Genetik Mutasyonların Evrimini Tahmin Etmek İçin Geliştirilen Algoritma

35
“Minimum epiztaz enterpolasyonu” olarak adlandırılan algoritma

“Minimum epiztaz enterpolasyonu” olarak adlandırılan algoritma, bir proteinin yüksek derecede etkili olması veya hiç etkili olmaması için nasıl gelişebileceğinin görselleştirilmesine yol açar. Proteinin binlerce versiyonunun işlevselliğini karşılaştırarak mutasyonların proteinin bir fonksiyonel formdan diğerine nasıl evrimleşmesine neden olduğuna dair kalıplar buldular. Kredi bilgileri: McCandlish lab / CSHL, 2020

Kantitatif biyologlar David McCandlish ve Cold Spring Harbor Laboratuvarı’ndan Juannan Zhou, bilim adamlarına, belirli genetik mutasyonların, bir türün evrimi boyunca kritik proteinleri değiştirmek için nasıl birleşebileceğini görme yeteneği veren bir algoritma geliştirdiler.

Nature Communications’da açıklanan, “minimum epiztaz enterpolasyonu” olarak adlandırılan algoritma, bir proteinin son derece etkili olması veya hiç etkili olmaması için nasıl gelişebileceğinin görselleştirilmesine yol açar. Proteinin binlerce versiyonunun işlevselliğini karşılaştırarak mutasyonların proteinin bir fonksiyonel formdan diğerine nasıl evrimleşmesine neden olduğuna dair kalıplar buldular.

“Epistaz”, bir genin etkisinin bir diğerinin varlığına bağlı olduğu genetik mutasyonlar arasındaki herhangi bir etkileşimi açıklar. Birçok durumda, bilim adamları, gerçeklik, tahmin modellerine uymadığında, genler arasındaki bu etkileşimlerin yürürlükte olduğunu varsayarlar. Bunu akılda tutarak McCandlish, her mutasyonun önemli olduğu varsayılarak bu yeni algoritmayı yarattı. “İnterpolasyon” terimi, bir türün optimal protein fonksiyonunu elde etmek için yaşayabileceği mutasyonların evrimsel yolunu tahmin etme eylemini tanımlar.

Araştırmacılar, streptokok GB1 proteini yapan genlerde meydana gelen spesifik mutasyonların etkilerini test ederek algoritmayı oluşturdular. GB1 proteinini, çok sayıda olası yolla birleştirilebilecek muazzam sayıda olası mutasyon oluşturacak karmaşık yapısı nedeniyle seçtiler.

“Bu karmaşıklık nedeniyle, bu veri kümesinin görselleştirilmesi çok önemli oldu,” diyor McCandlish. “[Verilerin] bize ne söylediğini daha iyi anlayabilmemiz için sayıları bir resme dönüştürmek istedik.”

Görselleştirme topolojik bir harita gibidir. Yükseklik ve renk, protein aktivitesinin seviyesi ile ilişkilidir ve haritadaki noktalar arasındaki mesafe, mutasyonların bu aktivite seviyesine ne kadar evrimleşmesi gerektiğini gösterir.

GB1 proteini doğada mütevazı bir protein aktivitesi seviyesiyle başlar, ancak birkaç farklı yerde meydana gelen bir dizi mutasyon yoluyla daha yüksek bir protein aktivitesi seviyesine gelişebilir.

McCandlish, proteinin en yüksek veya en iyi dağ zirvelerine en verimli şekilde ulaşmaya çalışan bir yürüyüşçü olduğu, proteinin evrimsel yürüyüşüne benziyor. Genler aynı şekilde gelişir: en az direnç ve artan verimlilik yolunu arayan bir mutasyonla.

Dağ silsilesi içinde bir sonraki en yüksek zirveye ulaşmak için, uzun yürüyüşe çıkan kimse, vadiye kadar aşağı yürüyüş daha ridgeline boyunca seyahat etmek daha olasıdır. Ridgeline boyunca verimli bir şekilde ilerlemek, potansiyel olarak zor bir yükselişi önler. Görselleştirmede, vadi mutasyon kombinasyonlarının en düşük protein aktivitesi seviyelerine yol açtığı mavi alandır.

Algoritma, her olası mutant sekansın ne kadar optimal olduğunu ve bir genetik sekansın diğer birçok olası sekanstan herhangi birine mutasyon geçirmesinin ne kadar süreceğini gösterir. Aletin öngörücü gücü, COVID-19 salgını gibi durumlarda özellikle değerli olabilir. Araştırmacılar, bir virüsün en tehlikeli biçimine ulaşmadan önce nerede ve ne zaman müdahale edeceğini bilmek için nasıl geliştiğini bilmelidir.

McCandlish, algoritmanın “bir virüsün bağışıklık sisteminden kaçmak veya ilaç direnci kazanmak için gelişirken alabileceği genetik yolları anlamaya da yardımcı olabileceğini açıklıyor. Olası yolları anlayabilirsek, belki de direnç veya bağışıklık kaçakçılığının evrimini önleyebilecek terapiler tasarlayabiliriz. ”

Bu tür bir öngörücü genetik algoritma için ilaç geliştirme ve tarım da dahil olmak üzere ek potansiyel uygulamalar vardır.

“Biliyorsunuz, genetiğin başlangıcında… onlara gerçekten bakabiliyorsanız, bu genetik alanların nasıl görüneceğine dair tüm bu ilginç spekülasyonlar vardı,” diye ekledi McCandlish. “Şimdi gerçekten yapıyoruz! Bu gerçekten havalı.”


Kaynak: “Dizi-işlev ilişkileri için minimum epiztaz enterpolasyonu” Juannan Zhou ve David M. McCandlish, 14 Nisan 2020, Nature Communications.

YORUM YAP

Lütfen yorumunuzu giriniz!
Lütfen isminizi buraya giriniz