, con menos introgresión africana en el cromosoma X, en regiones de alta recombinación y en genes involucrados en procesos específicos (por ejemplo, ritmo circadiano). Un papel importante para la selección natural durante el proceso de mezcla fue respaldado por la evidencia de que muchos pares de loci no vinculados mostraban una deficiencia de combinaciones de alelos África-Europa entre ellos. Por lo tanto, pueden existir numerosas interacciones de aptitud epistática entre los genotipos africanos y europeos, lo que lleva a una selección continua contra variantes incompatibles. Al centrarme en los centros de esta red de interacciones de fitness, identifiqué un conjunto de loci interactuantes que incluyen genes con funciones en la recepción de hormonas y neuropéptidos. Estos hallazgos sugieren que las muestras mezcladas de D. melanogaster podrían convertirse en un sistema de estudio importante para la genética del aislamiento en etapa temprana entre poblaciones.

Palabras clave: Panel de referencia genética de Drosophila Drosophila melanogaster mezcla de desequilibrio de enlace de desequilibrio de población de referencia de referencia de alineación.

© The Author 2015. Publicado por Oxford University Press en nombre de la Society for Molecular Biology and Evolution.

Cifras

Muestra gráficas de probabilidad de ascendencia de…

Muestras de gráficos de probabilidad de ascendencia del brazo de cromosomas 3L muestran que la proporción de…

La proporción de genomas DGRP ...

La proporción de genomas de DGRP que tienen una probabilidad superior al 50% de ser subsahariano ...

Los genomas de DGRP muestran mucho menos ...

Los genomas de DGRP muestran mucha menos ascendencia subsahariana en ventanas con tasas de recombinación más altas.…

Una señal intercromosómica de todo el genoma ...

Se representa una señal de todo el genoma de la EA intercromosómica. Aquí, doble enriquecimiento (la proporción de…

Interacciones que involucran centros de AD que ...

Interacciones que involucran centros de AD que contienen elevadas África-Europa F S T (ver Materiales y ...

La co-ocurrencia de un fuerte ...

La co-ocurrencia de un concentrador de AD fuerte y elevado F S T en el…


Resumen del autor

Estudios genéticos en Drosophila han dilucidado las vías de señalización conservadas y los factores ambientales que juntos controlan el tamaño del organismo. En los seres humanos, cientos de genes están asociados con la variación de la altura, pero estas asociaciones no se han realizado en un entorno controlado. Como resultado, todavía nos falta una comprensión de los mecanismos que crean la variabilidad de tamaño dentro de una especie. Aquí, bajo condiciones ambientales cuidadosamente controladas, identificamos variantes genéticas naturales que están asociadas con la diversidad de tamaño en Drosophila. Identificamos un grupo de asociaciones cercanas al kek1 locus, un regulador de crecimiento bien caracterizado, pero por lo demás encuentran que la mayoría de las variantes están ubicadas en o cerca de genes que no pertenecen a las rutas conservadas pero que pueden interactuar con estas en una red biológica. Validamos 33 genes reguladores del crecimiento novedosos que participan en diversos procesos celulares, entre los que destaca el metabolismo celular y la polaridad celular. Este estudio es el primer análisis de asociación de todo el genoma de las variantes naturales subyacentes al tamaño en Drosophila y nuestros resultados complementan el conocimiento que hemos acumulado sobre este rasgo a partir de estudios mutacionales de genes individuales.

Citación: Vonesch SC, Lamparter D, Mackay TFC, Bergmann S, Hafen E (2016) El análisis de todo el genoma revela nuevos reguladores del crecimiento en Drosophila melanogaster. PLoS Genet 12 (1): e1005616. https://doi.org/10.1371/journal.pgen.1005616

Editor: Gregory S. Barsh, Facultad de Medicina de la Universidad de Stanford, ESTADOS UNIDOS

Recibió: 2 de mayo de 2015 Aceptado: 28 de septiembre de 2015 Publicado: 11 de enero de 2016

Derechos de autor: © 2016 Vonesch et al. Este es un artículo de acceso abierto distribuido bajo los términos de la licencia de atribución Creative Commons, que permite el uso, distribución y reproducción sin restricciones en cualquier medio, siempre que se acredite el autor y la fuente originales.

Disponibilidad de datos: Todos los datos relevantes están dentro del documento y sus archivos de información de respaldo.

Fondos: Este trabajo fue financiado por la subvención SXRTX0-123851 de SystemsX.ch, la subvención 31003AB_135699 de la Fundación Nacional de Ciencias de Suiza y el apoyo financiero de ETH Zurich a EH. Los patrocinadores no tuvieron ningún papel en el diseño del estudio, la recopilación y el análisis de datos, la decisión de publicar o la preparación del manuscrito.

Conflicto de intereses: Los autores han declarado que no existen intereses en competencia.


Entendiendo la variación

La respuesta a esta pregunta tiene amplias implicaciones que van desde nuestra capacidad para hacer predicciones sobre el riesgo de enfermedad a partir del genotipo, hasta nuestra capacidad para identificar los impulsores de la variabilidad interindividual y nuestra comprensión del modo de acción de la toxicidad. Explorar la contribución de las interacciones genotipo por medio ambiente (GxE) a la variación individual ha sido un gran desafío en los seres humanos, donde los estudios epidemiológicos que exploran GxE generalmente tienen poca potencia y tienen dificultades para cuantificar la exposición ambiental. Para abordar este problema, creamos un nuevo recurso comunitario para estudiar la base genética de la variación de rasgos complejos en Drosophila melanogaster compuesto por grandes poblaciones endogámicas sintéticas. El enfoque que describimos nos permite romper con los enfoques tradicionales y, a menudo, de poca potencia que se han basado en cepas endogámicas o RIL. Con este recurso comunitario nuevo y versátil, podemos criar miles de moscas genéticamente únicas extraídas de un grupo genético común, exponerlas a una variedad de entornos diferentes y contrastar las arquitecturas genéticas resultantes.

Los datos que hemos recopilado durante los últimos dos años indican que las diferencias en la sensibilidad individual surgen de la interrupción de los sistemas reguladores donde los individuos que son más sensibles al estrés ambiental tienen una menor robustez transcripcional para muchos genes y que esta variación en la robustez está bajo control genético. Hemos desarrollado un marco analítico para identificar redes transcripcionales dependientes del contexto y los polimorfismos que controlan esta variación. El impacto de las mutaciones que afectan la sensibilidad ambiental depende en gran medida de la interacción entre los antecedentes genéticos y el estrés ambiental simultáneamente. Tan importantes como son, las interacciones epistáticas asociadas con la variación en la penetrancia han sido notoriamente difíciles de identificar. Actualmente estamos desarrollando enfoques experimentales y estadísticos destinados a mapear y probar la contribución de dicha interacción de la variación individual en la sensibilidad ambiental.

Está bien establecido en genética cuantitativa que la exposición ambiental estresante tiende a aumentar la variación fenotípica de una población, pero ¿cómo y por qué?

Esta es una pregunta fundamental para cualquier biólogo interesado en comprender la base genética de la variación de rasgos complejos. Aunque los estudios de desarrollo, morfología y cría de animales han observado durante mucho tiempo la heterogeneidad de la varianza entre los genotipos, este eje de variación ha recibido poca atención en comparación con el efecto de la variación genética en las medias de los rasgos. Ahora existe una clara evidencia de la importancia del control genético de la varianza y que la varianza en sí misma es un rasgo cuantitativo. Esto tiene importantes implicaciones tanto en genética médica como en biología evolutiva. ¿Si es diferente de la genética? los antecedentes difieren en sus? propensión a la variabilidad fenotípica, entonces los individuos derivados de un trasfondo genético de alta variabilidad pueden exhibir un fenotipo extremo solo por casualidad. Una propiedad de ese genotipo que no habría sido informada por enfoques genéticos cuantitativos centrados en medios tradicionales. En el contexto del cambio evolutivo, esto podría acelerar o ralentizar la adaptación a nuevas condiciones. Con respecto a la salud, esto podría resultar en enfermedad, los cambios en la varianza pueden afectar la probabilidad de que los individuos se encuentren en las colas de la distribución. Por lo tanto, al centrarnos principalmente en el efecto de la variación genética en los promedios de los rasgos e ignorar su efecto sobre la varianza, es posible que estemos perdiendo un eje muy importante que contribuye a la variación fenotípica.
Nuestro laboratorio explora este problema desde una perspectiva evolutiva preguntando: ¿bajo qué escenario podría evolucionar el control de varianza? ¿Qué fuerzas evolutivas mantienen la variación de los alelos que controlan la variabilidad fenotípica? Y desde una perspectiva médica: ¿cómo afecta el control de la varianza nuestra capacidad para hacer predicciones de genotipo a fenotipo? ¿La presencia de alelos que aumentan la varianza aumenta la probabilidad de que un individuo esté en la cola de la distribución?
Colaboradores:
Dinámica evolutiva de variabilidad
Laboratorio Benjamin de Bivort (Harvard)
Barbara Engelhardt (El laboratorio BEE)
La robustez como motor de la aparición de enfermedades
Laboratorio Paivi Pajukanta (UCLA)
Laboratorio Noah Zaitlen (UCSF)
Un enfoque principal del laboratorio es estudiar cómo la interacción genotipo por genotipo y genotipo por medio ambiente modula las redes reguladoras de genes y, en última instancia, da forma a la variación individual.
El paradigma genético cuantitativo actual está impulsado por la opinión predominante de que los modelos genéticos aditivos, centrados en el efecto medio de alelos alternativos, explican adecuadamente la variación para la mayoría de los fenotipos. Desafortunadamente, una década después de la popularización de GWAS y a pesar de mucho esfuerzo, no hemos logrado el objetivo de explicar la mayor parte de la heredabilidad de los rasgos complejos en términos de efectos alélicos. Este enfoque de promediado está diseñado para describir el efecto medio de un alelo aleatorizado en un gran número de entornos y antecedentes genéticos. Pero cada individuo se ha enfrentado a una trayectoria única de agresiones ambientales, algunas de las cuales pueden tener efectos específicos de genotipo bastante importantes.
Un conjunto de pruebas de rápido crecimiento indica que el mapa genotipo-fenotipo es mucho más complicado de lo que predeciría el modelo aditivo de Fisher. Cuando se pueden realizar mediciones con un control razonable del medio ambiente, las interrelaciones complejas y no aditivas entre los loci parecen ser la regla y no la excepción. Además, estos efectos alélicos suelen ser sensibles al medio ambiente. El paradigma derivado de la genética cuantitativa tradicional está en desacuerdo con un objetivo principal de la genética, ya que a menudo buscamos comprender la ruta causal del genotipo al fenotipo para los individuos y no para las poblaciones.
En Drosophila , hemos desarrollado un recurso único para mapear la variación en rasgos complejos utilizando grandes poblaciones sintéticas exógamas de Drosophila. Estos paneles de mapeo genéticamente diversos nos permiten controlar los antecedentes genéticos y la frecuencia de los alelos, así como el entorno de cada población. En particular, nuestro método rompe con los enfoques tradicionales que a menudo se basan en cepas endogámicas problemáticas. Esto nos permite criar miles de moscas genéticamente únicas, extraídas de un grupo genético común, exponerlas a diferentes entornos y estudiar el efecto combinado del trasfondo genético y la perturbación ambiental. Actualmente nos centramos en los rasgos metabólicos.

En humanos, estamos colaborando con el laboratorio del Dr. Paivi Pajukanta en UCLA y estamos adoptando un enfoque de genética de sistemas para el estudio de los síndromes metabólicos (cohorte METSIN). Nuestro laboratorio ha desarrollado enfoques totalmente automatizados para realizar perfiles transcripcionales de alto rendimiento por una fracción del costo de los métodos actualmente disponibles. Esto nos permite perfilar una gran cantidad de individuos y utilizar un enfoque de genética de sistemas para estudiar la variación metabólica, haciéndonos eco de nuestro trabajo con las moscas.

Comprender la base genética de los rasgos complejos exige que vayamos más allá de la descripción de las relaciones entre el ADN polimórfico y la variación fenotípica. Con ese fin, adoptamos un enfoque de genética de sistemas, midiendo simultáneamente la variación en múltiples niveles de organización biológica es un primer paso necesario. Los patrones de correlación transcripcional permiten la construcción de redes de coexpresión que describen cómo la variación genética afecta la variación transcripcional (es decir, mi QTL) y cómo las redes transcripcionales dirigidas a su vez se correlacionan con la variación fenotípica. En conjunto, esta información nos permitirá trazar el camino causal desde la variación en la frecuencia de los alelos hasta las diferencias fenotípicas entre individuos. Tal direccionalidad indica el flujo de información biológica y establece el marco a través del cual se pueden predecir las perturbaciones. Esta es la promesa de la genética de sistemas: la formulación de predicciones causales que pintan una imagen detallada de un mapa dinámico de genotipo-fenotipo.

¿Puede el microbioma influir en las trayectorias evolutivas del huésped?

El microbioma da forma a muchos rasgos en los anfitriones, pero aún no entendemos cómo influye en la evolución del anfitrión. Para impactar la evolución del hospedador, el microbioma debe ser hereditario y tener efectos fenotípicos en el hospedador. Sin embargo, la herencia compleja y la dependencia del contexto del microbioma desafían los modelos tradicionales de evolución de los organismos. Adoptamos un enfoque multifacético para identificar las condiciones en las que el microbioma influye en las trayectorias evolutivas del huésped.

Actualmente estamos explorando modelos genéticos cuantitativos para estudiar cómo la herencia microbiana y los efectos fenotípicos pueden modular las respuestas evolutivas del huésped a la selección. Estamos particularmente interesados ​​en cómo los anfitriones pueden aprovechar los microbios adaptados localmente, aumentando la supervivencia en entornos estresantes. Además de cómo la variación microbiana puede aumentar la variación fenotípica del huésped, lo que permite la exploración de nuevos paisajes de aptitud.

La compleja interacción entre el huésped y la variación genética microbiana está sorprendentemente poco estudiada. Usamos una combinación de enfoques de la evolución experimental en Drosophila al muestreo ecológico en humanos a través de gradientes ambientales y estilo de vida. Nuestro objetivo es incorporar la variación microbiana en el modelo genético evolutivo y cuantitativo estándar para comprender mejor cómo se genera la variación fenotípica y, posteriormente, cómo opera la selección a través de escalas ecológicas y evolutivas.

¿Las enfermedades modernas surgen de genomas que vivieron en el pasado?

En un abrir y cerrar de ojos en el tiempo evolutivo, los humanos han explorado todos los rincones de este planeta y han demostrado una asombrosa capacidad para adaptarse a condiciones extremas. Los Turkana, una tribu de pastores seminómadas, viven en el norte de Kenia en uno de los entornos más áridos del mundo. Habiendo conservado su estilo de vida tradicional, los Turkana brindan una oportunidad única para abordar cómo las presiones ecológicas y la selección natural dan forma a la variación genética humana (una pregunta que exploraremos utilizando la secuenciación del genoma completo). Además, debido a los recientes desarrollos de infraestructura, muchos turkana se están mudando de sus tierras ancestrales a las ciudades. Esta situación única nos permite hacer otra pregunta importante: ¿qué sucede cuando una población adaptada localmente se trasplanta a un entorno urbano novedoso? Estas migraciones urbano-rurales suelen ir acompañadas de un mayor riesgo de enfermedades crónicas, sin embargo, nuestra comprensión mecanicista de cómo estas transiciones afectan la salud es limitada. Para abordar esta brecha, estamos contrastando los datos transcriptómicos y fenotípicos recopilados de Turkana tradicional con los que se han trasladado, durante su vida, a las principales ciudades. Juntos, este trabajo no solo nos permite volver sobre la historia de la evolución humana, sino también comprender cómo la interrupción de los sistemas adaptados localmente puede conducir a la enfermedad.

Sobre el pueblo Turkana

La gente de Turkana habita uno de los ecosistemas más áridos del este de África, con temperaturas máximas de 100 ° F durante todo el año y niveles bajos de precipitaciones estacionales e impredecibles. Los turkana son pastores nómadas y el 80% de su dieta se deriva de la leche u otros productos animales. Por tanto, la ingesta diaria de proteínas es extremadamente alta (300% de las necesidades de la OMS), pero la ingesta calórica total es baja (1.300-1.600 kcal / día para los adultos). Por lo tanto, los turkana son muy delgados, pero asumen la ardua tarea de recolectar agua a diario. Este proceso generalmente implica caminar varios kilómetros (de 5 a 10 km no es inusual) hasta pozos excavados en lechos de ríos secos y transportar agua desde el fondo de un pozo (que puede exceder los 30 pies durante la estación seca). Luego, el agua debe llevarse de regreso al hogar y compartirse entre la familia y el ganado. Como resultado, los turkana beben relativamente poca agua a diario, aunque toleran el calor extremo y ejercen una energía considerable, lo hacen a pesar de las reservas calóricas limitadas y una dieta rica en proteínas, cuya digestión requiere mucha más energía que las grasas o los carbohidratos. Este estilo de vida extremo probablemente ha sido seleccionado para numerosas adaptaciones fisiológicas en la gente de Turkana que pretendemos descubrir.

Somos muy afortunados de trabajar con un equipo increíble con base en el Centro de Investigación de Mpala bajo la dirección de nuestro colaborador, el Dr. Dino Martins.

Descargue nuestros protocolos y métodos.

Si está interesado en nuestros protocolos, mire este espacio.

TM3’seq: un enfoque de secuenciación 3 ’mediado por etiquetado para mejorar la escalabilidad de los experimentos de RNA-seq

RNA-seq se ha convertido en la herramienta estándar para recopilar datos de expresión de todo el genoma en campos muy diversos, desde la ecología y la biología del desarrollo hasta la genética cuantitativa y la genómica médica. Sin embargo, la preparación de la biblioteca RNA-seq, así como sus requisitos de secuenciación, siguen siendo prohibitivos para muchos laboratorios, en particular cuando se trata de muestras de gran tamaño. Recientemente, el campo de la transcriptómica unicelular ha podido reducir costos y aumentar el rendimiento mediante la adopción de un enfoque que codifica muestras individuales durante la transcripción inversa y las agrupa antes de la síntesis de ADNc, procesando efectivamente una sola muestra para la mayor parte del procedimiento de preparación de la biblioteca. Por el contrario, los protocolos RNA-seq donde cada muestra se procesa individualmente son significativamente más caros y de menor rendimiento que los enfoques de una sola célula. Sin embargo, muchos enfoques experimentales están diseñados en torno a experimentos de seguimiento en un subconjunto de muestras y, por lo tanto, requieren que se generen bibliotecas individuales para cada muestra. Para llenar este vacío, hemos desarrollado TM3’seq, un protocolo de preparación de bibliotecas enriquecido en 3 ’que utiliza la transposasa Tn5 y conserva la identidad de la muestra en cada paso. TM3'seq está diseñado para el procesamiento de alto rendimiento de muestras individuales (96 muestras en 6 h, con solo 3 h de tiempo práctico) a una fracción del costo de los kits comerciales ($ 1.5 por muestra), mientras se recuperan los perfiles de expresión génica del misma calidad que los kits comerciales. Esperamos que las características rentables y rentables de TM3’seq hagan que los experimentos de RNA-seq a gran escala sean más permisivos para toda la comunidad científica.

TM3’seq: un enfoque de secuenciación 3 ’mediado por etiquetado para mejorar la escalabilidad de los experimentos de RNA-seq Luisa F. Pallares, Serge Picard, Julien F. Ayroles. (2019) bioRxiv https://doi.org/10.1101/585810

Conozca a los miembros de nuestro laboratorio.

Julien Ayroles

Investigador principal

Julien ha seguido un camino diverso a lo largo de su carrera. Como licenciado en la Universidad Paul Sabatier en Toulouse (Francia) y como estudiante de maestría en UI Urbana-Champaign, su formación fue principalmente en ecología y biología evolutiva. Durante este tiempo, desarrolló un gran interés en la biología de la conservación que más tarde lo llevó a la genética. Completó su Ph.D. en la Universidad Estatal de Carolina del Norte bajo la tutoría de los Dres. Eric Stone y Trudy Mackay. Durante su doctorado, desarrolló varios enfoques que se centraron en el uso de un enfoque de genética de sistemas para diseccionar la base genética de rasgos complejos en Drosophila. Luego fue elegido miembro de la Harvard Society of Fellows como Junior Fellow, donde estudió la relación entre la variación genética natural permanente y la variación fenotípica, uniendo enfoques teóricos y empíricos. Su formación en ecología y evolución lo fundamenta como biólogo de organismos, y es en ese contexto que aborda el trabajo molecular y funcional en el laboratorio.

Luisa F. Pallares

Postdoctorado

Luisa hizo su Licenciatura en Biología en la Universidad Nacional de Colombia en Bogotá. Bajo la supervisión del Dr. Joao Muñoz estudió la ecología y evolución del comportamiento social en Cánidos. Para sus estudios de posgrado, Luisa se mudó a Alemania, donde trabajó con el profesor Diethard Tautz en el Instituto Max Planck de Biología Evolutiva y recibió su doctorado en 2015. Su investigación se centró en comprender la arquitectura genómica de la forma craneofacial y sus implicaciones para la evolución. de variación entre especies y dentro de las especies en ratones. Trabajó en el mismo instituto como investigadora postdoctoral tratando de obtener una comprensión mecanicista sobre cómo y cuándo las mutaciones en los loci candidatos se reflejan en los fenotipos adultos. Luisa está interesada en la evolución de rasgos complejos y está muy interesada en la naturaleza dinámica del mapa genotipo-fenotipo.

Amanda Lea

Postdoctorado

Amanda recibió su licenciatura en Ecología y Biología Evolutiva de la Universidad de California: Los Ángeles, y su doctorado en Ecología de la Universidad de Duke. Su doctorado fue co-asesorado por Susan Alberts y Jenny Tung. En Princeton, es becaria postdoctoral de la Fundación Helen Hay Whitney y trabaja con Julien Ayroles y Josh Akey.

Simon Forsberg

Postdoctorado

Simon hizo su licenciatura en biotecnología y su maestría en bioinformática en la Universidad de Uppsala (Suecia). Luego realizó sus estudios de doctorado en genética cuantitativa y computacional bajo la supervisión de Örjan Carlborg. Su trabajo de doctorado se centra en las interacciones genéticas y el control genético de la variabilidad fenotípica. Simon está muy interesado en las arquitecturas genéticas de rasgos complejos y en la predicción de fenotipos individuales basados ​​en su genotipo. En particular, está interesado en el tema de los componentes individuales versus sistemas completos: hasta qué punto podemos entender la genética de rasgos complejos al estudiar un gen a la vez, y hasta qué punto debemos considerar el abrumador número de posibles interacciones. ¿entre ellos?

Diogo Melo

Postdoctorado

Diogo tiene una licenciatura en biología de la Universidad de São Paulo, donde también obtuvo una maestría (2012) y un doctorado. (2019) en genética y biología evolutiva, en colaboración con el profesor Gabriel Marroig. El trabajo de Diogo se centra en la evolución de las correlaciones genéticas, un tema que explora utilizando varios enfoques diferentes, incluido el mapeo QTL, la evolución experimental, las simulaciones por computadora y los datos comparativos. Se une al laboratorio de Ayroles como becario posdoctoral presidencial de Princeton.

Marjolein Bruijning

Postdoctorado en el Metcalf Lab

Luke Henry

Estudiante graduado

Luke recibió su licenciatura en biología y BM en interpretación de fagot de Bard College. Como estudiante, trabajó con la Dra. Felicia Keesing en la ecología de la enfermedad de Lyme en múltiples escalas ecológicas. Después de graduarse, como técnico en la Universidad de Virginia con el Dr. Ben Blackman, investigó la adaptación al fotoperíodo en girasoles silvestres y domesticados. Recibió su Maestría en Biología de la Universidad de Indiana, trabajando con los Dres. Keith Clay e Irene Newton sobre el mantenimiento y la ecología de la transmisión materna en DrosophilaWolbachia-simbiosis mitoch ondria. En Princeton, está interesado en comprender cómo las interacciones de las especies influyen en la evolución a nuevos entornos mediante el uso de asociaciones huésped-microbioma como un modelo de sistema ecológico y evolutivo.

Scott Wolf

Estudiante graduado

Scott recibió su licenciatura en matemáticas junto con una especialización en historia e inglés de la Universidad de Arkansas en Little Rock. Como estudiante, participó extensamente en el desarrollo de software en la industria y el mundo académico. En Princeton, está interesado en cómo los fundamentos de las matemáticas, la informática y la estadística se cruzan con la fisiología, la genómica y la neurociencia para dar una idea de los sistemas biológicos complejos.

Ken Igarza

Estudiante graduado

Ken recibió su B.S. en Neurociencia y Biología del Comportamiento y B.A. en Estudios Internacionales de la Universidad de Emory. Como miembro del IMSD, trabajó con Gary Miller en Emory para revelar los efectos de las sustancias tóxicas en el sistema dopaminérgico. Más tarde, como miembro del HHMI-EXROP en el laboratorio de Richard Axel en la Universidad de Columbia, estudió los correlatos neuronales de los comportamientos innatos. Como estudiante de doctorado en el Instituto de Neurociencia de Princeton, Ken espera investigar cómo la información sensorial representada en el cerebro invertebrado contribuye a diversos fenotipos.

Julie Peng

Investigador asociado

Julie obtuvo su licenciatura en medicina en la Universidad Médica de Harbin, China y su doctorado. en Biología Molecular y Celular en SUNY-Downstate Medical Center bajo la supervisión de la Dra. Maureen McLeod. Estudió las vías de transducción de señales que regulan la meiosis utilizando levadura de fisión. Schizosaccharomyces pombe como modelo. Antes de unirse al laboratorio de Ayroles, trabajó como especialista en investigación en el laboratorio de Andolfatto en la Universidad de Princeton. Aplicó varias tecnologías genómicas, especialmente la secuenciación de próxima generación (NGS) para comprender la evolución del genoma y los mecanismos genéticos que subyacen a las adaptaciones en una variedad de especies. Está interesada en desarrollar métodos genómicos novedosos y automatización de alto rendimiento para estudios genéticos de poblaciones a gran escala.

Michael Fernandez

Asistente de investigación

Michael completó recientemente su BA de UC Berkeley. Actualmente investiga la contribución del microbioma para albergar la variación fenotípica.

Examine nuestras publicaciones.

Publicado:

34- Henry L.P., Bruijning M., Forsberg K.G.S., Ayroles J.F. (2019). ¿Puede el microbioma influir en las trayectorias evolutivas del anfitrión? BioRxiv 700237.

33- Amanda L., Gurven M., Kamau J, Martins D., Ayroles J.F. (2019). La integración del mercado y la urbanización tienen efectos fuertes y no lineales sobre la salud metabólica en la tribu Turkana. BioRxiv 756866.

32- Palares LF, Picard S, Ayroles JF. (2019). TM3’seq: un enfoque de secuenciación 3 ’mediado por etiquetado para mejorar la escalabilidad de los experimentos de RNA-seq. bioRxiv 585810 (en revisión Genome Biology).

31- Bruijning M, Metcalf J, Jongejans E y Ayroles JF. (2019). Explorando las consecuencias de la aptitud de la variación intragenotípica. bioRxiv, 439659 (en prensa Tendencias en ecología y evolución).

30- A J Lea, M Subramaniam, A Ko, T Lehtimäki, E Raitoharju, MikaKähönen, I Seppälä, N Mononen, O Raitakari, M Ala-Korpela, P Pajukanta, N Zaitlen, Ayroles JF. (2019). Las perturbaciones genéticas y ambientales conducen a la decoherencia regulatoria. eLife 20198: e40538

29- S Musharoff, DS Park, A Dahl, JM Galanter, X Liu, S Huntsman, C Eng, Burchard EG, Ayroles JF *, Zaitlen N * (2018) Existencia e implicaciones de la estructura de varianza de la población. bioRxiv, 439661 (en revisión para AJHG). (* contribución igual)

28- Schrider DR, Ayroles JF, Matute DR, AD Kern AD. (2018). El aprendizaje automático supervisado revela loci introgresados ​​en los genomas de Drosophila simulans y D. sechellia. Genética PLoS 14 (4), e1007341.

27- Dumitrascu B, Darnell G, Ayroles JF, Engelhardt BE. (2018). Pruebas estadísticas para detectar efectos de varianza en estudios de rasgos cuantitativos. Bioinformática 1, 11.

24 & # 8211 Zwarts L, Broeck LV, Cappuyns E, Ayroles JF, Magwire MM, Vulsteke V, Clements J, Mackay TF, Callaerts P. (2015) La base genética de la variación natural en el tamaño del cuerpo del hongo en Drosophila melanogaster. Comunicaciones de la naturaleza.11:6.

23 & # 8211 Ayroles JF, Buchanan SM, O'Leary C, Skutt-Kakaria K, Grenier JK, Clark AG, Hartl DL, de Bivort BL. (2015). La idiosincrasia conductual revela el control genético de la variabilidad fenotípica. procedimientos de la Academia Nacional de Ciencias 112(21):6706-11.

21 & # 8211 Matute DR *, Ayroles JF *. (2014) La hibridación ocurre entre Drosophila simulans y D. sechellia en el archipiélago de Seychelles. Revista de biología evolutiva. 27(6):1057-68.

20- Corbett-Detig RB, Zhou J, Clark AG, Hartl DL, Ayroles JF. (2013). Las incompatibilidades genéticas dentro de las especies están muy extendidas. Naturaleza, 504, 135–137.

19- Huang W, Richards S, Carbone MA, Zhu D, Anholt RRH, Ayroles JF, et al. (2012) La epistasis domina la arquitectura genética de los rasgos cuantitativos de Drosophila. PNAS, 109:15553-15559.

18- Massouras A, Waszak SM, Albarca M, Hens K, Holcombe K, Ayroles JF, Dermitzakis ET, Eric A Stone EA, Jensen JD, Mackay TFC, Deplancke B. (2012) Variación genómica y su impacto en la expresión genética en Drosophila Melanogaster. Genética Plos. 8 (11): e1003055.

17- Mackay TFC *, Richards S *, Barbadilla A *, Stone EA *, Ayroles JF *, Zhu D, Sònia Casillas. et. Alabama. (2012) El panel de referencia de genética de Drosophila: un recurso comunitario para el análisis de la genómica de poblaciones y los rasgos cuantitativos. Naturaleza, 482(7384):173-8. Facultad de 1000, Biología

16 & # 8211 Ober U, Ayroles JF, Stone EA, Richards S, Zhu D, Gibbs RA, Stricker C, Gianola D, Schlather M, Mackay TFC, Simianer H. (2011) Uso de datos de secuencia del genoma completo para predecir fenotipos de rasgos cuantitativos en Drosophila melanogaster. Genética PLoS, 8 (5): e1002685. Facultad de 1000, Biología

15 y # 8211 Rowe K, Singhal S, MacManes M, Ayroles JF, Morelli TL, Rubidge E, Bi K, Moritz C (2012). Museum Genomics: datos genéticos de alta precisión y bajo costo a partir de especímenes históricos. Recursos de ecología molecular, 11(6): 1082–1092.

14 y # 8211 Ayroles JF, Laflamme B, Wolfner MA, Mackay TFC. (2011) Análisis de los datos: identificación de los principales candidatos para genes de proteínas novelseminales a partir de datos de expresión del genoma completo de Drosophila. Investigación genética, 93(6): 387-395.

13 & # 8211 Jumbo-Lucioni P *, Ayroles JF *, Chambers MM, Jordan KW, Leips J, Mackay TF, De Luca M. (2010) Systems Genetics Analysis of Body Weight and Energy Metabolism Traits In Drosophila Melanogaster. BMC Genomics, 11 (11): 297. (* Contribuyó igualmente)

12 & # 8211 Edwards, A, Ayroles JF, Stone EA, Mackay TFC. (2009) Una red transcripcional asociada con la variación natural en el comportamiento agresivo de Drosophila. Biología del genoma, 10 (7): R76.

11 & # 8211 Mackay TFC, Stone EA, Ayroles JF. (2009) Genética cuantitativa: perspectivas y desafíos. Nature Review Genética, 10(8): 565-577.

10 & # 8211 Morozova TV *, Ayroles JF *, Jordan KW, Duncan LH, Carbone MA, Lyman RF, Stone EA, Govindaraju DR, Ellison RC, Mackay TF, Anholt RR. (2009) Sensibilidad al alcohol en Drosophila: potencial traslacional de la genética de sistemas. Genética, 183 (2): 733-745 (* Contribuyó igualmente)

9 & # 8211 Harbison ST, Carbone MA, Ayroles JF, Stone EA, Lyman RF, Mackay TFC (2009) Las redes transcripcionales co-reguladas contribuyen a la variación genética natural en el sueño de Drosophila. Genética de la naturaleza, 41(3): 371-375.

8 & # 8211 Ayroles JF, Carbone MA, Stone EA, Jordan KW, Lyman RF, Magwire MM, Rollman SM, Duncan LH, Lawrence F, Anholt RH, Mackay TFC. (2009) Genética de sistemas de rasgos complejos en Drosophila melanogaster. Genética de la naturaleza, 41(3): 299-307. Facultad de 1000, Biología

7 & # 8211 Kocher SD, Ayroles JF, Stone EA, Grozinger CM. (2009) Genómica de la respuesta a las feromonas: cooperación y conflicto en las abejas melíferas. Más uno, 5 (2): e9116.

6 & # 8211 Stone EA, Ayroles JF. (2009) Agrupación de modularidad modulada como herramienta exploratoria para la inferencia genómica funcional. Genética PLoS, 5 (5): e1000479.

5 & ​​# 8211 Ayroles JF, Hughes KA, Reedy MM, Rodriguez-Zas SL, Drnevich JM, Rowe KC, Cáceres CE, Paige KN. (2009) Evaluación de todo el genoma de la depresión por consanguinidad en Drosophila Melanogaster. Biología de la Conservación, 23(4): 920-930.

4 & # 8211 Carbone MA, Ayroles JF, Yamamoto A, Morozova TV, West SA, Magwire MM, Mackay TF, Anholt RR. (2009) La sobreexpresión de miocilina en el ojo de Drosophila activa la respuesta de la proteína desplegada: implicaciones para el glaucoma. Más uno, 4 (1): e4216.

3 y # 8211 Ayroles JF, Gibson G. (2006) Análisis de varianza de datos de microarrays. Métodos Enzymol, 411: -33.

2 & # 8211 Hughes KA, Ayroles JF, Reedy MM, Drnevich JM, Rowe KC, Ruedi EA, Cáceres CE, Paige KN. (2006) Segregación de la variación en el transcriptoma: regulación cis y aditividad de los efectos. Genética 173(3): 1347-1355.

1 & # 8211 Dejean A, Solano PJ, Ayroles JF, Corbara B, Orivel J. (2005) Comportamiento de los insectos: las hormigas arbóreas construyen trampas para capturar presas. Naturaleza, (434):973.

Capítulo del libro:

1- Metcalf CJE *, Ayroles JF *. (2019). Capítulo: "¿Por qué persiste la varianza intragenotípica?En el libro titulado "Problemas no resueltos en ecología". Prensa de la Universidad de Princeton. (* contribución igual)


Esta hoja de cálculo es una hoja de trabajo de la Tabla complementaria 2 de Hangnoh Lee, C.Joel McManus, Dong-Yeon Cho, Matthew Eaton, Fioranna Renda, Maria Patrizia Somma, Lucy Cherbas, Gemma May, Sara Powell, Dayu Zhang, Lijun Zhan, Alissa Resch , Justen Andrews, Susan Celniker, Peter Cherbas, Teresa Przytycka, Maurizio Gatti, Brian Oliver, Brenton Graveley y David MacAlpine (2014): evolución del número de copias de ADN en Drosophila, Genome Biology 2014, 15 (8): R70. En unos pocos casos, DNA-seq se llevó a cabo de forma independiente en más de uno de los laboratorios participantes, en estos casos ambos conjuntos de datos se muestran en la hoja de cálculo, que se distinguen por las iniciales del PI del laboratorio. Las filas representan ventanas de 1 kb que cubren todo el genoma. Las columnas se definen de la siguiente manera:

Cromosoma (brazos) Brazos de cromosomas de Drosophila basados ​​en el genoma de referencia (Versión 5)
Comienzo Posiciones base desde donde comienzan las ventanas de 1kb
"Nombre de línea de celda" _CopyNumber Copy número de la ventana de 1kb
"Nombre de la línea celular" _Call Información de ganancia o pérdida de copia de ADN
HighCopyHits Número de líneas de celda que se denominan "Copia alta" (= ganancia) para la ventana
LowCopyHits Número de líneas de celda que se denominan "Copia baja" (= pérdida) para la ventana
valor p HighCopyHits valor p de HighCopyHits de la ventana que se determina mediante una prueba de permutación
valor p LowCopyHits valor p de LowCopyHits de la ventana que se determina mediante una prueba de permutación
q valor HighCopyHits Valores p corregidos por FDR para HighCopyHits (FDR: Tasa de descubrimiento falso)
q valor LowCopyHits Valores p corregidos por FDR para HighCopyHits (FDR: Tasa de descubrimiento falso)


Los científicos comparan doce genomas de moscas de la fruta

Bethesda, Maryland, Miércoles, 7 de noviembre de 2007 - Un consorcio de investigación internacional de científicos, apoyado por el Instituto Nacional de Investigación del Genoma Humano (NHGRI), parte de los Institutos Nacionales de Salud (NIH), anunció hoy publicaciones que comparan las secuencias del genoma de 12 especies de moscas de la fruta relacionadas, 10 de las cuales fueron secuenciadas por primera vez. Los análisis identifican miles de genes nuevos y otros elementos funcionales en los genomas de los insectos y describen cómo la evolución ha dado forma a los genomas de estos importantes modelos para la investigación genética.

"Este notable logro científico subraya el valor de secuenciar y comparar muchas especies estrechamente relacionadas, especialmente aquellas con gran potencial para mejorar nuestra comprensión de los procesos biológicos fundamentales", dijo Francis S. Collins, M.D., Ph.D., director de NHGRI. "Gracias al arduo trabajo del consorcio, los científicos de todo el mundo ahora tienen una nueva y rica fuente de datos genómicos que pueden extraerse de muchas formas diferentes y aplicarse a otros sistemas modelo importantes, así como a los humanos".

La mosca de la fruta es uno de los organismos modelo más importantes en la investigación genética. En estudios que se remontan a casi un siglo, los investigadores utilizaron moscas de la fruta para descubrir las reglas básicas de la herencia y estudiar cómo una sola célula, el óvulo fertilizado, se convierte en un animal completo. Debido a que es fácil trabajar con las moscas de la fruta en entornos de laboratorio, continúan utilizándose como modelo para estudiar los procesos biológicos fundamentales que ocurren en muchos seres vivos, incluidos los humanos.

Aunque las moscas de la fruta tienen un genoma que es 25 veces más pequeño que el genoma humano, muchos de los genes de las moscas corresponden a los de los humanos y controlan las mismas funciones biológicas. En los últimos años, la investigación de la mosca de la fruta ha llevado a descubrimientos relacionados con la influencia de los genes en las enfermedades, el desarrollo animal, la genética de poblaciones, la biología celular, la neurobiología, el comportamiento, la fisiología y la evolución.

En artículos publicados en la revista Naturaleza, los Drosophila El Consorcio Comparativo de Secuenciación y Análisis del Genoma compara las secuencias del genoma de Drosophila melanogaster, que se publicó en 2000, y D. pseudoobscura, publicado en 2005, con los genomas secuenciados recientemente de D. sechellia, D. simulans, D. yakuba, D. erecta, D. ananassae, D. persimilis, D. willistoni, D. mojavensis, D. virilis y D. grimshawi. Además, dos manuscritos complementarios en la actualidad Naturaleza fueron aportados por investigadores del Laboratorio de Biología Celular y del Desarrollo del Instituto Nacional de Diabetes y Enfermedades Digestivas y Renales, en NIH.

El trabajo fue realizado por cientos de científicos de más de 100 instituciones en 16 países. La secuenciación de los 10 nuevos genomas fue dirigida por Agencourt Bioscience Corp., Beverly, Mass. Otros centros de secuenciación que contribuyeron a la secuenciación fueron la Facultad de Medicina de la Universidad de Washington, St. Louis, Missouri, el Instituto Broad del MIT y Harvard, Cambridge, Mass., Y el Instituto J. Craig Venter, Rockville, Maryland. Los centros de secuenciación fueron financiados como parte de la Red de Investigación de Secuenciación a Gran Escala del NHGRI.

Para la persona promedio, una mosca de la fruta que vuela alrededor de un plátano demasiado maduro se parece mucho a cualquier otra. Los investigadores encontraron que, a primera vista, los genomas de los diversos tipos de moscas de la fruta parecen bastante similares. Sin embargo, un examen más detallado revela que solo el 77 por ciento de los aproximadamente 13.700 genes que codifican proteínas en D. melanogaster se comparten con las otras 11 especies.

Los científicos observaron que diferentes regiones de los genomas de la mosca de la fruta, incluidos los genes que codifican proteínas y las familias de genes, están evolucionando a diferentes ritmos. Por ejemplo, los genes implicados en el gusto y el olfato, la desintoxicación y el metabolismo, el sexo y la reproducción, y la inmunidad y la defensa parecen ser los que evolucionan más rápidamente en los genomas de la mosca de la fruta.

Los hallazgos sugieren que estos genes que codifican proteínas en particular probablemente evolucionen en el genoma de la mosca de la fruta como resultado de la adaptación a los entornos cambiantes y la selección sexual. Por ejemplo, la especie de mosca de la fruta D. sechellia, cuya población vive en las islas Seychelles en el Océano Índico, está perdiendo receptores gustativos (gusto) aproximadamente cinco veces más rápido que otras especies de moscas de la fruta que generalmente encuentran un conjunto de alimentos más diverso que los disponibles en una isla.

En un hallazgo sorprendente, los investigadores encontraron que los genes que producen selenoproteínas parecen estar ausentes en el D. willistoni genoma. Las selenoproteínas son responsables de reducir las cantidades excesivas del mineral selenio, un antioxidante que se encuentra en una variedad de fuentes alimenticias. Las selenoproteínas están presentes en todos los animales, incluidos los humanos. D. willistoni parece ser el primer animal que se sabe que carece de estas proteínas. Sin embargo, los investigadores sugieren que D. willistoni posiblemente codifique selenoproteínas de una manera diferente, abriendo una nueva vía para futuras investigaciones.

Un líder del proyecto y coautor de los estudios, William M. Gelbart, Ph.D., de la Universidad de Harvard en Cambridge, Massachusetts, dijo: "La disponibilidad de los 12 genomas de la mosca de la fruta dio como resultado un aumento dramático en la resolución que nos permite examinar cómo la evolución ha afinado los procesos biológicos. Nuestro trabajo muestra que el poder de descubrimiento aumenta con el número de genomas disponibles para la comparación ".

Más de 40 manuscritos complementarios con análisis más detallados se encuentran en ediciones actuales y futuras de Bioinformática, BioMed Central (BMC) Bioinformática, BMC Evolution Biology, BMC Genomics, Genetics, Genome Biology, Genome Research, Journal of Insect Science, Molecular Biology and Evolution, Nature Genetics, Public Library of Science (PLoS) Genetics, PLoS One, Actas de la Academia Nacional de Ciencias y Tendencias en Genética.

Además de sus análisis destinados a comprender mejor la evolución genómica, los científicos del consorcio utilizaron los 12 genomas de la mosca de la fruta para identificar miles de genes nuevos y otros elementos funcionales. Este trabajo reforzará los esfuerzos para encontrar todos los elementos funcionales en la secuencia del genoma de referencia de D. melanogaster.

"La comparación de los 12 genomas de la mosca de la fruta nos permitió reconocer las firmas evolutivas características de cada función. Estas firmas nos permitieron distinguir e identificar miles de nuevos elementos funcionales". dijo Manolis Kellis, Ph.D., del Instituto de Tecnología de Massachusetts en Cambridge, Mass., y coautor de la Naturaleza documentos.

Específicamente, los investigadores utilizaron las señales evolutivas para descubrir 1.193 nuevas secuencias codificantes de proteínas y cuestionaron 414 secuencias previamente informadas como genes codificadores de proteínas en el D. melanogaster secuencia del genoma. Además, encontraron cientos de elementos funcionales novedosos en los 12 genomas de la mosca de la fruta, que incluyen: genes que no codifican proteínas, elementos reguladores involucrados en el control de la transcripción de genes y secuencias de ADN que median la estructura y dinámica de los cromosomas.


Actualizaciones recientes

26 de agosto de 2018-28 Drosophila Ensambles ahora disponibles

Los navegadores del genoma para todos los ensamblajes del genoma de 28 Drosophila las especies están ahora disponibles. Los navegadores de genoma disponibles incluyen D. melanogaster, las 11 especies secuenciadas por el Drosophila 12 Genomes Consortium, las 8 especies secuenciadas por modENCODE, y 8 especies adicionales que están clasificadas como genomas representativos de NCBI RefSeq. Todas las especies excepto D. navojoa tienen pistas de evidencia basadas en datos de RNA-Seq (es decir, cobertura de lectura, predicciones de unión de empalme, transcripciones ensambladas). Los "Drosophila La pista de evidencia de las transcripciones de Gnomon en cada ensamblaje muestra las alineaciones con las transcripciones de los otros 27 Drosophila especies.

30 de abril de 2015: nueve nuevos Drosophila Ensambles ahora disponibles

Los ensamblajes del genoma de ocho de estos Drosophila Las especies fueron producidas por el Centro de Secuenciación del Genoma Humano de la Facultad de Medicina de Baylor (BCM-HGSC) como parte del proyecto modENCODE. los Drosophila suzukii El montaje fue producido por el Instituto de Genómica de Beijing como parte del Proyecto Spotted Wing Drosophila.

07 de agosto de 2014 - D. melanogaster Ensamblaje Release 6

Una versión inicial del navegador del genoma para D. melanogaster El ensamblaje de la versión 6 ("Julio de 2014 (BDGP R6)") ahora está disponible a través de la página Genome Gateway. El ensamblaje de la versión 6 fue producido por el Proyecto Genoma de Drosophila de Berkeley y las anotaciones son de la versión 6.01 de FlyBase.


Las complejidades y matices del análisis del genoma de Drosophila ananassae y es Wolbachia Endosimbionte

En “Los retrotransposones son los principales contribuyentes a la expansión de la Drosophila ananassae Muller F Element, ”Leung et al. (2017) mejoraron los contigs atribuidos al elemento Muller F del ensamblaje CAF1 original, y los usaron para concluir que la mayor parte de la expansión de la secuencia del cuarto cromosoma de D. ananassae se debe a una carga de transposones más alta de lo que se pensaba anteriormente, pero no se debe a Wolbachia Integraciones de ADN. Si bien no estamos en desacuerdo con la primera conclusión, los autores basan su segunda conclusión en la falta de homología detectada entre su ensamblaje genómico CAF1 mejorado atribuido a D. ananassae y referencia Wolbachia genomas. Si bien el ensamblaje del genoma CAF1 de consenso carece de similitud de secuencia con el genoma de referencia del Wolbachia endosimbionte de Drosophila melanogaster (wMel), numerosos estudios de múltiples laboratorios proporcionan apoyo experimental para una gran transferencia de genes lateral / horizontal (LGT) de un Wolbachia genoma en esto D. ananassae línea. Como tal, sospechamos fuertemente que el ensamblaje original del genoma completo se construyó después de la eliminación de todos Wolbachia lee, o eso Wolbachia Las secuencias se eliminaron directamente de los contigs en el ensamblaje de CAF1. Por lo tanto, Leung et al. (2017) no pudo haber identificado el Wolbachia LGT utilizando el conjunto CAF1. Este manuscrito de Leung et al. (2017) destaca que una asamblea de la Wolbachia lecturas de secuencia y sus pares de mate se atribuyeron erróneamente únicamente a la Wolbachia endosymbiont, aunque antes de que comprendiéramos el alcance de LGT en D. ananassae. Como tal, recomendamos que las secuencias depositadas en el Centro Nacional de Información Biotecnológica (NCBI) bajo PRJNA13365 no deben atribuirse a Wolbachia endosimbionte de D. ananassae, pero el NCBI debe reclasificar su taxonomía como "Secuencias no clasificadas". A medida que mejore nuestro conocimiento sobre la biología del genoma, debemos reconsiderar y volver a analizar los genomas anteriores eliminando el prejuicio introducido por los paradigmas ahora desaparecidos.

Estábamos interesados ​​en leer el artículo reciente de Leung. et al. (2017) titulado “Los retrotransposones son los principales contribuyentes a la expansión del Drosophila ananassae Muller F Element ". Leung et al. (2017) utilizan contigs atribuidos al elemento Muller F del ensamblaje CAF1 original (Zimin et al. 2008), así como las mejoras que hicieron, para concluir que la mayor parte de la expansión de la secuencia del cuarto cromosoma de D. ananassae se debe a una carga de transposones más alta de lo que se pensaba anteriormente, pero no se debe a Wolbachia Integraciones de ADN. Aunque no estamos en desacuerdo con la primera conclusión, nos sorprendió ver que los autores afirmaron que el Wolbachia secuencias integradas en el D. ananassae El genoma es un contribuyente menor a la expansión del elemento Muller F. Los autores basan sus conclusiones en la falta de homología detectada entre sus mejoras en el ensamblaje del genoma CAF1 atribuidas a D. ananassae y referencia Wolbachia genomas. Sin embargo, el ensamblaje de CAF1 se llevó a cabo en un momento en que el dogma era que los genomas animales no contenían transferencia génica lateral / horizontal (LGT) de bacterias. Como tal, sospechamos fuertemente que el ensamblaje del genoma completo original se construyó después de la eliminación de todas las lecturas que coinciden con el genoma cerrado / completo de la Wolbachia endosimbionte de Drosophila melanogaster (wMel), el único Wolbachia genoma disponible en ese momento, o que contigs en el ensamblaje coinciden con el genoma cerrado / completo del Wolbachia endosimbionte de D. melanogaster (wMel) se quitaron de los dos conjuntos utilizados para construir el conjunto CAF1. A pesar de nuestros mejores esfuerzos para aclarar esto contactando a tantos expertos en montaje involucrados en ese momento como pudimos encontrar, no podemos decirlo definitivamente. Sin embargo, esta deducción está respaldada por el gran número de lecturas de secuencia sin procesar con homología a Wolbachia, y que las únicas porciones de Wolbachia secuencia en el ensamblaje de CAF1 son aquellas regiones que no comparten homología con el wMel genoma, como se discutió anteriormente (Klasson et al. 2009). Dado el dogma en ese momento, es razonable que se emprendiera cualquiera de estos enfoques, pero desafortunadamente no se informó. Por lo tanto, Leung et al. (2017) no pudo haber identificado el Wolbachia LGT en el cuarto o cualquier cromosoma de D. ananassae utilizando el ensamblaje CAF1, ya que la mayoría de los Wolbachia Se han eliminado las secuencias.

Además, dado que el proyecto original de secuenciación del genoma completo en D. ananassae (Consorcio de 12 genomas de Drosophila et al. 2007) no se basó en el ADN genómico preparado a partir de embriones de una línea tratada con antibióticos para eliminar el Wolbachia endosimbiontes (T. Markow, comunicación personal), ahora entendemos que el “Wolbachia"Lecturas de secuencia son una mezcla de Drosophila y Wolbachia secuencias. Desafortunadamente, dada la gran similitud entre la LGT y la bacteria residente, no es posible asignar las lecturas a la Drosophila genoma o el Wolbachia genoma. Este trabajo colectivo en D. ananassae genómica, incluido este manuscrito de Leung et al. (2017), destaca que un ensamblaje de estas secuencias se atribuyó erróneamente únicamente a la Wolbachia endosymbiont (Salzberg et al. 2005), aunque antes de que comprendiéramos el alcance de LGT que se produce entre Wolbachia y sus anfitriones. Ahora sabemos que hay varias copias del Wolbachia genoma integrado en el D. ananassae genoma con mutagénesis de inserción del LGT por retrotransposones activos en D. ananassae (Klasson et al. 2014 Dunning Hotopp et al. 2007), lo que hace casi imposible resolver la secuencia y la organización con técnicas de secuenciación de próxima generación o cromosomas artificiales bacterianos. Por lo tanto, usamos fluorescencia en el lugar hibridación y microscopía para demostrar que la ubicación probable es el elemento Muller F (Klasson et al. 2014). Los métodos Leung et al. (2017) utilizado para realizar las mejoras a los contigs atribuidos al elemento Muller F no sería suficiente para ensamblar el LGT masivo de Wolbachia dentro D. ananassaey, por tanto, no son suficientes para contradecir este resultado.

Esto destaca la complejidad de los proyectos de secuenciación del genoma y su interpretación. Si bien los genomas a menudo se presentan y se consideran objetos finales, estáticos y definitivos, los experimentos realizados para obtener estas secuencias tienen matices y / o suposiciones que a menudo deben tenerse en cuenta para una interpretación adecuada de los resultados posteriores. Esto también destaca que, a medida que mejore nuestro conocimiento sobre la biología del genoma, es posible que debamos reconsiderar y volver a analizar los genomas anteriores eliminando el prejuicio introducido en los paradigmas ahora desaparecidos. Como tal, recomendamos que las secuencias depositadas en el NCBI bajo PRJNA13365 no deben atribuirse a Wolbachia endosimbionte de D. ananassae, pero el NCBI debe reclasificar su taxonomía como "Secuencias no clasificadas".


Enlaces a Drosophila pseudoobscura recursos genómicos comparativos.

El Centro de secuenciación del genoma humano (HGSC) del Baylor College of Medecine está secuenciando actualmente el genoma de Drosophila pseudoobscura, proporcionando un recurso crítico para los análisis comparativos de genoma completo en el género Drosophila. Updates on the status of sequences and assemblies, ftp repositories, information concerning the use of this data, and a BLAST server can be found on Baylor's HGSC website.

Inna Dubchak's group at Lawrence Berkeley National Laboratory has produced a preliminary whole-genome alignment of the January 2003 Baylor assembly which can be accessed using the VISTA genome browser.

Please send comments or questions about the web site to bdgp a fruitfly dot org


Annotated biological image sets for testing and validation

Accession number BBBC002 · Version 1

Example image

Biological application

Five different samples of Drosophila melanogaster Kc167 cells were stained with Hoechst 33342, a DNA stain. The last sample (labeled nodsRNA) is of wild-type cells. Each of the other four samples (labeled 48, 340, Anillin, y mad2) has a different gene knocked down by RNAi. The sample preparation is described in more detail by Carpenter et al. (Biología del genoma, 2006).

Imagenes

There are 10 fields of view of each sample, for a total of 50 fields of view. The images were acquired on a Zeiss Axiovert 200M microscope. The images provided here are a single channel, DNA. The image size is 512 x 512 pixels. The images are provided as 8-bit TIFF files.

Ground truth

A tab-delimited text file contains the number of cells in each image, as determined by two different human counters. To compare an algorithm's results to these, first compute for each sample the algorithm's mean cell count over the 10 images of the sample. Next, calculate the absolute difference between this mean and the average of the humans' counts for the sample, then divide by the latter to obtain the deviation from ground truth (in percent). The mean of these values over all 5 samples is the final result.

Note: The two human observers vary by 16% for this image set.

Published results using this image set

Nosova SA, Turlapov VE (2019) Detection of Brain Cells in Optical Microscopy Based on Textural Features with Machine Learning Methods. Program Comput Soft 45, 171–179. / doi.

Agradecimientos

We would like to thank Robert Lindquist and JooHan Chang for counting the cells.


Ver el vídeo: Genes Hox en la mosca de la fruta Drosophila melanogaster (Agosto 2022).