How to infer relative fitness from a sample of genomic sequences
越来越多的证据表明,自然种群可以拥有广泛的健身多样性与众多的基因组位点的选择。它也是已知的,在选择下的群体的系谱树是量化不同的预期下的中性进化和统计描述的金曼的合并。虽然家谱的统计结构的差异长期以来一直被用作选择存在的测试,但它们所包含的全部信息尚未被利用。在这里,我们将证明,从适应度不同的,但在其他方面非结构化的无性种群中提取的适度大量的随机基因组样本的重建系谱树的形状可以用来预测样本中个体的相对适应度。为了实现这一目标,我们定义了一个启发式算法,我们测试在硅片上使用模拟赖特-费舍尔模型的一个现实的范围内的突变率和选择强度。我们推断的健身排名是基于一个线性神经网络,它可以快速识别合并的谱系重建树。推断的适合度排名与实际适合度强烈相关,排名前10%的基因组是最适合的前20%,错误发现率为0.1-0.3,这取决于突变/选择参数。该排名还能够预测未来种群从当前种群继承的基因型。虽然推理精度随着样本大小单调增加,但200个样本几乎使性能饱和。我们建议,我们的方法可用于推断在肿瘤的单细胞测序中获得的基因组的相对适合度和监测病毒爆发。
2013-01-03 q-bio.PE
Discovering functional DNA elements using population genomic information: A proof of concept using human mtDNA
在人类基因组中识别出完整的功能元件对包括医学、分子生物学和进化在内的多个生物学研究领域来说将是一笔意外之财。当寻找疾病或适应性表型的遗传基础时,对功能的完整了解将有助于对基因座进行优先排序。由于破坏功能的突变不受自然选择的青睐,纯化选择在功能元件中留下了可检测的信号;因此,通过使用远亲物种的基因组比较,这种信号已经被利用。然而,基因组的功能互补随着时间的推移和血统之间的广泛变化,因此,目前的纯化选择行为的证据是必不可少的。由于通过自然选择去除有害突变也会减少功能基因座内的种内遗传多样性〈动〉<动>,因此密集的群体遗传数据有可能揭示目前具有功能的基因组元件。在这里,我们使用16,411个人类线粒体基因组来评估这种方法的潜力。我们发现,在这个数据集中的多态性的高密度精确地描绘区域经历净化选择。此外,我们发现,在一个网站上的分离等位基因的数量是强烈相关的,其跨物种的分歧后,占已知的人类mtDNA突变的偏见。这两个指标在许多位点上以非常精细的尺度相互跟踪-这种相关性纯粹是自然选择的结果。我们的研究结果表明,遗传变异有可能准确地揭示基因组中哪些核苷酸目前正在执行重要功能,并且在突变时可能具有有害的适应性效应。随着更完整的基因组被测序,在人类核基因组中也可能实现类似的揭示纯化选择的能力。
2014-02-07 q-bio.GN q-bio.PE
Refining the drift barrier hypothesis: a role of recessive gene count and an inhomogeneous Muller`s ratchet
本研究基于Wright-Fisher模型揭示了隐性基因数量对突变负荷的影响,证实了漂变屏障假说,并强调了重组在防止种群崩溃和稳定基因库中的关键作用。
2024-07-24 q-bio.PE
Evolution of genome size in asexual populations
基因组的大小已经进化到变化很大,从类病毒的250个碱基到变形虫的6700亿个碱基。基因组大小的这种显著变化是各种进化因素之间复杂相互作用的结果,如点突变率、群体大小、插入和缺失以及可能对某些分类谱系特异的基因组编辑机制。虽然比较基因组学分析已经揭示了这些不同进化因素之间的一些关系,但我们仍然不知道是什么驱动了基因组大小的进化。具体来说,目前还不清楚原始突变过程中的碱基替换,插入和删除影响无性生物体的基因组大小的演变。在这里,我们使用数字进化通过实时跟踪基因组编辑及其适应性效应来研究基因组大小进化。与经验数据一致,我们发现,在无性群体中,突变率与基因组大小呈负相关。我们发现,在低的点突变率,插入是显着更有益的比删除,驱动基因组扩增和收购的表型复杂性。相反,在高突变率下经历的高突变负荷抑制基因组生长,迫使基因组压缩遗传信息。我们的分析表明,突变率和基因组大小之间的反比关系是进化表型创新和限制突变负荷之间权衡的结果。
2015-11-17 q-bio.PE
The equivalence between weak and strong purifying selection
弱净化选择作用于许多连锁突变,可能在自然群体分子进化模式的形成中发挥重要作用。然而,从DNA序列数据推断这些效应的努力受到我们对局部基因组尺度上弱选择的不完全理解的限制。在这里,我们证明了弱选择和强选择之间的自然对称性,其中许多弱选择突变对分子进化模式的影响相当于较少数量的更强选择突变。通过引入一个粗粒度的“有效选择系数”,我们得到一个明确的映射弱选择的人口和他们的强选择的同行,这使我们能够在整个范围内的选择强度作出准确和有效的预测。这表明,有效选择系数和有效突变率-而不是有效种群大小-是对局部连锁区域选择效果的最准确总结。此外,这种对应关系从根本上限制了我们仅从当代序列数据中解决弱选择效应的能力。
2012-10-16 q-bio.PE
Speed of adaptation and genomic footprints of host-parasite coevolution under arms race and trench warfare dynamics
预计共同进化将遵循两种不同的动力学,通常被称为战壕战和植物病原体系统的军备竞赛。战壕战争的情况是稳定的循环等位基因频率在共同进化的基因座的主机和寄生虫,它是预测的基因座将显示分子进化的签名平衡选择,而军备竞赛涉及连续的选择性扫描在相互作用的基因座。我们研究了一个包含突变和遗传漂变的单倍体基因对基因模型。我们研究不同的共同进化参数下的结果,以量化固定的等位基因的频率,即发生的军备竞赛动态。我们发现,与传统智慧相反,战壕战的情况并不意味着单位时间内的共同进化周期比军备竞赛更多。因此,人们不能根据从周期时间估计的共同进化速度来推断这种系统的动态性质。随后,我们进行合并模拟,以产生在宿主和寄生虫基因座的序列。我们询问在平衡选择或选择性扫描下预期的特征(分别是出乎意料的高或低多样性,以及高或低Tajima D值)是否可能在基因组数据中观察到。经常发现的基因组足迹的经常性的选择性扫描,而战壕战产生的平衡选择的签名,只有在寄生虫序列,只有在一个有限的参数空间,高有效种群大小和长期的选择。因此,确定性多态平衡的存在并不意味着在共同进化的基因序列中观察到平衡选择的签名所必需的长期战壕战。我们的结果表明,要通过群体基因组学寻找协同进化的特征,最好研究病原体而不是宿主基因组。
2013-09-19 q-bio.PE
Viral evolution under the pressure of an adaptive immune system - optimal mutation rates for viral escape
基于最近的进化病毒与适应性免疫系统竞争的模型[1],我们研究了病毒准种可以最大化其生长速率的条件。允许病毒茁壮成长的突变率范围从上到下由于基因组信息退化而受到限制,从下到上由于序列多样性不足而受到限制,这导致免疫系统快速消灭病毒。最佳地平衡这两个要求的突变率取决于病毒生长率的倒数与免疫系统需要对抗原产生特异性应答的时间的比率。我们发现,如果病毒在免疫系统适应新病毒表位所需的时间内恰好产生一个突变,则病毒是最有活力的。实验性病毒突变率,特别是HIV(人类免疫缺陷病毒),似乎表明许多病毒已经达到了最佳突变率。[1]C.Kamp和S. Bornholdt,Phys. Rev. Lett. 88,068104(2002)
2002-09-26 cond-mat.stat-mech q-bio.PE
There's plenty of time for evolution
对达尔文进化论的反对通常是基于进行必要的突变所需的时间。似乎需要指数数量的突变。我们发现,这样的估计忽略了自然选择的影响,必要的突变的数量,从而减少到约$K\log{L}$,而不是$K^L$,其中$L$是基因组“字”的长度,和$K$是可能的“字母”,可以占据任何位置的字的数量。所需的理论与理论计算机科学中的根交换排序理论以及那里发生的某些和的渐近分析有关。
2010-10-25 math.PR q-bio.OT q-bio.PE
Evolution of molecular phenotypes under stabilizing selection
分子表型是基因组信息与器官功能、适应性和进化之间的重要联系。复杂的表型,也称为数量性状,通常取决于多个基因组位点。它们的进化以复杂的方式建立在基因组进化的基础上,包括选择、遗传漂变、突变和重组。在这里,我们开发了一个粗粒度的进化统计表型,从潜在的基因型的细节。我们推导出近似的进化方程的表型值的分布内和跨种群。这种动力学涵盖了高和低重组率下的进化过程,也就是说,它适用于有性和无性种群。在具有单一最优表型值的适应度景观中,种群内的表型多样性和种群间的分化达到进化平衡,描述了稳定选择。我们计算这两个数量的平衡分布分析,我们表明,平均分歧和多样性的比例取决于选择的强度在一个普遍的方式:它在很大程度上是独立的表型的基因组编码和重组率。这为超越基因组水平的分子表型选择推理建立了一种新的方法。我们讨论了我们的研究结果的进化过程的可预测性的影响。
2013-01-17 q-bio.PE
Rate of Adaptation in Large Sexual Populations
适应通常涉及获得大量的基因组变化,这些变化在单个个体中以突变的形式出现。在无性繁殖的种群中,突变的组合只有在出现在同一谱系中时才能固定,但对于遗传信息交换的种群,有益的突变可以出现在不同的个体中,并在以后结合。在大群体中,当群体大小N与总有益突变率U_b的乘积较大时,许多新的有益等位基因可以同时在群体中分离。我们计算的适应率,v,在几个模型中,这样的性种群,并表明,v是线性的NU_b只有在足够小的人口。在大的群体中,v随着log NU_b的增加而缓慢得多。然而,这个对数的前因子随着重组率的平方而增加。这种通过重组加速适应的现象意味着性别在进化上具有很强的优势。
2011-08-17 physics.bio-ph q-bio.PE
Dynamics and bifurcations in a simple quasispecies model of tumorigenesis
癌症是一种复杂的疾病,因此建模复杂。然而,描述肿瘤动力学中涉及的主要过程的简单模型,例如,竞争和突变,可以给我们关于癌症行为的线索,至少在定性上,也让我们做出预测。在这里,我们分析了一个简化的准种数学模型给出的微分方程描述的时间行为的肿瘤细胞群体与不同水平的基因组不稳定性。我们发现的平衡点,也表征其稳定性和分叉的复制和突变率为重点。我们确定了肿瘤细胞群体突变率增加的跨临界分叉。这种分叉涉及健康细胞占主导地位和肿瘤群体受损的情况。最后,我们描述了这种情况下的瞬态时间,表明超过临界突变率的轻微增加可能足以对期望状态(即,低肿瘤群体)。
2014-11-24 math.DS q-bio.PE
Exact site frequency spectra of neutrally evolving tumors: a transition between power laws reveals a signature of cell viability
位点频率谱(SFS)是基因组数据的一种常用的概括统计量。虽然在群体遗传学中已经广泛地研究了经历中性突变的恒定大小的群体的SFS,但是快速增长的癌症基因组数据量已经引起了对指数增长的群体的谱的兴趣。最近的理论结果一般处理特殊或限制的情况下,如只考虑细胞的无限下降线,假设确定性肿瘤生长,或采取大时间或大人口的限制。在这项工作中,我们推导出精确的表达式为预期的SFS的细胞群体,根据一个随机分支过程的演变,首先为细胞与一个无限的下降线,然后为总人口,评估在一个固定的时间(固定时间谱)或在随机的时间,在该人口达到一定的大小(固定大小谱)。我们发现,虽然突变率的比例线性的总人口的SFS,细胞出生和细胞死亡的速度改变频谱的形状在小频率端,诱导之间的过渡$1/j^2$幂律谱和$1/j$谱细胞活力降低。我们表明,这种见解原则上可以用来估计之间的比率的细胞死亡和细胞出生,以及突变率,单独使用的网站频谱。虽然讨论是在肿瘤动力学方面进行的,但我们的结果适用于任何呈指数增长的中性突变个体群体。
2021-09-12 math.PR q-bio.PE
Negative selection maintains transcription factor binding motifs in human cancer
癌细胞中的体细胞突变影响破坏重要细胞功能的各种基因组元件。特别是,被转录因子识别的DNA结合位点的突变可以改变调节因子结合亲和力和靶基因的表达。许多启动子突变与癌症风险增加有关,在正选择下已发现选定转录因子结合位点的突变。然而,编码区突变的负选择是难以捉摸的,非编码区负选择的意义仍然存在争议。在这里,我们提出的转录因子与非编码变体的结合位点共定位的分析。为了避免统计偏差,我们考虑了不同癌症类型的突变特征。对于许多转录因子,包括FOX、HOX和NR家族的多个成员,我们表明人类癌症积累的突变比预期的要少,这些突变是偶然增加或降低结合基序的亲和力的。这种基序的保守性在DNA酶可接近的区域中甚至更明显。我们的数据证明了针对结合位点改变的负选择,并表明这种选择压力保护癌细胞免于重新布线调节电路。进一步分析转录因子和各自的保守结合基序可以揭示对各种人类癌症的存活性至关重要的细胞调节途径。
2015-11-09 q-bio.GN q-bio.PE
Stochastic evolution and multifractal classification of prokaryotes
介绍了一个模拟原核生物DNA序列突变的模型。使用该模型,我们可以评估传统的技术,如简约法和最大似然法计算系统发育关系。我们还使用该模型来模拟大规模的基因组变化,并使用它来评估多重分形和相关的信息理论技术,考虑到这些大的变化,在确定系统发育关系。
2004-04-07 q-bio.PE
The dynamics of alternative pathways to compensatory substitution
基因座间上位性相互作用的作用是进化生物学中的一个中心问题,在基因组时代越来越重要。虽然补偿性替代的群体遗传学受到了相当大的关注,但大多数研究都集中在自然选择对有害中间体非常强大的情况下。在弱选择到中等选择的生物学上合理的情况下,存在两种替代的补偿替代途径。在一个途径中,有害突变在补偿突变发生之前变得固定。在另一种情况下,这两个基因座是同时多态的。沿着这两条途径的补偿替代率及其相对概率是群体大小、选择强度、突变率和重组率的函数。在本文中,这些利率和路径概率推导出分析和验证人口遗传模拟。这两条路径的预期持续时间是相似的,当选择是温和的,但不是当选择是弱的。重组的替代过程的动力学的影响进行了探讨,使用模拟。使用派生率,系统发育替代模型的补偿进化过程中,可用于推断种群遗传参数的种间数据。
2013-08-09 q-bio.PE
Genetic progression and the waiting time to cancer
癌症是由于基因改变干扰了细胞的正常合作行为而引起的。最近对癌细胞的高通量基因组研究表明,癌症的突变景观是复杂的,个体癌症可能通过多达20种不同癌症相关基因的突变而演变。我们使用Sjoblom等人(2006)发表的数据,为结直肠癌的体细胞演变开发了一个新的数学模型。我们采用Wright-Fisher过程来探索这个进化过程的基本参数,并推导出癌症表型的预期等待时间的解析近似。我们的研究结果突出了选择在风险细胞群体的大小和突变率上的相对重要性。该模型预测,如果每个突变的平均选择优势在1%的量级上,则在正常突变率下可以出现观察到的癌症基因组的遗传多样性〈动〉<动>。由于遗传不稳定性而增加的突变率在肿瘤发生期间允许甚至更小的选择性优势。因此,癌症进展的复杂性可以理解为多个连续突变的结果,每个突变对净细胞生长具有相对较小但积极的影响。
2007-07-25 q-bio.PE q-bio.QM
DNA Replication Timing, Genome Stability and Non-adaptive Radiation
本文结合DNA复制时序相关突变规律与木村资生的非适应性辐射理论,探究DNA复制时序、修复因子对哺乳动物核型多样性与物种丰富度关联的作用。
2025-11-15 q-bio.PE
The impact of deleterious passenger mutations on cancer progression
癌症进展是由肿瘤中积累的少量遗传改变驱动的。这几个驱动改变存在于癌症基因组中,与成千上万的其他突变一起存在,这些突变被广泛认为在癌症中没有作用,并被称为乘客。然而,许多乘客属于蛋白质编码基因和其他功能元件,可能对癌细胞产生有害影响。在这里,我们调查了潜在的轻度有害乘客积累和改变过程中的肿瘤进展。我们的方法将癌症进展的进化模拟与癌症测序数据的分析相结合。在我们的模拟中,单个细胞随机分裂,获得有利的驱动突变和有害的乘客突变,或者死亡。令人惊讶的是,尽管选择对他们不利,乘客积累,并在很大程度上逃避选择过程中的进展。虽然个别弱,乘客的集体负担改变了进展的过程,导致肿瘤学中观察到的几种现象,不能用传统的以司机为中心的观点来解释。我们使用癌症基因组数据测试了模型的预测。我们发现,许多乘客突变可能是有害的,并且与模型一致,它们在很大程度上逃避了净化选择。最后,我们使用我们的模型来探索癌症治疗,通过1)增加突变率或2)加剧其有害影响来利用乘客的负载。虽然这两种方法都导致癌症消退,但后者导致复发频率较低。我们的研究结果为理解癌症进展提供了一个新的框架,即驾驶员和乘客突变的平衡。
2012-08-30 q-bio.GN q-bio.PE
A novel test for selection on cis-regulatory elements reveals positive and negative selection acting on mammalian transcriptional enhancers
测量参与基因表达顺式调节的基因组元件(如转录增强子和启动子)的自然选择对于理解基因组的进化至关重要,但它仍然是一个重大挑战。许多研究试图通过寻找那些进化速度最快或最慢的非编码元件来检测这些非编码元件中的正选择或负选择,但这可能是有问题的。在这里,我们介绍了一种新的方法来解决这个问题,并证明其实用性的三种哺乳动物转录增强子。使用这些增强子的饱和诱变研究的结果,我们将所有可能的点突变分类为上调,下调或沉默,并确定这些突变中的哪些发生在每个分支上。在蛋白质编码基因中应用类似于Ka/Ks的框架,我们测量了在特定分支以及整个基因组中上调和下调突变的选择强度。我们发现了作用于不同增强子的不同选择模式:虽然所有三种都经历了针对下调突变的负选择,但上调突变的选择压力各不相同。在一种情况下,我们检测到上调的阳性选择,而其他两种情况下没有检测到上调突变的选择。我们的方法是适用于越来越多的饱和诱变数据集,并提供了一个详细的图片顺式调控元件的自然选择作用的模式和强度。
2013-08-07 q-bio.GN q-bio.PE
Global Relationships in Fluctuation and Response in Adaptive Evolution
细胞通常会改变其内部状态以适应环境变化,并相应地进化以应对新的条件。这一过程涉及在几个不同的时间尺度上发生的表型变化,从基因组序列没有相应变化的更快的环境适应到涉及基因突变和随后选择的较慢的演化动力学。在这方面,出现了一个问题,即是否有任何关系,这种表型变化在不同的时间尺度上发生的适应性进化。在这项研究中,我们分析了模拟适应性进化在一个简单的细胞模型,并发现之间的比例在适应和进化的所有组件的浓度变化,比例系数是密切相关的细胞的生长速度的变化。此外,我们证明了由于(非遗传)噪声和基因组变异导致的组分浓度的表型方差在所有组分中均成比例。细胞状态中的这些全局关系也得到了现象学理论和{ \it Escherichia coli}实验室进化的转录组分析的支持。这些发现提供了一个基础的可塑性和鲁棒性的定量理论的发展,并确定进化所施加的表型变化的一般限制。
2015-02-02 q-bio.PE
Parallel adaptation: One or many waves of advance of an advantageous allele?
我们用于检测适应对群体基因组多样性的影响的模型通常是基于一个新出现的突变快速地扫描到固定。然而,一个种群也可以通过平行出现的具有相似表型效应的多个突变来适应新的情况。这些突变都可以快速达到中频,防止任何一个快速扫描到全局固定(“软”扫描)。在这里,我们研究了在一个地理分布的人口适应全球选择压力的平行突变模型。一个被选择的等位基因的缓慢地理传播可以允许其他被选择的等位基因出现并传播到物种范围的其他地方。当这些不同的选择等位基因相遇时,它们的传播速度会显著减慢,从而形成一个地理拼凑,这可能被误认为是当地适应的信号。这种随机空间细分将随着时间的推移而消散,这是由于通过迁移进行混合,从而在全局群体内留下一组部分扫描。我们发现,最初形成的突变类型的空间镶嵌是紧密相连的泊松过程模型的结晶,我们扩展。我们发现,平行突变的概率和平行突变发生的空间尺度被捕获的一个单一的特征长度,反映了预期的距离传播等位基因旅行之前,它遇到了一个不同的传播等位基因。这种特征长度取决于突变率、扩散参数、个体的有效局部密度,在较小程度上还取决于选择的强度。我们认为,即使在广泛分散的物种,这种平行的地理扫描可能是令人惊讶的普遍。因此,我们预测,随着更多的数据变得可用,更多的物种内平行适应的例子将被发现。
2010-07-21 math.PR q-bio.PE
A New Paradigm for Identifying Reconciliation-Scenario Altering Mutations Conferring Environmental Adaptation
微生物计算基因组学的一个重要目标是确定基因进化中的关键事件,这些事件严重改变了基因在其传播的基因组中的复制,丢失和动员模式。在本文中,我们正式这个微生物的目标作为一个新的模式匹配问题的域的基因树和物种树和解,表示为“克隆-场景改变突变(RSAM)发现”。我们提出了一个$O(m\cdot n\cdot k)$时间算法来解决这个新问题,其中$m$和$n$分别是输入基因树和物种树的顶点数,和$k$是一个用户指定的参数,从上面的最优解的数量的限制。该算法首先构造一个超图来表示给定的基因树和物种树之间的$k$最高得分协调场景,然后询问该超图以寻找与预先指定的RSAM模式匹配的子树。我们的算法是最优的,在这个意义上,在超图中的超节点的数量可以由$Ω(m\cdot n\cdot k)$下界。我们实现了新的算法作为一种工具,称为RSAM发现者,并展示了其应用-在跨越数百个物种的数据集的毒素和耐药元素的RSAM的识别。
2019-12-04 cs.DS q-bio.PE q-bio.QM
On two quantum approaches to adaptive mutations in bacteria
我比较了两种量子理论方法的适应性突变的现象,这里称为Q-细胞和Q-基因组。我使用波动捕获模型作为一般框架。我介绍的R-错误和D-错误的概念,并认为“波动捕获”模型必须采用的R-和D-错误之间的相关性。此外,我比较了这两种方法如何证明R-D误差相关性,重点是Q单元方法的优点。环境诱导的退相干(EID)的适应过程中的两个步骤的积极作用被强调。饥饿的细菌细胞被认为处于一种非选择状态。在这种状态下的细胞内动力学有一个单一的字符,我建议解释为“指数增长的虚时间”,类似于普遍认为的“扩散”的解释薛定谔方程。添加一个基板导致芯旋转和开关从“虚时间”再现到“实时”再现制度。由于基因组水平的变异(如碱基互变异构),饥饿细胞必须被表示为不同成分的叠加,所有成分都“在虚时间内繁殖”。添加选择性底物,只允许这些组分中的一种放大,将导致该组分的芯旋转和放大,从而证明R-D误差相关性的发生。进一步的分歧,进化理论的建议的想法进行了讨论。
2009-09-07 q-bio.CB q-bio.PE
de novo gene birth as an inevitable consequence of adaptive evolution
系统地层学表明,新的基因不断地从非基因序列中从头诞生,而那些持续存在的基因又发现了新的谱系,从而促进了生物体的适应性进化。虽然最近的证据支持这样的观点,即从头基因出生是频繁和广泛的,这一过程的机制尚未被发现。在这里,我们假设和检查一个潜在的一般机制,基因出生驱动的积累有益的突变在非基因位点。为了证明这种可能性,我们在突变效应的现有知识所设定的边界内对这种机制进行建模。这一分析的估计值与基因组学研究中经常性和广泛的基因诞生的观察结果一致。因此,我们认为,非基因区域可能是潜在基因的动态仓库,而不是不活跃和沉默的。
2021-10-06 physics.bio-ph q-bio.GN q-bio.PE
Intraspecific Comparative Genomics of Candida albicans Mitochondria Reveals Non-Coding Regions Under Neutral Evolution
白色念珠菌是一种严重的血源性医院获得性念珠菌病,对世界范围内的公共卫生产生影响。由于其作为医院病原体的重要性,C。白念珠菌基因组已经被大量研究以鉴定种内变异,并且已经开发了几种分型方法以区分密切相关的菌株。线粒体DNA可用于此目的,因为与核DNA相比,其更高的突变负荷和进化速率容易揭示微变体。因此,我们以8倍覆盖率对两个C.白色念珠菌临床分离株(L296和L757)的基因组序列,并将这些序列与参考菌株SC 5314的基因组序列进行比较。对33,928个位点的基因组比对结果显示,共发现372个多态位点,其中编码区230个,非编码区142个。从拉丁美洲18株临床分离株和2株ATCC标准株中扩增并测序了位于tRNAGly/COX 1、NAD 3/COB和ssurRNA/NAD 4L基因之间的3个中性替换位点,分别命名为IG 1、IG 2和IG 3。白色念珠菌菌株。观察到高度的序列和大小变异性,范围高达56 bp的大小差异,并且基于IG 1、IG 2和IG 3的同源性揭示了三个组。插入高达49 bp的观察完全在阿根廷菌株相对于其他序列,这可能表明聚类的地理多态性。由于这些线粒体基因间区具有中性进化、高度变异性、易于PCR分离和测序等特点,为C.白色念珠菌分离株,完善建立多位点序列分型方法。
2012-11-26 q-bio.GN q-bio.PE
The standing pool of genomic structural variation in a natural population of Mimulus guttatus
进化遗传学中尚未解决的主要问题包括确定不同突变来源对物种遗传变异总库的贡献,以及了解这些不同形式的遗传变异如何与自然选择相互作用。最近的研究表明,结构变异(插入、缺失、倒位和转位)是遗传变异的主要来源,就受影响的总碱基而言,其数量往往超过单核苷酸变异。尽管结构变异几乎无处不在,但关于它们与自然选择相互作用的主要问题仍然存在。例如,当与单核苷酸变体相比时,结构变体的等位基因频率谱有何不同?结构变异影响基因的频率有多高,其后果是什么?为了开始解决这些问题,我们已经系统地确定和表征了一个大的集亚显微插入和缺失(indel)的变种(1 kb至200 kb的长度)之间的10个人从一个单一的自然种群的植物物种Mimulus guttatus。经过广泛的计算过滤,我们专注于一组4,142个高置信度indel,实验验证率为73%。除了一个之外,所有这些插入缺失都< 200 kb。虽然最大的插入缺失通常在群体中处于较低频率,但令人惊讶的是,大量的大插入缺失处于中间频率。虽然与基因重叠的indel比偶然预期的要罕见得多,但近600个基因受到indel的影响。NBS-LRR防御反应基因在受影响的基因家族中最丰富。大多数与基因相关的插入缺失是罕见的,似乎是在纯化选择,但我们确实发现了四个高频衍生的插入等位基因,显示最近的正选择的签名。
2013-08-19 q-bio.GN q-bio.PE