Narození genu de novo - De novo gene birth

Nové geny mohou vznikat z předků negenických oblastí prostřednictvím špatně pochopených mechanismů. (A) Negenická oblast nejprve získá transkripci a otevřený čtecí rámec (ORF), v obou pořadích, usnadňující zrození a de novo gen. ORF slouží pouze pro ilustraci, protože geny de novo mohou být takéexonický nebo chybí ORF, jako u Geny RNA. (B) Přetisk. Je vytvořen nový ORF, který se překrývá s existujícím ORF, ale v jiném rámci. (C) Očištění. Dříve intronický Oblast se alternativně spojuje jako exon, například když se získávají opakující se sekvence retropozice a vytvářejí se nové spojovací weby mutační procesy. Přetisk a exonizace mohou být považovány za zvláštní případy narození genu de novo.

Nové geny mohou být vytvořeny z genů předků různými mechanismy.^[1] (A) Duplikace a divergence. Po duplikaci zažívá jedna kopie uvolněný výběr a postupně získává nové funkce. (B) Genová fúze. Hybridní gen vytvořený z některých nebo všech dvou dříve samostatných genů. Genové fúze mohou nastat různými mechanismy; zde je ukázáno intersticiální mazání. (C) Štěpení genů. Jeden gen se oddělí a vytvoří dva odlišné geny, například duplikací a diferenciální degenerací těchto dvou kopií.^[2] (D) Horizontální přenos genů. Geny získané z jiných druhů horizontálním přenosem procházejí divergencí a neofunkcionalizací. (E) Retropozice. Transkripty mohou být reverzně transkribovány a integrovány jako intronless gen kdekoli v genomu. Tento nový gen pak může podstoupit divergenci.

De novo genové narození je proces, kterým nové geny se vyvíjejí ze sekvencí DNA, které byly předky negenické.^[3] De novo geny představují podmnožinu nových genů a mohou kódovat proteiny nebo místo toho působit jako geny RNA.^[4] Procesy, které řídí de novo genové narození nejsou dobře známy, ačkoli existuje několik modelů, které popisují možné mechanismy, kterými de novo může dojít k narození genu.

Ačkoli de novo genové zrození mohlo nastat kdykoli v evoluční historii organismu, ve starověku de novo události genového narození je obtížné odhalit. Většina studií z de novo Dosavadní geny se tak zaměřily na mladé geny, obvykle taxonomicky omezené geny (TRG), které jsou přítomny v jediném druhu nebo linii, včetně tzv. osiřelé geny, definované jako geny, které postrádají jakýkoli identifikovatelný homolog. Je však důležité si uvědomit, že ne všechny geny pro vzácná onemocnění vznikají de novo, a místo toho se mohou objevit prostřednictvím docela dobře charakterizovaných mechanismů, jako je genová duplikace (včetně retropozice) nebo horizontální přenos genů následuje divergence sekvence nebo genové štěpení / fúze.^[5][6]

Ačkoli de novo narození genu bylo kdysi považováno za vysoce nepravděpodobný výskyt,^[7] nyní bylo popsáno několik jednoznačných příkladů,^[8] a někteří vědci o tom spekulují de novo genové zrození by mohlo hrát hlavní roli v evolučních inovacích.^[9][10]

Dějiny

Již ve 30. letech J. B. S. Haldane a další navrhli, že kopie existujících genů mohou vést k novým genům s novými funkcemi.^[6] V roce 1970 Susumu Ohno zveřejnil klíčový text Evoluce Genová duplikace.^[11] Po nějakou dobu následoval konsenzuální názor, že prakticky všechny geny byly odvozeny z genů předků,^[12] s François Jacob skvěle poznamenal v eseji z roku 1977, že „pravděpodobnost, že se objeví funkční protein de novo náhodným spojením aminokyselin je prakticky nulová. “^[7]

Ve stejném roce však Pierre-Paul Grassé vytvořil termín „přetisk“, aby popsal vznik genů prostřednictvím vyjádření alternativních otevřené čtecí rámce (ORF) překrývající již existující geny.^[13] Tyto nové ORF mohou být mimo rámec nebo antisense k již existujícímu genu. Mohou být také v rámci existujícího ORF, vytvářející zkrácenou verzi původního genu, nebo představovat 3 'rozšíření existujícího ORF do blízkého ORF. První dva typy přetisku lze považovat za konkrétní podtyp de novo genové narození; ačkoli se překrývá s dříve kódující oblastí genomu, primární aminokyselinová sekvence nového proteinu je zcela nová a je odvozena z rámce, který předtím neobsahoval gen. První příklady tohoto jevu v bakteriofágy byly hlášeny v sérii studií od roku 1976 do roku 1978,^[14][15][16] a od té doby bylo identifikováno mnoho dalších příkladů u virů, bakterií a několika eukaryotických druhů.^{[17][18][19][20][21][22]}

Fenomén exonizace také představuje zvláštní případ de novo genové zrození, při kterém například často se opakující intronové sekvence získávají místa sestřihu mutací, což vede k de novo exony. Toto bylo poprvé popsáno v roce 1994 v kontextu Alu sekvence nalezené v kódujících oblastech mRNA primátů.^[23] Zajímavé je, že takové de novo exony se často vyskytují v menších variantách sestřihu, což může umožnit evoluční „testování“ nových sekvencí při zachování funkce hlavní varianty sestřihu.^[24]

Někteří si přesto mysleli, že většina nebo všechny eukaryotické proteiny byly konstruovány z omezené zásoby exonů „spouštěcího typu“.^[25] Na základě v té době dostupných sekvenčních dat odhadl přehled z roku 1991 počet jedinečných eukaryotických exonů předků na <60 000,^[25] zatímco v roce 1992 byl publikován článek odhadující, že drtivá většina proteinů nepatří k více než 1000 rodinám.^[26] Přibližně ve stejné době však došlo k sekvenci chromozomu III začínajících kvasinek Saccharomyces cerevisiae byl vydán,^[27] představující první sekvenci celého chromozomu z jakéhokoli eukaryotického organismu. Sekvenování celého kvasinkového jaderného genomu bylo poté dokončeno počátkem roku 1996 prostřednictvím masivního společného mezinárodního úsilí.^[28] Ve své recenzi projektu kvasinkového genomu Bernard Dujon poznamenal, že neočekávané množství genů bez jakýchkoli známých homologů bylo možná nejpozoruhodnějším nálezem celého projektu.^[28]

V letech 2006 a 2007 poskytla řada studií pravděpodobně první zdokumentované příklady de novo genové narození, které nezahrnovalo přetisk.^[29][30][31] Analýza transkriptomů doplňkové žlázy Drosophila yakuba a Drosophila erecta nejprve identifikoval 20 domnělých genů omezených na počet řádků, u nichž se zdálo nepravděpodobné, že by byly výsledkem duplikace genů.^[31] Levine a kolegové poté potvrdili de novo vznik pěti kandidátských genů specifických pro Drosophila melanogaster a / nebo blízce příbuzní Drosophila simulans důsledným potrubím, které kombinovalo bioinformatické a experimentální techniky.^[30] Tyto geny byly identifikovány kombinací VÝBUCH přístupy založené na vyhledávání a syntéze (viz níže), které prokázaly nepřítomnost genů u blízce příbuzných druhů.^[30]

Navzdory jejich nedávnému vývoji se všech pět genů jeví jako fixní D. melanogastera přítomnost paralogních nekódujících sekvencí, které chybí u blízkých příbuzných, naznačuje, že čtyři z pěti genů mohly vzniknout nedávnou intrachromozomální duplikací.^[30] Je zajímavé, že všech pět bylo přednostně vyjádřeno ve varlatech mužských mušek^[30] (viz. níže). Tři geny, pro které existují úplné ORF v obou D. melanogaster a D. simulans prokázaly rychlý vývoj a pozitivní výběr.^[30] To je v souladu s nedávným výskytem těchto genů, protože je typické, že mladé nové geny procházejí adaptivní evolucí,^[32][33][34] ale také ztěžuje úplnou jistotu, že kandidáti kódují skutečně funkční produkty. Následná studie používající metody podobné Levine et al. a vyjádřená značka sekvence knihovna odvozená z D. yakuba varlata identifikovala sedm genů odvozených od šesti jedinečných de novo události genového narození v D. yakuba a / nebo blízcí příbuzní D. erecta.^[29]

Tři z těchto genů jsou extrémně krátké (<90 bp), což naznačuje, že se může jednat o RNA geny,^[29] ačkoli bylo také zdokumentováno několik příkladů velmi krátkých funkčních peptidů.^{[35][36][37][38]} Přibližně ve stejné době jako tyto studie v Drosophila Bylo publikováno homologické vyhledávání genomů ze všech domén života, včetně 18 fungálních genomů, identifikovaných 132 proteinů specifických pro houby, z nichž 99 bylo jedinečných pro S. cerevisiae.^[39]

Od těchto počátečních studií mnoho skupin identifikovalo konkrétní případy de novo události genového narození v různých organismech.^[40] The BSC4 gen v S. cerevisiae, identifikovaný v roce 2008, vykazuje důkazy purifikační selekce, je exprimován jak na úrovni mRNA, tak na úrovni proteinu, a když je odstraněn, je synteticky letální s dalšími dvěma kvasinkovými geny, které všechny naznačují funkční roli pro BSC4 genový produkt.^[41] Historicky jeden argument proti pojmu rozšířený de novo narození genu je vyvinutá složitost skládání proteinů. Zajímavé je, že se později ukázalo, že Bsc4 přijímá částečně složený stav, který kombinuje vlastnosti nativního a nepřirozeného skládání proteinu.^[42] Dalším dobře charakterizovaným příkladem v kvasnicích je MDF1, který potlačuje účinnost páření a podporuje vegetativní růst a je složitě regulován konzervovaným antisense ORF.^[43][44] V rostlinách první de novo Funkčně charakterizovaný gen byl QQS, an Arabidopsis thaliana gen identifikovaný v roce 2009, který reguluje metabolismus uhlíku a dusíku.^[45] První funkčně charakterizovaný de novo gen identifikovaný u myší, nekódující gen RNA, byl také popsán v roce 2009.^[46] U primátů odhadovala informativní analýza z roku 2008, že bylo vytvořeno 15/270 osiřelých genů primátů de novo.^[47] Zpráva z roku 2009 identifikovala první tři de novo lidské geny, z nichž jeden je terapeutickým cílem při chronické lymfocytární leukémii.^[48] Od této doby řada studií na úrovni genomu identifikovala velké množství osiřelých genů v mnoha organismech, i když do jaké míry vznikly de novoa míra, do jaké je lze považovat za funkční, zůstávají diskutovány.

Identifikace

Identifikace de novo vznikající sekvence

K systematické identifikaci nových genů existují dva hlavní přístupy: genomická fylostratigrafie^[49] a synteny metody založené na metodách.^[50] Oba přístupy jsou široce používány, jednotlivě nebo doplňkově.

Genomická fylostratigrafie

Genomická fylostratigrafie zahrnuje zkoumání každého genu v ohniskových druzích a odvození přítomnosti nebo nepřítomnosti homologů předků pomocí použití VÝBUCH algoritmy zarovnání sekvence^[51] nebo související nástroje. Každému genu v ohniskových druzích lze přiřadit „věk“ (neboli „úroveň ochrany“ nebo „genomové phylostratum“), který je založen na předem stanovené fylogenezi, přičemž věk odpovídá nejvíce vzdáleně příbuzným druhům, ve kterých je detekován homolog.^[49] Pokud gen postrádá detekovatelný homolog mimo svůj vlastní genom nebo blízké příbuzné, říká se, že jde o nový, taxonomicky omezený nebo osiřelý gen, i když takové označení samozřejmě závisí na skupině druhů, které jsou vyhledávány.

Fylogenetické stromy jsou omezeny množinou blízce příbuzných genomů, které jsou k dispozici, a výsledky jsou závislé na kritériích vyhledávání BLAST.^[52] Protože je založen na podobnosti sekvencí, je pro fylostratigrafii často obtížné určit, zda se objevil nový gen de novo nebo se odchýlil od genu předků k nepoznání, například po události duplikace. Na to poukázala studie, která simulovala vývoj genů stejného věku a zjistila, že vzdálené ortology mohou být pro nejrychleji se vyvíjející geny nezjistitelné.^[53] Při účtování změn v rychlosti evoluce k částem mladých genů, které získávají vybrané funkce, byl při přiřazování věků genů v simulovaných datech mnohem přesnější fylostratigrafický přístup.^[54] Následující dvojice studií využívajících simulovanou evoluci zjistila, že fylostratigrafie nedokázala detekovat ortolog u nejvzdálenějších druhů u 13,9% D. melanogaster geny a 11,4% S. cerevisiae geny.^[55][56] Podobně byl v simulovaných datech zjištěn falešný vztah mezi věkem genu a jeho pravděpodobností, že bude zapojen do procesu onemocnění.^[56] Opětovná analýza studií, která používala fylostratigrafii u kvasinek, ovocných mušek a lidí, však zjistila, že i když se vezme v úvahu taková chybovost a vyloučí se z analýz obtížně stratifikovatelné geny, kvalitativní závěry nebyly u všech tří studií ovlivněny.^[57] Dopad fylostratigrafického zkreslení na studie zkoumající různé rysy de novo genů (viz níže) zůstává diskutován.

Chcete-li zvýšit detekovatelnost předků homologů, citlivá sekvenční vyhledávání podobnosti, jako např CS-BLAST a Skrytý Markovův model (HMM) vyhledávání na základě, lze také použít samostatně nebo v kombinaci s analýzou fylostratigrafie na bázi BLAST k identifikaci de novo geny. Technika PSI-BLAST^[58] je zvláště užitečný pro detekci starověkých homologů. Srovnávací studie zjistila, že některé z těchto „profilových“ analýz byly přesnější než běžné párové nástroje.^[59] Dopad falešně pozitivních výsledků, když jsou geny nesprávně odvozeny tak, že mají rodový homolog, když jsou ve skutečnosti nové, na naše chápání de novo genové narození ještě nebylo konkrétně hodnoceno.

Je důležité oddělit technické obtíže spojené s detekcí nejstaršího předka genu a odhady toho, jak starý je gen (konečný cíl fylostratigrafie), od problémů spojených s odvozením mechanismů, kterými se gen vyvinul.^[52] Všichni se mohli vyvinout mladé i rodové geny de novo, nebo prostřednictvím jiných mechanismů. Současný zvolený přístup k určení, zda se gen objevil de novo je synteny a lze jej obecně aplikovat pouze na mladé geny.^[60]

Synteny založené přístupy

Přístupy založené na analýze syntetických sekvencí v outgroups - blocích sekvence, ve kterých bylo zachováno pořadí a relativní umístění znaků - umožňují identifikaci negenických předků kandidátů de novo geny.^[10][52] Syntenická zarovnání jsou ukotvena krátkými konzervovanými „značkami“. Geny jsou nejběžnějším markerem při definování syntenických bloků, i když se také používají k-mery a exony.^[61][50] Za předpokladu, že lze získat vysoce kvalitní syntenické vyrovnání, potvrzení, že syntenické oblasti chybí kódovací potenciál u outgroup druhů, umožňuje de novo původu s větší jistotou.^[52] Nejsilnější možný důkaz pro de novo vznikem je odvození specifické mutace (mutací), která vytvořila kódovací potenciál, obvykle prostřednictvím analýzy mikrosyntenických oblastí blízce příbuzných druhů.

Jednou výzvou při aplikaci metod založených na syntéze je skutečnost, že syntézu lze obtížně detekovat v delších časových lhůtách. Za tímto účelem byly vyzkoušeny různé techniky, jako je použití exonů seskupených bez ohledu na jejich konkrétní pořadí k definování syntenických bloků^[50] nebo algoritmy, které používají dobře konzervované genomové oblasti k rozšíření mikrosyntenických bloků.^[62] Existují také potíže spojené s aplikací přístupů založených na syntéze na genomové sestavy, které jsou fragmentované^[63] nebo v liniích s vysokou mírou chromozomálních přesmyků, jak je to u hmyzu běžné.^[64] Přestože přístupy založené na syntenii mají v přírodě obvykle nižší propustnost, nyní se aplikují na průzkumy genomu de novo geny^{[47][48][65][66][67][68][69][70]} a představují slibnou oblast vývoje algoritmů pro datování genového narození. Někteří použili přístupy založené na syntéze v kombinaci s vyhledáváním podobnosti ve snaze vyvinout standardizované a přísné kanály^[60] které lze použít na jakoukoli skupinu genomů ve snaze řešit nesrovnalosti v různých seznamech de novo generované geny (viz níže).

Stanovení stavu

I když byl evoluční původ určité sekvence výpočetně důsledně stanoven, je důležité si uvědomit, že neexistuje shoda ohledně toho, co představuje skutečnou de novo událost genového narození. Jedním z důvodů je nedostatečná shoda v tom, zda celá nově genová sekvence musí být genového původu či nikoli. S ohledem na kódování proteinů de novo genů, bylo navrženo, aby de novo geny byly rozděleny do podtypů odpovídajících podílu příslušného ORF, který byl odvozen z dříve nekódující sekvence.^[52] Dále pro de novo Pokud dojde k narození genu, příslušná sekvence se nemusela jen objevit de novo ale ve skutečnosti to musí být gen. V souladu s tím objev de novo genové narození také vedlo k pochybnostem o tom, co tvoří gen, přičemž některé modely zaváděly přísnou dichotomii mezi genovými a negenickými sekvencemi a jiné navrhly plynulejší kontinuum (viz níže). Všechny definice genů jsou spojeny s pojmem funkce, protože se obecně shoduje, že pravý gen by měl kódovat funkční produkt, ať už je to RNA nebo protein. Existují však různé pohledy na to, co představuje funkci, částečně v závislosti na tom, zda je daná sekvence hodnocena pomocí genetických, biochemických nebo evolučních přístupů.^{[52][71][72][73]}

Obecně se uznává, že skutečný de novo gen je exprimován alespoň v některých souvislostech,^[5] umožňující provozování výběru a mnoho studií používá při definování jako výraz kritéria zařazení výraz de novo geny. Exprese sekvencí na úrovni mRNA může být potvrzena individuálně běžnými technikami, jako je kvantitativní PCR, nebo globálně prostřednictvím modernějších technik, jako je Sekvenování RNA (RNA-seq). Podobně lze expresi na úrovni proteinu určit s vysokou spolehlivostí pro jednotlivé proteiny pomocí technik, jako je hmotnostní spektrometrie nebo western blot, zatímco profilování ribozomu (Ribo-seq) poskytuje globální průzkum překladu v daném vzorku. V ideálním případě potvrdit, že dotyčný gen vznikl de novo, byla by také prokázána nedostatečná exprese syntenické oblasti outgroup druhů.^[74]

Potvrzení genové exprese je pouze jedním přístupem k odvození funkce. Genetické přístupy, kdy se člověk snaží detekovat specifický fenotyp nebo změnu kondice po narušení určité sekvence, jsou některými považovány za zlatý standard;^[72] pro rozsáhlé analýzy celých genomů však získání takových důkazů často není možné. K potvrzení biologického účinku u konkrétního druhu lze použít i jiné experimentální přístupy, včetně screeningu protein-protein a / nebo genetických interakcí. de novo ORF. Jak se více dozvíte o konkrétním místě, lze k disekci jeho specifické buněčné role použít standardní techniky molekulární biologie.

Alternativně lze použít evoluční přístupy k odvození existence molekulární funkce z výpočetně odvozených podpisů výběru. V případě TRG je jedním společným podpisem výběru poměr nesynonymních a synonymních substitucí (poměr dN / dS ), počítáno z různých druhů ze stejného taxonu. Neutrální očekávání pro tento poměr je 1; většina proteinů kódujících geny má poměr pod 1, což naznačuje selektivní omezení, ačkoli gen se silnou směrovou selekcí může mít poměr nad 1. Poměr pod 1 je tedy považován za důkaz selekce proti ztrátě funkce.^[71] Podobně v případě druhově specifických genů lze data polymorfismu použít k výpočtu poměru pN / pS z různých kmenů nebo populací fokálních druhů. Vzhledem k tomu, že mladí, druhově specifičtí de novo geny podle definice postrádají hlubokou konzervaci, detekce statisticky významných odchylek od 1 může být obtížná bez nerealisticky velkého počtu sekvenovaných kmenů / populací. Příklad toho lze vidět v Mus musculus, kde tři velmi mladí de novo geny postrádají podpisy selekce navzdory dobře prokázaným fyziologickým rolím.^[75] Z tohoto důvodu se přístupy pN / pS často používají u skupin kandidátských genů, což vědcům umožňuje odvodit, že alespoň některé z nich jsou evolučně konzervovány, aniž by bylo možné určit, které z nich. Místo toho byly použity jiné podpisy selekce, jako je stupeň divergence nukleotidů v syntetických oblastech, zachování hranic ORF nebo pro geny kódující proteiny skóre kódování založené na frekvencích nukleotidových hexamerů.^[76]

Přes tyto a další výzvy při identifikaci de novo události genového narození, nyní existuje spousta důkazů, které naznačují, že tento jev je nejen možný, ale došlo k němu v každé dosud systematicky zkoumané linii.^[40]

Prevalence

Odhady čísel

Odhady týkající se četnosti de novo narození genu a počet de novo geny v různých liniích se velmi liší a jsou velmi závislé na metodologii. Studie mohou identifikovat de novo samotné geny metodou fylostratigrafie / BLAST, nebo mohou využívat kombinaci výpočetních technik (viz výše) a mohou nebo nemusí hodnotit experimentální důkazy pro expresi a / nebo biologickou roli.^[10] Analýzy v měřítku genomu mohou dále zohlednit všechny nebo většinu ORF v genomu,^[77] nebo mohou místo toho omezit jejich analýzu na dříve anotované geny.

The D. melanogaster linie je názorným příkladem těchto odlišných přístupů. Časný průzkum využívající kombinaci vyhledávání BLAST prováděných na sekvencích cDNA spolu s manuálními vyhledáváními a syntetickými informacemi identifikoval 72 nových genů specifických pro D. melanogaster a 59 nových genů specifických pro tři ze čtyř druhů v D. melanogaster druhový komplex. Tato zpráva zjistila, že pouze 2/72 (~ 2,8%) z D. melanogaster- byly odvozeny specifické nové geny a 7/59 (~ 11,9%) nových genů specifických pro druhový komplex de novo,^[69] se zbytkem vznikne duplikací / retropozicí. Podobně analýza 195 mladých (<35 milionů let) D. melanogaster geny identifikované ze syntenických srovnání zjistily, že jich vzniklo pouze 16 de novo.^[67] Naproti tomu se analýza zaměřila na transkriptomické údaje ze šesti varlat D. melanogaster kmeny identifikovaly 106 pevných a 142 segregujících de novo geny.^[68] U mnoha z nich byly identifikovány rodové ORF, ale nebyly vyjádřeny. Zvýraznění rozdílů mezi mezidruhovými a vnitrodruhovými srovnáními, studie v přírodních podmínkách Saccharomyces paradoxus populace zjistily, že počet de novo polypeptidů identifikovaných více než zdvojnásobil při zvažování vnitrodruhové rozmanitosti.^[78] U primátů jedna raná studie identifikovala 270 osiřelých genů (jedinečných pro člověka, šimpanze a makaky), z nichž 15 mělo původ de novo,^[47] zatímco pozdější zpráva identifikovala 60 de novo samotné geny u lidí, které jsou podporovány transkripčními a proteomickými důkazy.^[70] Studie na jiných liniích / organismech také dospěly k různým závěrům, pokud jde o počet genů de novo přítomných v každém organismu, jakož i specifické sady identifikovaných genů. Ukázka těchto rozsáhlých studií je popsána v následující tabulce.

Opětovná analýza tří takových studií u myší, které identifikovaly mezi 69 a 773 kandidáty de novo geny tvrdily, že různé odhady zahrnovaly mnoho genů, které ve skutečnosti nebyly de novo geny.^[79] Mnoho kandidátů bylo vyloučeno na základě toho, že již nebyli anotováni v hlavních databázích. Na zbývající geny byl aplikován konzervativní přístup, který vylučoval kandidáty s paralogy, vzdáleně příbuznými homology nebo konzervovanými doménami, nebo kterým chyběly informace o syntetické sekvenci u nehlodavců. Tento přístup ověřil ~ 40% kandidátů de novo genů, což má za následek horní odhad pouze 11,6 de novo geny vytvořené (a zachované) za milion let, rychlost ~ 5-10krát pomalejší než to, co bylo odhadnuto pro nové geny vytvořené duplikací.^[79] Je pozoruhodné, že i po použití tohoto přísného potrubí bylo 152 ověřeno de novo geny, které zůstaly stále, představují významnou část myšího genomu, který pravděpodobně vznikl de novo. Obecně však zůstává diskutováno, zda duplikace a divergence nebo de novo genové narození představují dominantní mechanismus pro vznik nových genů,^{[67][69][77][80][81][82]} částečně kvůli tomu, že de novo geny se pravděpodobně objeví a budou ztraceny častěji než jiné mladé geny (viz níže).

Dynamika

Je důležité rozlišovat mezi četností de novo narození genu a počet de novo geny v dané linii. Li de novo genové zrození je časté, dalo by se očekávat, že genomy budou mít tendenci růst v jejich genovém obsahu v průběhu času; obsah genů v genomech je však obvykle relativně stabilní.^[10] To znamená, že častý proces genové smrti musí být v rovnováze de novo genové narození, a opravdu de novo geny se vyznačují rychlým obratem ve srovnání se zavedenými geny. Na podporu této představy se nedávno objevila Drosophila geny jsou mnohem pravděpodobněji ztraceny, především prostřednictvím pseudogenizace, přičemž nejmladší sirotci jsou ztraceni nejvyšší rychlostí;^[83] a to navzdory skutečnosti, že některé Drosophila Bylo prokázáno, že geny pro vzácná onemocnění se rychle stávají nezbytnými.^[67] Podobný trend častého úbytku u mladých genových rodin byl pozorován u hlístic Pristionchus.^[84] Podobně analýza pěti savčích transkriptomů zjistila, že většina ORF u myší byla buď velmi stará nebo druhově specifická, což znamená časté narození a smrt de novo přepisy.^[81] V divokých populacích S. paradoxus se objevují de novo ORF a jsou ztraceny podobným tempem.^[78] Přesto zůstává pozitivní korelace mezi počtem druhově specifických genů v genomu a evoluční vzdáleností od jeho posledního předka.^[85] Kromě narození a smrti de novo geny na úrovni ORF, mutační a další procesy také podrobují genomy neustálému „transkripčnímu obratu“. Jedna studie na myších zjistila, že zatímco všechny oblasti genomu předků byly v určitém okamžiku transkribovány alespoň u jednoho potomka, část genomu pod aktivní transkripcí u daného kmene nebo poddruhu podléhá rychlé změně.^[86] Transkripční obrat nekódujících RNA genů je zvláště rychlý ve srovnání s transkripcí kódujících genů.^[87]

Funkce

Nedávno se objevil de novo geny se liší od zavedených genů mnoha způsoby. U široké škály druhů se uvádí, že mladé a / nebo taxonomicky omezené geny nebo ORF mají kratší délku než zavedené geny, vyvíjejí se rychleji a jsou méně exprimovány.^{[47][77][83][84][88][89][90][91][92][93][94][95]} Ačkoli se očekává, že se tyto trendy vyskytnou také v důsledku zkreslení detekce homologie (viz část Genomická fylostratigrafie výše), opětovná analýza několika studií, která snížila toto zkreslení odstraněním genů, jejichž stáří je obtížnější určit, zjistila, že kvalitativní závěry dosažené v těchto studie nebyly ovlivněny.^[57] Navíc tendence mladých genů mít méně hydrofobních aminokyselin,^[96] a mít je více seskupené blízko sebe podél primární sekvence,^[97] byly statisticky kontrolovány z hlediska evoluční rychlosti a délky, a proto nejsou způsobeny zkreslením detekce homologie.

Bylo také zjištěno, že exprese mladých genů je více tkáňově nebo stavově specifičtější než u zavedených genů.^{[29][31][47][68][70][77][93][98][99][100]} Zejména relativně vysoký výraz de novo geny byly pozorovány v mužských reprodukčních tkáních v Drosophila, myši a lidé (viz níže) a u lidí obecně v mozkové kůře nebo v mozku.^[70][101] U zvířat s adaptivním imunitním systémem může být vyšší exprese v mozku a varlatech alespoň částečně funkcí imunitně privilegované povahy těchto tkání. Analýza u myší zjistila specifickou expresi intergenních transkriptů v brzlíku a slezině (kromě mozku a varlat) a bylo navrženo, aby u obratlovců de novo transkripty musí být nejprve exprimovány v těchto tkáních, než mohou být exprimovány v tkáních podléhajících dohledu imunitními buňkami.^[100] Starší geny mají větší regulaci transkripčních faktorů, což svědčí o jejich integraci do větších molekulárních sítí. Podobně pravděpodobnost fyzických interakcí, stejně jako pravděpodobnost a síla genetických interakcí, koreluje s věkem ORF stanoveným fylostratigrafií.^[102]

Funkce závislé na počtu řádků

Vlastnosti de novo geny mohou záviset na druhu nebo linii, která je zkoumána. To se zdá být částečně výsledkem skutečnosti, že se jejich genomy liší Obsah GC a mladé geny mají větší podobnost s negenickými sekvencemi z genomu, ve kterém vznikly, než u zavedených genů.^[103] Vlastnosti, jako je procento transmembránových zbytků a relativní frekvence různých předpovězených sekundární strukturální prvky vykazují silnou závislost GC na osiřelých genech, zatímco ve starodávnějších genech jsou tyto vlastnosti ovlivňovány obsahem GC jen slabě.^[103]

Vztah mezi věkem genu a množstvím predikované vnitřní strukturální poruchy (ISD) v kódovaných proteinech byl předmětem značné debaty. Tvrdilo se, že ISD je také rysem závislým na počtu řádků, jehož příkladem je skutečnost, že v organismech s relativně vysokým obsahem GC, od D. melanogaster na parazita Leishmania major, mladé geny mají vysoké ISD,^[104][105] zatímco v genomu s nízkým GC, jako jsou začínající kvasinky, několik studií ukázalo, že mladé geny mají nízkou ISD.^{[77][88][95][103]} Studie, která vylučovala mladé geny s pochybným důkazem funkčnosti, definovaným v binárních termínech jako selekční pro retenci genů, však zjistila, že zbývající mladé geny kvasinek mají vysokou ISD, což naznačuje, že výsledek kvasinek může být způsoben kontaminací sady mladých genů s ORF, které nesplňují tuto definici, a proto mají větší pravděpodobnost vlastnosti, které odrážejí obsah GC a další negenické rysy genomu.^[96] Kromě nejmladších sirotků tato studie zjistila, že ISD má tendenci klesat se zvyšujícím se věkem genů a že je to primárně způsobeno spíše složením aminokyselin než obsahem GC per se.^[96] V kratších časových měřítcích zaměření na de novo geny, které mají největší validaci, naznačuje, že mladší geny jsou více neuspořádané Lachancea, ale méně neuspořádané Saccharomyces.^[95]

Úloha epigenetických modifikací

Zkouška de novo geny v A. thaliana zjistili, že jsou oba hypermethylovaní a obecně vyčerpaní histon modifikace.^[66] V souladu s buď proto-genovým modelem, nebo kontaminací jinými než geny (viz níže), úrovně methylace de novo geny byly mezi zavedenými geny a intergenickými oblastmi. Metylační vzorce těchto de novo geny jsou stabilně dědičné a úrovně methylace byly nejvyšší a nejpodobnější zavedeným genům v r de novo geny s ověřenou schopností kódovat proteiny.^[66] V patogenní houbě Magnaporthe oryzaeméně konzervované geny mívají metylační vzorce spojené s nízkou úrovní transkripce.^[106] Studie na kvasnicích to také zjistila de novo geny jsou obohaceny v rekombinačních hotspotech, které bývají regiony bez nukleosomů.^[95]

v Pristionchus pacificus, osiřelé geny s potvrzenou expresí zobrazují stavy chromatinu, které se liší od stavů podobně exprimovaných zavedených genů.^[94] Počáteční místa pro osiřelé geny mají epigenetické podpisy, které jsou charakteristické pro zesilovače, na rozdíl od konzervovaných genů, které vykazují klasické promotory.^[94] Mnoho nevyjádřených osiřelých genů je zdobeno represivními histonovými modifikacemi, zatímco nedostatek těchto modifikací usnadňuje transkripci exprimované podskupiny sirotků, což podporuje představu, že otevřený chromatin podporuje tvorbu nových genů.^[94]

Modely a mechanismy

Několik teoretických modelů a možných mechanismů de novo genové narození byly popsány. Modely se obecně vzájemně nevylučují a je možné, že může vzniknout více mechanismů de novo geny.^[52]

Pořadí událostí

ORF první vs. transkripce první

Pro narození a de novo Aby došlo k genům kódujícím protein, musí být negenická sekvence transkribována a získána ORF, než dojde k translaci. Tyto události se teoreticky mohou vyskytovat v jakémkoli pořadí a existují důkazy podporující jak model „ORF first“, tak model „transkripce first“.^[5] Analýza de novo geny, které se segregují D. melanogaster s ohledem na jejich expresi bylo zjištěno, že sekvence, které jsou transkribovány, mají podobný kódovací potenciál jako ortologické sekvence z linií, které nemají důkaz transkripce,^[68] podporující představu, že před vyjádřením existuje alespoň mnoho ORF. Nemrznoucí glykoproteinový gen AFGP, který se objevil de novo v arktických treskách poskytuje definitivnější příklad, ve kterém de novo Ukázalo se, že výskyt ORF předchází vzniku promotorové oblasti.^[107] Kromě toho je v eukaryotických genomech početně negenických ORF dostatečně dlouhých na kódování funkčních peptidů početné a očekává se, že se vyskytnou náhodou vysokou frekvencí.^[68][77] Současně je transkripce eukaryotických genomů mnohem rozsáhlejší, než se dříve myslelo, a existují také zdokumentované příklady genomových oblastí, které byly transkribovány před objevením ORF, který se stal de novo gen.^[108] Podíl de novo genes that are protein-coding is unknown, but the appearance of “transcription first” has led some to posit that protein-coding de novo genes may first exist as RNA gene intermediates. The case of bifunctional RNAs, which are both translated and function as RNA genes, shows that such a mechanism is plausible.^[109]

The two events may occur simultaneously when chromosomal rearrangement is the event that precipates gene birth.^[110]

“Out of Testis” hypothesis

An early case study of de novo gene birth, which identified five de novo genes in D. melanogaster, noted preferential expression of these genes in the testes,^[30] and several additional de novo genes were identified using transcriptomic data derived from the testes and male accessory glands of D. yakuba a D. erecta^[29][31] (viz výše). This was in keeping with the rapid evolution of genes related to reproduction that has been observed across a range of lineages,^{[111][112][113]} suggesting that sexual selection may play a key role in adaptive evolution and de novo gene birth. A subsequent large-scale analysis of six D. melanogaster strains identified 248 testis-expressed de novo genes, of which ~57% were not fixed.^[68] It has been suggested that the large number of de novo genes with male-specific expression identified in Drosophila is likely due to the fact that such genes are preferentially retained relative to other de novo genes, for reasons that are not entirely clear.^[83] Interestingly, two putative de novo genes in Drosophila (Goddard a Saturn) were shown to be required for normal male fertility.^[114]

In humans, a study that identified 60 human-specific de novo genes found that their average expression, as measured by RNA-seq, was highest in the testes.^[70] Another study looking at mammalian-specific genes more generally also found enriched expression in the testes.^[115] Transcription in mammalian testes is thought to be particularly promiscuous, due in part to elevated expression of the transcription machinery^[116][117] and an open chromatin environment.^[118] Along with the immune-privileged nature of the testes (see above), this promiscuous transcription is thought to create the ideal conditions for the expression of non-genic sequences required for de novo gene birth. Testes-specific expression seems to be a general feature of all novel genes, as an analysis of Drosophila and vertebrate species found that young genes showed testes-biased expression regardless of their mechanism of origination.^[98]

Pervasive expression

With the development and wide use of technologies such as RNA-seq and Ribo-seq, eukaryotic genomes are now known to be pervasively transcribed^{[119][120][121][122]} and translated.^[123] Many ORFs that are either unannotated, or annotated as long non-coding RNAs (lncRNAs), are translated at some level, under at least some condition, or in a particular tissue.^{[77][123][124][125][126][127]} Though infrequent, these translation events expose non-genic sequence to selection. This pervasive expression forms the basis for several models describing de novo gene birth.

Most non-genic ORFs that are translated appear to be evolving neutrally.^{[78][77][124]} The preadaptation and proto-gene models both predict, however, that expression of non-genic ORFs will occasionally provide an adaptive advantage to the cell. Differential translation of proto-genes in stress conditions, as well as an enrichment near proto-genes of binding sites for transkripční faktory involved in regulating stress response,^[77] support the adaptive potential of proto-genes. Furthermore, it is known that novel, functional proteins can be experimentally evolved from random amino acid sequences.^[128] Random sequences are generally well tolerated in vivo; many readily form secondary structures, and even highly disordered proteins may take on important biological roles.^{[129][130][131]} The pervasive nature of translation suggests that new proto-genes emerge frequently, usually returning to the non-genic state. In wild S. paradoxus populations, some ORFs with exaggerated gene-like features are found among the pool of translated intergenic polypeptides.^[78] It is not clear whether such ORFs are preferentially retained.

It has been speculated that the epigenetic landscape of de novo genes in the early stages of formation may be particularly variable between and among populations, resulting in variable levels of gene expression and thereby allowing young genes to explore the “expression landscape.”^[132] The QQS gen v A. thaliana is one example of this phenomenon; its expression is negatively regulated by DNA methylation that, while heritable for several generations, varies widely in its levels both among natural accessions and within wild populations.^[132] Epigenetics are also largely responsible for the permissive transcriptional environment in the testes, particularly through the incorporation into nucleosomes of non-canonical histone variants that are replaced by histone-like protaminy during spermatogenesis.^[133]

Preadaptation model

The preadaptation model of de novo gene birth uses mathematical modeling to show that when sequences that are normally hidden are exposed to weak or shielded selection, the resulting pool of “cryptic” sequences (i.e. proto-genes) can be purged of “self-evidently deleterious” variants, such as those prone to lead to protein aggregation, and thus enriched in potential adaptations relative to a completely non-expressed and unpurged set of sequences.^[134] This revealing and purging of cryptic deleterious non-genic sequences is a byproduct of pervasive transcription and translation of intergenic sequences, and is expected to facilitate the birth of functional de novo protein-coding genes.^[126] This is because by eliminating the most deleterious variants, what is left is, by a process of elimination, more likely to be adaptive than expected from random sequences.

The mathematics of the preadaptation model assume that the distribution of fitness effects is bimodal, with new sequences of mutations tending to break something or tinker, but rarely in between.^[134][135] From this it is derived that populations may either evolve local solutions, in which selection operates on each individual locus and a relatively high error rate is maintained, or the global solution of a low error rate which permits the accumulation of deleterious cryptic sequences.^[134] De novo gene birth is thought to be favored in populations that evolve local solutions, as the relatively high error rate will result in a pool of cryptic variation that is “preadapted” through the purging of deleterious sequences. Local solutions are more likely in populations with a high efektivní velikost populace.

Proto-gene model

This proto-gene model agrees with the preadaptation model about the importance of pervasive expression, and refers to the set of pervasively expressed sequences that do not meet all definitions of a gene as “proto-genes”.^[77] Where it differs is that it that envisages a more gradual process under selection from non-genic to genic state, rejecting binary classification, with proto-genes expected to exhibit features intermediate between genes and non-genes.

Testable differences between models

Using the evolutionary definition of function (i.e. that a gene is by definition under purifying selection against loss), the preadaptation model assumes that “gene birth is a sudden transition to functionality”^[96] that occurs as soon as an ORF acquires a net beneficial effect. In order to avoid being deleterious, newborn genes are expected to display exaggerated versions of genic features associated with the avoidance of harm. This is in contrast to the proto-gene model, which expects newborn genes to have features intermediate between old genes and non-genes.^[96]

Several features of ORFs correlate with ORF age as determined by phylostratigraphic analysis (see above), with young ORFs having properties intermediate between old ORFs and non-genes; this has been taken as evidence in favor of the proto-gene model, in which proto-gene state is a continuum .^[77] This evidence has been criticized, because the same apparent trends are also expected under a model in which identity as a gene is a binary. Under this model, when each age group contains a different ratio of genes vs. non-genes, Simpsonův paradox can generate correlations in the wrong direction.^[96]

More specifically, in support of the preadaptation model, an analysis of ISD in mice and yeast found that young genes have higher ISD than old genes, while random non-genic sequences tend to show the lowest levels of ISD.^[96] Although the observed trend may have partly resulted from a subset of young genes derived by overprinting,^[79] higher ISD in young genes is also seen among overlapping viral gene pairs.^[136] Reaching consensus over ISD values of the very youngest genes is made difficult by different annotation standards,^[81][97] as well as by disagreement over whether genes represent a binary or a continuous category.^[77][96] When proto-genes with less evidence for a selected function are excluded from the data in which a continuum was seen,^[77] the slope of the ISD trend is reversed.^[96] However, there remains uncertainty about whether the observed trends hold consistently over shorter timescales.^[81][97] With respect to other predicted structural features such as β-strand content and aggregation propensity, the peptides encoded by proto-genes are similar to non-genic sequences and categorically distinct from canonical genes.^[102]

Grow slow and moult model

The “grow slow and moult” model describes a potential mechanism of de novo gene birth, particular to protein-coding genes. In this scenario, existing protein-coding ORFs expand at their ends, especially their 3’ ends, leading to the creation of novel N- and C-terminal domains.^{[137][138][139][140][141]} Novel C-terminal domains may first evolve under weak selection via occasional expression through read-through translation, as in the preadaptation model, only later becoming constitutively expressed through a mutation that disrupts the stop codon.^[134][138] Genes experiencing high translational readthrough tend to have intrinsically disordered C-termini.^[142] Furthermore, existing genes are often close to repetitive sequences that encode disordered domains. These novel, disordered domains may initially confer some non-specific binding capability that becomes gradually refined by selection. Sequences encoding these novel domains may occasionally separate from their parent ORF, leading or contributing to the creation of a de novo gen.^[138] Interestingly, an analysis of 32 insect genomes found that novel domains (i.e. those unique to insects) tend to evolve fairly neutrally, with only a few sites under positive selection, while their host proteins remain under purifying selection, suggesting that new functional domains emerge gradually and somewhat stochastically.^[143]

Lidské zdraví

In addition to its significance for the field of evolutionary biology, de novo gene birth has implications for human health. It has been speculated that novel genes, including de novo genes, may play an outsized role in species-specific traits;^{[6][10][40][144]} however, many species-specific genes lack functional annotation.^[115] Nevertheless, there is evidence to suggest that human-specific de novo genes are involved in disease processes such as cancer. NYCM, a de novo gene unique to humans and chimpanzees, regulates the pathogenesis of neuroblastomas in mouse models,^[145] and the primate-specific PART1, an lncRNA gene, has been identified as both a tumor suppressor and an oncogene in different contexts.^{[47][146][147]} Several other human- or primate-specific de novo genes, including PBOV1,^[148] GR6,^[149][150] MYEOV,^[151] ELFN1-AS1,^[152] a CLLU1,^[48] are also linked to cancer. Some have even suggested considering tumor-specifically expressed, evolutionary novel genes as their own class of genetic elements, noting that many such genes are under positive selection and may be neofunctionalized in the context of tumors.^[152]

The specific expression of many de novo genes in the human brain^[70] also raises the intriguing possibility that de novo genes influence human cognitive traits. Jeden takový příklad je FLJ33706, a de novo gene that was identified in GWAS and linkage analyses for nicotine addiction and shows elevated expression in the brains of Alzheimer’s patients.^[153] Generally speaking, expression of young, primate-specific genes is enriched in the fetal human brain relative to the expression of similarly young genes in the mouse brain.^[154] Most of these young genes, several of which originated de novo, are expressed in the neocortex, which is thought to be responsible for many aspects of human-specific cognition. Many of these young genes show signatures of positive selection, and functional annotations indicate that they are involved in diverse molecular processes, but are enriched for transcription factors.^[154]

In addition to their roles in cancer processes, de novo originated human genes have been implicated in the maintenance of pluripotency^[155] and in immune function.^{[47][115][156]} The preferential expression of de novo genes in the testes (see above) is also suggestive of a role in reproduction. Given that the function of many de novo human genes remains uncharacterized, it seems likely that an appreciation of their contribution to human health and development will continue to grow.

Note: For purposes of this table, genes are defined as orphan genes (when species-specific) or TRGs (when limited to a closely related group of species) when the mechanism of origination has not been investigated, and as de novo genes when de novo origination has been inferred, irrespective of method of inference. Označení de novo genes as “candidates” or “proto-genes” reflects the language used by the authors of the respective studies.

Viz také

• Molekulární evoluce
• Populační genetika
• Vyvinutelnost
• Překrývající se gen
• Orphan gene

Reference

Tento článek byl upraven z následujícího zdroje pod a CC BY 4.0 licence (2019 ) (zprávy recenzenta ): "De novo gene birth", Genetika PLOS, 15 (5): e1008160, 23 May 2019, doi:10.1371/JOURNAL.PGEN.1008160, ISSN  1553-7390, PMC  6542195, PMID  31120894, Wikidata  Q86320144