Bruke fylogenetisk analyse å undersøke eukaryote Gene opprinnelse
Summary
En metode for å bygge et stamtre basert på sekvens homologi søtsaker fra eukaryoter og SemiSWEETs fra prokaryoter er beskrevet. Fylogenetiske analyser er et nyttig verktøy for å forklare den evolusjonære relatedness mellom homologe proteiner eller gener fra forskjellige organisme grupper.
Abstract
Fylogenetiske analyser bruker nukleotid eller amino acid sekvenser eller andre parametere, for eksempel domene sekvenser og tredimensjonal struktur, for å konstruere et tre for å vise evolusjonære forholdet mellom forskjellige taxa (klassifisering enheter) på den molekylære nivå. Fylogenetiske analyser kan også brukes til å undersøke domene relasjoner innenfor en enkelt gruppe (biologi), spesielt for organismer som har gjennomgått betydelige endre i morfologi og fysiologi, men som forskere mangler fossil bevis skyldes den organismer lang evolusjonær historie eller mangel på fossilization.
En detaljert protokoll er beskrevet i denne teksten, for å bruke metoden Fylogenetiske, inkludert aminosyre sekvens justering Clustal Omega og påfølgende stamtre konstruksjon med både Maksimal sannsynlighet (ML) av molekylære evolusjonær genetikk Analyse (MEGA) og Bayesisk slutning via MrBayes. For å undersøke opprinnelsen til eukaryote Sukker vil etterhvert bli eksportert transportører (søt) gener, ble 228 søtsaker inkludert 35 søt proteiner fra encellede eukaryoter og 57 SemiSWEET proteiner fra prokaryoter analysert. Interessant, SemiSWEETs ble funnet i prokaryoter, men søtsaker ble funnet i eukaryoter. To Fylogenetiske trær konstruert med teoretisk forskjellige metoder har konsekvent antydet at første eukaryote søt genet kan stamme fra fusjon av en bakteriell SemiSWEET gene og en archaeal SemiSWEET genet. Det er verdt å merke seg at man bør være forsiktige å trekke en konklusjon basert på fylogenetisk analyse, selv om det er nyttig å forklare underliggende forholdet mellom forskjellige taxa, som er vanskelig eller umulig å skjelne gjennom eksperimentell .
Introduction
DNA eller RNA sekvenser bære genetisk informasjon for underliggende fenotyper som kan analyseres gjennom fysiologiske og biokjemiske metoder eller observert gjennom morfologiske og fossile bevis. I en forstand er genetisk informasjon mer pålitelig enn vurdere eksterne fenotyper fordi den førstnevnte er grunnlaget for sistnevnte. I evolusjonære studie er fossil bevis meget direkte og overbevisende. Men har mange organismer, som mikroorganismer, liten sjanse til å danne en fossil under lange geologiske aldre. Derfor molekylære informasjonen som nukleotid sekvenser og amino acid sekvenser fra relaterte bevarte organismer er av verdi for å utforske evolusjonære relasjonene1. Studien, ble en enkel innføring av grunnleggende Fylogenetiske kunnskap og en lett å lære-protokollen levert for nykommere som må lage en stamtre på egenhånd.
Både DNA (nukleotid) og protein (aminosyre) sekvenser kan brukes å antyde phylogenetic relasjoner mellom homologe gener, organeller eller organismer2. DNA-sekvenser er mer sannsynlig å bli påvirket av endringer i løpet av utviklingen. Derimot er amino acid sekvenser mye mer stabile gitt at synonymt mutasjoner i nukleotid sekvenser ikke forårsaker mutasjoner i amino acid sekvenser. Derfor er DNA-sekvenser nyttige for sammenligning av homologe gener fra nært beslektede organismer, mens amino acid sekvenser er passer for homologe gener fra fjernt beslektede organismer3.
En fylogenetisk analyse begynner med justeringen av aminosyre eller nukleotid sekvenser4 Hentet fra en annotert genomet sekvensering databasen5 i FASTA format, dvs, antatte eller uttrykt protein sekvenser, RNA sekvenser , eller DNA-sekvenser. Det er verdt å merke seg at det er viktig å samle høykvalitets sekvenser for analyse, og bare homologe sekvenser kan brukes til å analysere phylogenetic relasjoner. Mange forskjellige plattformer som Clustal W, Clustal X, muskel, T-kaffe, MAFFT, kan brukes for sekvensen justering. De mest brukte er Clustal Omega6,7 (http://www.ebi.ac.uk/Tools/msa/clustalo/), hvilke kan brukes online eller kan lastes ned gratis av avgift. Justering verktøyet har mange parametere som brukeren kan justere før du begynner justeringen, men standardparametere fungere godt i de fleste tilfeller. Når prosessen er fullført, skal den justerte sekvenser lagres riktig format for neste trinn. De skal deretter redigeres eller beskåret benytter en redigering programvare, som BioEdit, fordi stamtre bygging av MEGA krever sekvensene som skal være like lange (inkludert både aminosyre forkortelser og bindestreker. Justert sekvensen, enhver posisjon uten aminosyre eller nukleotid er representert med bindestrek “-“). Vanligvis bør alle utstående aminosyrer eller nukleotider i hver ende av justeringen fjernes. Kolonner som inneholder dårlig tilpasset sekvenser i justeringen kan i tillegg slettes fordi de formidle lite verdifull informasjon, og kan noen ganger gi forvirrende eller usann informasjon3. Kolonnene som inneholder én eller flere bindestreker kan slettes nå eller senere treet bygging scenen. Alternativt kan de brukes til phylogenetic beregning. Når sekvensen justering og trimming er ferdig, skal justert sekvenser lagres i FASTA format, eller det ønskede filformatet, for senere bruk.
Mange programvareplattformer gir treet bygging funksjoner ved hjelp av forskjellige metoder eller algoritmer. Generelt, kan metodene klassifiseres som enten avstand matrix metoder eller av data metoder. Avstand matrix metoder er enkelt og raskt å beregne, mens av data metoder er komplisert og tidkrevende. For svært nært beslektede taxa med en høy grad av deling av aminosyre eller nukleotid sekvens identitet, en avstand matrix metode (nabo begynte: NJ; Unweighted par gruppe metoden med aritmetiske gjennomsnittet: UPGMA) er aktuelle; for fjernt beslektede taxa, en diskret datametode (Maksimal sannsynlighet: ML; Maksimal Parsimony: MP; Bayesisk slutning) er optimale3,8. I denne studien ble ML metodene i MEGA (6.0.6) og Bayesisk inferens (MrBayes 3,2) brukt til å konstruere Fylogenetiske trær9. Ideelt når riktig modellen og parametere brukes, resultatene fra forskjellige metoder kan være konsekvent, og de er dermed mer pålitelig og overbevisende.
For en ML stamtre bygget ved hjelp av MEGA10, må filen justert sekvens i FASTA format lastes inn i programmet. Det første trinnet er å velge den optimale substitusjon modellen for opplastede. Alle tilgjengelige substitusjon modeller sammenlignes basert på den opplastede sekvenser, og deres sluttresultater vises i en resultater-tabell. Velg modellen med minste Bayesisk informasjon kriterium (BIC) score (oppført først i tabellen), angi ML parametere ifølge anbefalte modellen og starte beregningen. Beregning tid varierer fra flere minutter til flere dager, avhengig av kompleksiteten i lastet dataene (lengde sekvenser og antall taxa) og ytelsen til datamaskinen som programmene kjøres. Når beregningen er ferdig, vises en stamtre i et nytt vindu. Lagre filen som “FileName.mat”. Når parametere for å angi utseendet på treet, lagre igjen. Bruker denne metoden, kan MEGA generere publikasjonen klasse stamtre tall.
For tre konstruksjon med MrBayes11er det første trinnet å transformere justert rekkefølgen, som vanligvis vises i FASTA format, i nexus format (.nex filtype). Overføre FASTA filer til nexus format kan behandles i MEGA. Deretter kan justert rekkefølgen nexus format lastes inn i MrBayes. Når filen er lastet, kan du angi detaljerte parametere i treet beregningen. Disse parameterne Inkluder detaljer som aminosyre Substitusjonsmodell, variant priser, kjeden tall for Markov kjeden Monte Carlo (MCMC) kopling, ngen nummer, gjennomsnittlig standardavvik delt frekvenser, og så videre. Når disse parameterne er angitt, start beregningen. Slutt vises to tre tall i ASC II koden, som viser nyeste troverdighet og de andre viser grenen lengdene, på skjermen.
Tre resultatet lagres automatisk som “FileName.nex.con”. Tre filen kan åpnes og redigeres av FigTree, og figuren vises i FigTree kan endres videre for å gjøre det mer egnet for publikasjonen.
I denne studien ble 228 søt proteiner, inkludert 35 godteri fra encellede eukaryoter og 57 SemiSWEETs fra prokaryoter, analysert som et eksempel. Både søtsaker og SemiSWEETs ble karakterisert som glukose og fruktose, sukrose transportører over membraner12,13. Fylogenetiske analyser antyder at de to MtN3/spytt domenene som inneholder søtsaker kan utledes fra en evolusjonær fusjon av en bakteriell SemiSWEET og en archaeon14.
Protocol
Representative Results
Discussion
Det blir stadig mer populært i biologisk forskning å lage en stamtre basert på nukleotid eller amino acid sekvenser8. Vanligvis er det tre kritiske stadier av praksis inkludert sekvens justering, evaluering av justert sekvenser med riktig metode eller algoritme og visualisering av beregningsorientert resultatet som et stamtre. I presentert studien, tre runder med sekvensen justeringen ble utført: først søt protein sekvenser, inkludert første og andre MtN3/spytt domenet, ble justert; andre, …
Disclosures
The authors have nothing to disclose.
Acknowledgements
Dette arbeidet ble støttet av den nasjonale Natural Science Foundation i Kina (31371596), forskningssenteret Bio-teknologi, Kina tre Gorges University (2016KBC04) og naturvitenskap grunnvoll Jiangsu-provinsen, Kina (BK20151424).
Materials
| Adobe Illustration | a graphical tool developed by Adobe Systems Software Ireland Ltd. Copyright © 2017 | ||
| BioEdit | a biological sequence alignment editor written for Windows 95/98/NT/2000/XP/7. Copyright © Tom Hall | ||
| Clustal Omega | a package for making multiple sequence alignments of amino acid or nucleotide sequences. http://www.clustal.org/ | ||
| CorelDRAW | a graphic design software. Copyright © 2017 Corel Corporation | ||
| FigTree | a graphical viewer of phylogenetic trees designed by the University of Edinburgh | ||
| MEGA | MolecularEvolutionary Genetics Analysis version6.0 http://www.megasoftware.net/home | ||
| MrBayes | an Bayesian phylogenetic inference tool | ||
| NVIDIA | a company designs graphics processing units (GPUs) for the gaming and professional markets. Corporation Copyright © 2017 | ||
| PAUP | Phylogenetic Analysis Using Parsimony. David Swofford's program implements the maximum likelihood method under a number of nucleotide models. | ||
| Photoshop | a raster graphics editor developed and published by Adobe Systems Software Ireland Ltd. Copyright © 2017 | ||
| RHYTHM | a knowledge based prediction of hekix contacts. Charité Berlin – Protein Formatics Group – Copyright 2007-2009 | ||
| TMHMM | a tool for prediction of transmembrane helices in proteins. http://www.cbs.dtu.dk/services/TMHMM/ | ||
| Compter | 4GB memory, Core 2 or above CPU. Windows 7, Windows 10 |
References
- Nei, M., Kumar, S. . Molecular Evolution and Phylogenetics. , (2000).
- Foth, B. J. Phylogenetic analysis to uncover organellar origins of nuclear-encoded genes. Methods Mol Biol. 390, 467-488 (2007).
- Baldauf, S. L. Phylogeny for the faint of heart: a tutorial. Trends Genet. 19, 345-351 (2003).
- Feng, D. F., Doolittle, R. F. Progressive sequence alignment as a prerequisite to correct phylogenetic trees. J Mol Evol. 25, 351-360 (1987).
- Persson, B. Bioinformatics in protein analysis. EXS. 88, 215-231 (2000).
- Sievers, F., et al. Fast, scalable generation of high-quality protein multiple sequence alignments using Clustal Omega. Mol Syst Biol. 7, 539 (2011).
- Sievers, F., Higgins, D. G. Clustal omega. Curr Protoc Bioinformatics. 48, 1-16 (2014).
- Yang, Z., Rannala, B. Molecular phylogenetics: principles and practice. Nat Rev Genet. 13, 303-314 (2012).
- Hall, B. G. Comparison of the accuracies of several phylogenetic methods using protein and DNA sequences. Mol Biol Evol. 22, 792-802 (2005).
- Tamura, K., Stecher, G., Peterson, D., Filipski, A., Kumar, S. MEGA6: Molecular Evolutionary Genetics Analysis version 6.0. Mol Biol Evol. 30, 2725-2729 (2013).
- Ronquist, F., et al. MrBayes 3.2: efficient Bayesian phylogenetic inference and model choice across a large model space. Syst Biol. 61, 539-542 (2012).
- Chen, L. Q., et al. Sugar transporters for intercellular exchange and nutrition of pathogens. Nature. 468, 527-532 (2010).
- Xuan, Y., et al. Functional role of oligomerization for bacterial and plant SWEET sugar transporter family. Proc Natl Acad Sci USA. 110, 3685-3694 (2013).
- Hu, Y., et al. Phylogenetic evidence for a fusion of archaeal and bacterial SemiSWEETs to form eukaryotic SWEETs and identification of SWEET hexose transporters in the amphibian chytrid pathogen Batrachochytrium dendrobatidis. FASEB J. 30, 3644-3654 (2016).
- Holder, M. T., Zwickl, D. J., Dessimoz, C. Evaluating the robustness of phylogenetic methods to among-site variability in substitution processes. Philos Trans R Soc Lond B Biol Sci. 363, 4013-4021 (2008).
- Alfaro, M. E., Holder, M. T. The Posterior and the Prior in Bayesian Phylogenetics. Annu Rev Ecol Evol Syst. 37, 19-42 (2006).
- Suchard, M., Rambaut, A. Many-core algorithms for statistical phylogenetics. Bioinformatics. 25, 1370-1376 (2009).
- Zierke, S., Bakos, J. FPGA acceleration of the phylogenetic likelihood function for Bayesian MCMC inference methods. BMC Bioinformatics. 11, 184 (2010).
