Прогнозирование эволюции генетических мутаций

Биологи Дэвид МакКэндиш и Хуаннан Чжоу из лаборатории Колд-Спринг-Харбор разработали алгоритм с предсказательной силой, дающий ученым возможность увидеть, как специфические генетические мутации могут объединяться для изменения критических белков в ходе эволюции вида.

Описанный в Nature Communications 14-го апреля, алгоритм, называемый «интерполяция минимального эпистазиса», приводит к визуализации того, как белок может эволюционировать или стать высокоэффективным или неэффективным. Они сравнили функциональность тысяч версий белка, обнаружив закономерности того, как мутации вызывают эволюцию белка из одной функциональной формы в другую.

«Эпистаз» описывает любое взаимодействие между генетическими мутациями, в которых действие одного гена зависит от присутствия другого. Ученые предполагают, что реальность не совпадает с их прогностическими моделями из-за взаимодействия между генами. Имея это в виду, МакКэндиш создал этот новый алгоритм с предположением, что каждая мутация имеет значение. Термин «интерполяция» описывает процесс предсказания эволюционного пути мутаций, которые могут происходить у вида для достижения оптимальной функции белка.

Исследователи создали алгоритм, протестировав эффекты специфических мутаций, происходящих в генах, которые образуют стрептококковый белок GB1. Они выбрали белок GB1 из-за его сложной структуры, которая будет генерировать огромное количество возможных мутаций, которые могут быть объединены в огромное количество возможных способов.

«Из-за этой сложности, визуализация этого набора данных стала настолько важной», – говорит МакКэндиш. «Мы хотели превратить цифры в картинку, чтобы мы могли лучше понять, что [данные] говорят нам».

Визуализация эволюции белка: 

Визуализация похожа на топологическую карту. Высота и цвет коррелируют с уровнем активности белка, а расстояние между точками на карте показывает, сколько времени понадобится мутациям, чтобы развиться до этого уровня активности.

МакКэндиш сравнивает эволюционный путь белка с пешеходным туризмом, где белок – путешественник, пытающийся наиболее эффективно добраться до самых высоких или лучших горных вершин. Гены развиваются таким же образом: мутация ищет путь наименьшего сопротивления и повышенной эффективности.

Чтобы добраться до следующего лучшего пика в горном хребте, путешественник, скорее всего, будет путешествовать вдоль хребта, чем путешествовать пешком вниз до долины. Пройдя вдоль хребта, можно избежать еще одного потенциально опасного подъема. В визуализации долина – это синяя область, где комбинации мутаций приводят к самым низким уровням активности белка.

Алгоритм показывает, насколько оптимальной является каждая возможная мутантная последовательность и сколько времени потребуется для того, чтобы одна генетическая последовательность мутировала в любую из многих других возможных последовательностей. Предсказательная сила этого инструмента может оказаться особенно ценной в таких ситуациях, как пандемия COVID-19. Исследователи должны знать, как развивается вирус, чтобы знать, где и когда его перехватить, прежде чем он достигнет своей наиболее опасной формы.

Фотография Дэвида МакКэндиша в его кабинете. Он указывает на визуализацию того, что он называет «эволюционным пространством» белка GB1.

МакКэндиш объясняет, что алгоритм также может помочь «понять генетические пути, по которым вирус может пойти, когда он эволюционирует, чтобы уклониться от иммунной системы или получить лекарственную устойчивость. Если мы сможем понять вероятные пути, то, возможно, мы сможем разработать методы лечения, которые могут предотвратить развитие вируса».

Существуют дополнительные потенциальные приложения для такого прогностического генетического алгоритма, включая разработку лекарств и сельское хозяйство.

«Вы знаете, в самом начале генетики … было все это интересное предположение относительно того, на что были бы похожи эти генетические пространства, если бы вы действительно могли посмотреть на них», – добавил МакКэндиш. «Теперь мы можем посмотреть! Это действительно круто».

doi.org/10.1038/s41467-020-15512-5

Вас также может заинтересовать:

Ученые теперь могут редактировать несколько фрагментов генома одновременно