Information

Chimäres Gen oder Fusionsgen?

Chimäres Gen oder Fusionsgen?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Laut Wikipedia über chimäre Gene:

Diese Mutationen unterscheiden sich von Fusionsgenen, die ganze Gensequenzen zu einem einzigen Leserahmen verschmelzen und oft ihre ursprünglichen Funktionen beibehalten.

Ich bin mir nicht ganz sicher, ob ich die Aussage verstehe. Meine Interpretation ist, dass ein Fusionsgen durch eine Translokation von DNA in einem einzelnen Gen verursacht wird; daher "behält es ihre ursprünglichen Funktionen". Dies unterscheidet sich von einem chimären Gen, bei dem DNA von zwei oder mehr verschiedenen Genen an einen neuen Ort transloziert wird, um ein völlig neues Gen zu bilden.

Ist meine Interpretation richtig?


Ein chimäres Gen wird aus Fragmenten anderer Gene gebildet, während ein Fusionsgen aus der Gesamtheit anderer Gene gebildet wird. In der Literatur wird häufig der Begriff Fusionsgen für beide Fälle verwendet.


Chimäres Gen oder Fusionsgen? - Biologie

ChimPipe ist eine Computermethode zum Nachweis neuer transkriptionsinduzierter chimärer Transkripte und Fusionsgene aus Illumina Paired-End RNA-Seq-Daten. Es kombiniert Junction-Spanning- und Paired-End-Read-Informationen, um chimäre Spleiß-Übergänge mit Basenpaar-Auflösung genau zu erkennen.

ChimPipe wurde von der [Computational Biology of RNA Processing group] (http://www.crg.eu/en/roderic_guigo) in Barcelona, ​​Spanien, entwickelt.

Gehen Sie zur Registerkarte Releases und laden Sie die neueste Version herunter.

Klonen Sie das Git-Repository, falls Sie die neueste Version des Codes benötigen:

ChimPipe erfordert keinen weiteren Installationsschritt. Es kommt bereits mit vorkompilierten GEMtools-Binärdateien. Es ist in Bash und Awk geschrieben und kann als eigenständige Anwendung auf diversen Linux-Systemen ausgeführt werden.

  • 64-Bit-CPU
  • RAM:

  • 64-Bit-Linux-System
  • GNU awk
  • Bedtools v2.20.1 oder höher
  • Samtools v0.1.19 oder höher
  • Explosion v2.2.29+ oder höher

Bitte überprüfen Sie ChimPipe [Dokumentation] (https://chimpipe.readthedocs.org/), um detaillierte Informationen zu finden über:

ChimPipe wird unter der GPLv3 vertrieben. Weitere Informationen finden Sie in der Datei [LICENSE] (https://github.com/Chimera-tools/ChimPipe/blob/master/LICENSE.txt).

Bitte zögern Sie nicht, ein Problem in unserem Github-Repository einzureichen, falls Sie eine Frage haben

Treten Sie der [Mailingliste] von ChimPipe bei (https://groups.google.com/forum/#!forum/chimpipe-mailing-list/), falls Sie eine Frage haben, ein Problem melden oder eine Funktion anfordern möchten.

Bitte zitieren Sie den folgenden Artikel, wenn Sie ChimPipe in Ihrer Forschung verwenden:


Ursprung und Evolution eines chimären Fusionsgens in Drosophila subobscura, D. madeirensis und D. guanche

Ein Verständnis der Mutations- und Evolutionsmechanismen, die der Entstehung neuer Gene zugrunde liegen, ist entscheidend für Studien zur phänotypischen und genomischen Evolution. Hier beschreiben wir ein neues Beispiel für ein kürzlich gebildetes chimäres Fusionsgen, das in Drosophila guanche, D. madeirensis und D. subobscura vorkommt. Dieses neue Gen, das wir Adh-Twain nennen, entstand aus einer Adh-mRNA, die in das Gapdh-ähnliche Gen CG9010 retrotransponiert wurde. Adh-Twain wird seine 5'-Promotoren transkribiert und die Transkriptionsmuster scheinen denen von CG9010 ähnlich zu sein. Populationsgenetische und phylogenetische Analysen legen nahe, dass sich die Aminosäuresequenz von Adh-Twain kurz nach ihrer Entstehung durch gerichtete Selektion schnell entwickelt hat. Seine jüngere Geschichte ist jedoch durch eine langsamere Entwicklung gekennzeichnet, die mit zunehmenden funktionalen Einschränkungen einhergeht. Wir präsentieren ein Modell für den Ursprung dieses neuen Gens und diskutieren genetische und evolutionäre Faktoren, die die Evolution neuer Gene und Funktionen beeinflussen.

Figuren

Transkriptionsmuster von Adh-Twain und…

Transkriptionsmuster von Adh-Twain und CG9010 sind ähnlich. Wir haben RT-PCR verwendet, um…

5′-UTR und Promotoren sind ähnlich…

5′-UTR und Promotoren sind ähnlich für Adh-Twain (D. sub Fusion) und CG9010 und…

Hauptsequenzfunktionen von Adh-Twain…

Hauptsequenzfunktionen von Adh-Twain im Vergleich zu Mustern von Polymorphismus und Divergenz. (EIN)…

Nukleotid-Substitutionen in Adh und…

Nukleotid-Substitutionen in Adh und CG9010 Regionen von Adh-Twain und ihre elterlichen Gene.…

Ein Modell für die Evolution…

Ein Modell für die Entwicklung von Adh-Twain . (A) Chromosomale Duplikation von CG9010…


Ergebnisse

Frühe adaptive Evolution von CFGs. Durch den Vergleich des Verhältnisses von nicht-synonymen zu synonymen Substitutionen (Dn/Ds) können wir feststellen, ob eine schnelle Aminosäure-Evolution entlang eines Zweigs einer Phylogenie mit einer adaptiven Evolution vereinbar ist. Verhältnisse von weniger als 1 implizieren eine funktionelle Einschränkung der Aminosäuresequenz eines Proteins. Verhältnisse um 1 stimmen mit geringer funktioneller Einschränkung oder neutraler Evolution eines Proteins überein. Verhältnisse von mehr als 1 deuten auf eine gerichtete Selektion des Proteins hin. Jones et al. (19) berichteten, dass die Adh Region von Adh-Twain in D. subobscura, D. madeirensis, und D. guanche zeigt starke Hinweise auf eine adaptive Evolution kurz nach der Bildung dieser CFG (Dn/Ds » 1). Nach der Artbildung von D. subobscura und D. guanche, fällt das Dn/Ds-Verhältnis deutlich unter 1 (0,399), was mit zunehmender funktionaler Einschränkung übereinstimmt, obwohl dieses Verhältnis immer noch fast eine Größenordnung größer ist als das für beobachtete Verhältnis Adh in diesen Linien (0,0411).

Long und Langley (14) und Begun (16) schlugen beide vor, dass nach der Bildung von . eine erhöhte Aminosäuresubstitutionsrate auftrat jingwei und Adh-Finnegan, bzw. Codon-basierte Maximum-Likelihood-Modelle der Sequenzevolution waren zum Zeitpunkt dieser früheren Arbeiten nicht verfügbar. Jones et al. (19) nutzte diese Modelle jedoch für ihre Analyse von Adh-Twain in D. subobscura und seine Verwandten. Aus Konsistenzgründen haben wir die Daten von jingwei und Adh-Finnegan mit diesen modernen Tools.

Um zu bestimmen, ob das beobachtete Muster für Adh-Twain wurde gespiegelt von jingwei und Adh-Finnegan, haben wir die maximale Wahrscheinlichkeit verwendet, um Modelle der Sequenzentwicklung zu vergleichen. Adh-Twain Analyse von Jones et al. (19) schlugen mindestens drei verschiedene Dn/Ds-Verhältnisse entlang der Zweige unserer Genbäume der CFGs und ihrer . vor Adh Paraloge. Die meisten Äste des Baumes, einschließlich des CFG-Vorfahren, sollten ein Verhältnis haben. Die Zweigniederlassung unmittelbar nach der Gründung der CFG sollte ein anderes Verhältnis aufweisen. Die bestehenden CFG-Zweige sollten eine dritte Ratio (Drei-Ratio-Modell) aufweisen.

Verwenden von Adh und jingwei Sequenzen von D. melanogaster, D. orena, D. tessieri, Drosophila tsacasi, und D. yakuba, zeigten wir, dass ein Modell mit drei Dn/Ds-Verhältnissen am besten geeignet ist. Wir verglichen dieses Drei-Verhältnis-Modell mit einem Ein-Verhältnis-Modell (alle Zweige sind auf ein einziges Dn/Ds-Verhältnis beschränkt), mit einem freien Verhältnis-Modell (alle Zweige haben unabhängige Dn/Ds-Verhältnisse) und mit einem Zwei-Verhältnis Modell (jingwei Zweige haben ein Dn/Ds-Verhältnis, alle anderen Zweige haben ein anderes Verhältnis). Das Modell mit drei Dn/Ds-Verhältnissen passt besser zu den Daten als das Modell mit einem Verhältnis (Modell mit drei Verhältnissen ln l = �.72. in welchem l ist das Wahrscheinlichkeits-Ein-Verhältnis-Modell ln l = �,24 Drei-gegen-Eins-Verhältnis, 2Δln l = 29,04, df = 2, P < 0,0001) und besser als das Zwei-Verhältnis-Modell (Zwei-Verhältnis-Modell ln l = �.43 Verhältnis drei zu zwei, 2Δln l = 7,42, df = 1, P = 0,0065). Das parameterreichere Free-Ratio-Modell passte nicht signifikant besser zu den Daten als das Drei-Ratio-Modell (Free-Ratio-Modell ln l =�.31 Verhältnis drei vs. frei, 2Δln l = 16,82, df = 9, P = 0,052). Wir haben auch einige andere Variationen dieser Modelle untersucht, von denen keine signifikant besser zu den Daten passt als das Drei-Verhältnis-Modell (Daten nicht gezeigt).

Obwohl das Dn/Ds-Verhältnis für die Verzweigung unmittelbar nach der Bildung von ϡ ist jingwei, ist das Signal adaptiver Aminosäuresubstitutionen nicht so stark wie bei Adh-Twain (früh jingwei Zweig, Dn/Ds = 1,27 später jingwei Zweige, Dn/Ds = 0,123 und Adh Zweige, Dn/Ds = 0,036). Trotzdem sind die Dn/Ds-Verhältnisse der beiden Sätze von jingwei Zweige sind 35-mal und 3,4-mal größer als die der Adh Abstammungen bzw. Dieses Muster stimmt auch mit dem für beobachteten überein Adh-Twain. Es ist erwähnenswert, dass, wenn die entfernte Fremdgruppe D. tsacasi aus der Analyse entfernt wird, wird das Drei-Verhältnis-Modell immer noch stark unterstützt (Drei- vs. Zwei-Verhältnis, 2Δln l = 11,4, df = 1, P = 0,0008). In diesem Fall beträgt das Dn/Ds-Verhältnis im Wesentlichen ϡ (wir haben 12 nicht-synonyme Substitutionen auf 0 synonyme Substitutionen geschätzt).

Adh-Finnegan ist älter als jingwei und Adh-Twain und ist in einer Vielzahl von reichlich Gruppenarten (15, 16). Vergleich von Adh-Finnegan zu Adh in dieser Gruppe wird durch die Existenz von mehreren kompliziert Adh Vervielfältigungen in diesen Linien. Trotz dieser Unterschiede zu den früheren Analysen bleibt das Gesamtmuster gleich. Auch hier passt das Modell mit drei Dn/Ds-Verhältnissen besser zu den Daten als das Modell mit einem Verhältnis (Modell mit drei Verhältnissen ln l = �.19 Ein-Verhältnis-Modell ln l = �.90 drei vs. eins Verhältnis, 2Δln l = 37,42, df = 2, P < 0,0001) und besser als das Zwei-Verhältnis-Modell (Zwei-Verhältnis-Modell ln l =𠄴,902,08 Verhältnis drei zu zwei, 2Δln l = 31,78, df = 1, P < 0,0001). Das parameterreichere Free-Ratio-Modell passte nicht signifikant besser zu den Daten als das Drei-Ratio-Modell (Free-Ratio-Modell ln l = 𠄴,866,52 Verhältnis drei vs. frei, 2Δln l = 39,34, df = 27, P = 0.059).

Dn/Ds beträgt 2,67 für die Verzweigung unmittelbar nach der Bildung von Adh-Finnegan, was wiederum auf eine frühe adaptive Evolution im Adh Region von Adh-Finnegan. Wie in beobachtet Adh-Twain und jingwei, die Aminosäuresubstitutionsrate bei Adh-Finnegan verlangsamt sich dramatisch nach dieser ersten Runde der adaptiven Evolution (später Adh-Finnegan Zweige, Dn/Ds = 0,096 Adh Zweige, Dn/Ds = 0,080).

Diese drei Analysen legen nahe, dass sich die Proteine ​​aller drei CFGs kurz nach ihrer Bildung adaptiv entwickelten ( 1 ). Die nachfolgende Evolution war eingeschränkter, wenn auch typischerweise schneller als das, was normalerweise bei . beobachtet wird Drosophila Adh.

Die Proteinsequenz von new Adh-abgeleitete CFGs entwickeln sich schnell, kurz nachdem diese Gene gebildet wurden. Ein Vergleich von Dn (Links) und Ds (Rechts) zum Adh-Twain, jingwei, und Adh-Finnegan wie von unserem Drei-Verhältnis-Modell geschätzt (siehe Ergebnisse). Rot hebt die Dn-Zweige unmittelbar nach der Bildung der neuen Gene hervor. Rote Pfeile zeigen an, wo die entsprechenden Ds-Zweige sind oder wären, wenn sie vorhanden wären. Grün zeigt die nachfolgenden CFG-Zweige an. Blau zeigt an Adh Linien.

Orte der frühen Aminosäuresubstitutionen. Der frühe Ausbruch der adaptiven Aminosäure-Evolution in diesen drei Fusionsgenen deutet auf eine grundlegende Ähnlichkeit im Evolutionstempo dieser neuen Gene hin. Als nächstes untersuchten wir, ob es Ähnlichkeiten zwischen den neuen Proteinen gab, welche Aminosäuren sich entwickelt haben.

Wir verwendeten die rekonstruierten Vorfahrenzustände, um die Aminosäureveränderungen zu identifizieren, die kurz nach der Bildung jedes neuen Gens auftraten. Anschließend verglichen wir die CFGs miteinander und stellten fest, wie oft sich die gleiche Aminosäureposition in einem Paar dieser Gene änderte. Wie Tabelle 1 zeigt, veränderten sich viele der gleichen Aminosäuren in allen drei CFGs. Wir haben einen Binomialtest verwendet, um die Wahrscheinlichkeit zu bestimmen, dass wir diese Überlappung für jedes Gen allein zufällig beobachten würden (Sinn ref. 28). Dieser Test geht von einem Nullmodell aus, bei dem eine Aminosäuresubstitution in einem Fusionsgen unabhängig von einem anderen ist (z. B. Evolution in jingwei ist unabhängig von Adh-Finnegan), und dass diese Substitutionen überall im Gen vorkommen können (als ob es keine Einschränkung gäbe, welche Aminosäuren sich ändern könnten). Tabelle 1 zeigt uns wiederum, dass diese auffallende Ähnlichkeit des Substitutionsmusters nicht dem Zufall zugeschrieben werden kann.

Tabelle 1.

Genvergleich % der geteilten Websites * P Wert †
jingwei zu Adh-Twain 45 (5 von 11) 0.005
jingwei zu Adh-Finnegan 63 (7 von 11) Ϡ.001
Adh-Finnegan zu jingwei 30 (7 von 23) 0.004
Adh-Finnegan zu Adh-Twain 30 (7 von 23) 0.004
Adh-Twain zu Adh-Finnegan 50 (7 von 14) Ϡ.001
Adh-Twain zu jingwei 36 (5 von 14) 0.021

Der obige Test beruht auf der zweifelhaften Annahme, dass Änderungen bei allen Resten gleich wahrscheinlich sind. Eine alternative Hypothese für die beobachtete Parallelität ist, dass einige Standorte in Adh sind weniger funktionell eingeschränkt als andere und erlauben daher mehr (parallele) Aminosäuresubstitutionen. Wir haben diese Idee auf zwei Arten getestet. Zuerst haben wir die Positionen der Substitutionen in bestimmt Adh für den äquivalenten Zweig, d. h. den frühesten Zweig, der zu führt Adh als an die CFG nach der Gründung der CFG. In allen drei CFG–Adh Datensätzen traten entlang dieser insgesamt sieben Aminosäureveränderungen auf Adh Zweige, von denen keiner geteilt wurde. Obwohl dies mit unserer Beobachtung übereinstimmt, sind dies keine ausreichenden Daten, um unsere Hypothese zu testen (obwohl man aufgrund unserer Daten für CFGs erwarten würde, dass ungefähr drei Standorte geteilt werden sollten). Unser zweiter Test beinhaltete die Bestimmung, welche Aminosäure-Sites sich entwickeln und welche nicht Adh. Wir haben 61 gesammelt Adh Sequenzen ab 55 Drosophila Arten und ihre nahen Verwandten. Von 254 homologen Positionen zeigten 118 Aminosäurepositionen keine Variation in irgendeiner dieser Spezies (konservierte Positionen). Diese Seiten sind wahrscheinlich wichtig für Adh Funktion. Beim Vergleich dieser Aminosäurepositionen mit denen bekannter null- oder hypomorpher Mutationen in D. melanogaster Adh, 32 der 43 (74%) bekannten Aminosäure-verändernden Mutationen (ausgenommen vorzeitige Stop-Codon-Mutationen) treten an diesen konservierten Positionen auf. (Mehrere der 11 Mutationen, die nicht an konservierten Positionen auftreten, sind Mutationen von Aminosäuren, die normalerweise an dieser Stelle in nicht beobachtet werden Adh.)

Allerdings traten 25 % (8 von 32) der frühen Veränderungen in den drei CFGs an konservierten Stellen auf (P = 0,0024, die beobachteten Veränderungen unterscheiden sich von Adh-abgeleitete Erwartung) die Hälfte (4 von 8) dieser frühen Veränderungen, die an konservierten Positionen auftreten, werden von mindestens zwei CFGs geteilt. Diese Beobachtungen sprechen stark gegen die Hypothese, dass ein Mangel an funktionellen Einschränkungen die Ähnlichkeit der Positionen von Aminosäureänderungen in der Adh Region der CFGs. Die alternative Erklärung ist, dass eine starke Richtungsselektion die konvergente Evolution an diesen Standorten vorantreibt.

Konvergenz früher Aminosäuresubstitutionen. Vier der sieben gemeinsamen Stellen früher Aminosäureveränderungen in Adh-Twain und Adh-Finnegan sind Übergänge zur gleichen Aminosäure. Ebenso die jingwei zu Adh-Twain Ein Vergleich legt nahe, dass vier der fünf gemeinsamen Aminosäuresubstitutionen durch dieselbe Aminosäure erfolgten. Dieses Muster weist auf einen überraschenden Grad an biochemischer Konvergenz hin. Allerdings teilt sich nur eine der sieben Änderungen zwischen jingwei und Adh-Finnegan war auf die gleiche Aminosäure.

Eine Erklärung für den hohen Grad an biochemischer Konvergenz ist, dass es sich um ein Artefakt handelt, das aus einer Voreingenommenheit bei unserer Rekonstruktion von Vorfahrenzuständen resultiert. Diese Erklärung ist unwahrscheinlich. Alle rekonstruierten gemeinsamen Änderungen hatten eine Wahrscheinlichkeit von 95 % oder mehr, mit Ausnahme von einer in Adh-Finnegan, das waren nur 76 %. Diese Stelle ist jedoch keine, an der eine Konvergenz der Aminosäure beobachtet wurde. Zweitens haben wir uns für die Stellen mit den gleichen Aminosäureänderungen die sparsame Rekonstruktion der Stelle angesehen (29). In allen Fällen war es im Allgemeinen deckungsgleich mit unseren Rand- und Gelenkrekonstruktionen. Drittens haben wir untersucht, wie oft diese Seiten über alle vorhandenen Sequenzen in unserem Datensatz variieren. Nur eine der gemeinsamen Änderungen variiert je über die Adh Sequenzen (Stelle 245). Drei der Standorte variieren innerhalb der CFG-Linien, zwei in Adh-Finnegan (Standorte 68 und 219) und eine in Adh-Twain (Standort 127), aber jede dieser Änderungen ist auf eine einzige Art beschränkt. Diese Daten legen nahe, dass die an diesen Stellen beobachtete Konvergenz kein Nebenprodukt der Methoden ist, die zur Rekonstruktion dieser Vorfahrensequenzen verwendet wurden.

Formal ist es möglich, dass die beobachtete biochemische Konvergenz aus einem starken Substitutionsbias gegenüber einer bestimmten Base oder Basen resultiert. Wir haben jedoch keine klaren Muster einer solchen Verzerrung beobachtet. Die häufigste Substitution war für jedes Gen einzigartig: in Adh-Twain, es war G zu T in jingwei, es war C nach G und G nach A und in Adh-Finnegan, es war C bis A. In beiden jingwei und Adh-Finnegan, mehr As substituiert als jede andere Base, obwohl die Anteile unterschiedlich waren (43 % bzw. 58 %). Ts waren mit 37% am häufigsten basensubstituiert in Adh-Twain. Als weiteren Test haben wir die Übergangs-/Transversionsratenverhältnisse (κ) aller drei CFG-Datensätze verglichen. Wenn ein geteilter Substitutionsbias besteht, ist zu erwarten, dass κ in diesen Genen ähnlich ist. Wir haben diese Idee getestet, indem wir das κ eines CFG– . korrigiert habenAdh Datensatz mit dem geschätzten κ aus den anderen beiden Datensätzen und prüfen, ob dieser eine bessere Anpassung an die Daten liefert als ein aus diesem bestimmten CFG geschätzter κ–Adh Datensatz. Dieser Test ist konservativ, da das feste κ weniger Freiheitsgrade hat als das geschätzte κ. Die geschätzte κ passt im Allgemeinen deutlich besser als die κ aus dem anderen CFG–Adh Datensätze, mit einer Ausnahme (Analyse nicht gezeigt). jingwei Verwendung der Adh-Finnegan κ war grenzwertig (P = 0,074, obwohl die Adh-Finnegan mit jingwei κ passte deutlich schlechter zu den Daten (P = 0,0002). Interessanterweise, trotz der Austauschbarkeit ihrer Übergangs-/Transversionsraten-Verhältnisse, jingwei und Adh-Finnegan hatte die am wenigsten ähnlichen Aminosäureveränderungen. Diese Analysen lassen es unwahrscheinlich erscheinen, dass die beobachteten gemeinsamen Aminosäureveränderungen zufällig entstanden sind. Diese Beobachtung lässt die natürliche Selektion als wahrscheinlichere Erklärung für die in den Daten beobachtete zügellose Parallelität übrig.


Die häufigsten Androgen-gesteuerten Fusionsgene bei Prostatakrebs

Die am weitesten verbreitete genetische Neuordnung bei Prostatakrebs beinhaltet die Fusion des Androgen-regulierten Gens TMPRSS2 mit dem ETS-Transkriptionsfaktor ERG, das schätzungsweise bei 繐% der Prostatakrebsfälle auftritt (Tomlins et al., 2005 Kumar-Sinha et al., 2008) und bei weitem das häufigste genetische Fusionsgen in soliden Tumoren ist (PCAWG Transcriptome Core Group et al., 2020). Mehr als 50 % dieser Fusionsereignisse schließen sich insbesondere dem ersten Intron von . an TMPRSS2 mit dem dritten Intron von ERG und führen zu den häufigsten TMPRSS2:ERG mRNA-Fusionstranskript, das Exon 1 von gegenüberstellt TMPRSS2 mit Exon 4 von ERG (Weier et al., 2013) (Abbildung 2). Einige andere TMPRSS2:ERG Fusionsereignisse mit unterschiedlichen Verbindungsstellen wurden auch in klinischen Proben von Prostatakrebs mit geringerer Häufigkeit beschrieben (Kumar-Sinha et al., 2008 Weier et al., 2013). Die TMPRSS2:ERG Fusion ist in der VCaP-Prostatakrebszelllinie vorhanden (Tomlins et al., 2005) und wurde in jüngerer Zeit in diesem Modell gut charakterisiert. Es birgt eine intragene Umlagerung zwischen den Introns 1 und 4 von TMPRSS2 und eine nachfolgende intergenische Umlagerung mit Intron 3 von ERG (Weier et al., 2013). Es wurde festgestellt, dass die Androgenstimulation von VCaP-Zellen einen signifikanten Anstieg der ERG-Expression verursacht, während Androgene die ERG-Spiegel in fusionsnegativen LNCaP-Zellen nicht beeinflussten, was bestätigt, dass die Androgenregulation von ERG entsteht durch die Verschmelzung mit TMPRSS2 (Tomlins et al., 2005). Darüber hinaus hemmte der siRNA-vermittelte Knock-down von ERG in VCaP-Zellen die Invasion signifikant, ohne die Proliferation zu beeinträchtigen (Tomlins et al., 2008a). Aufgrund seiner Prävalenz und der Verfügbarkeit von fusionspositiven Zelllinienmodellen ist die Relevanz von TMPRSS2-ERG für Prostatakrebszellen und die klinischen Manifestationen der Krankheit wurden umfassend untersucht und werden in den folgenden Kapiteln ausführlicher diskutiert.

TMPRSS2 ist auch an einem kleinen Prozentsatz von Neuordnungen mit den Mitgliedern der ETS-Familie beteiligt ETV1 (Tomlins et al., 2005, 2007), ETV4 (Tomlins et al., 2006) und ETV5 (Helgeson et al., 2008) (Abbildung 2). In dem TMPRSS2-ETV1 Fusionsereignis, Exon 1 von TMPRSS2 schließt sich Exon 4 von . an ETV1, was zu einer Umordnung sehr ähnlich der TMPRSS2:ERG Fusionsgen. Obwohl von LNCaP-Zellen berichtet wurde, dass sie eine deutliche Überexpression von ETV1 aufweisen (Tomlins et al., 2005), wurde nicht gefunden, dass sie die TMPRSS2:ETV1 Fusion (Tomlins et al., 2007). Es wurde festgestellt, dass die lentivirale Vektor-vermittelte ETV1-Überexpression in der immortalisierten Prostataepithelzelllinie RWPE keinen Einfluss auf die Zellproliferation hat, aber die Zellinvasion erhöht (Tomlins et al., 2007). Darüber hinaus wurde festgestellt, dass die Androgen-vermittelte ETV1-Hochregulation in LNCaP-Zellen die Expression von Matrix-Metalloproteinasen (MMPs) induziert, die für den Abbau der extrazellulären Matrix und Basalmembran verantwortlich sind. Es wurde festgestellt, dass der siRNA-Knock-down von ETV1 in androgenabhängigen LNCaP-Zellen sowie androgenunabhängigen C81-Zellen die Invasion signifikant reduziert und auf eine Rolle von hinweist ETV1 bei der Krankheitsprogression (Cai et al., 2007). In dem TMPRSS2:ETV4 Fusionsereignis, eine kurze regulatorische Region 8 Kb stromaufwärts von TMPRSS2 und einen Androgen-regulierten Enhancer enthaltend, ist einer intronischen Region unmittelbar stromaufwärts von Exon 3 von gegenübergestellt ETV4. Dieses Fusionsgen wurde in Prostatakrebszelllinien nicht beschrieben, aber die native ETV4-Expression ist in RWPE-, PC-3- und DU145-Zellen vorhanden und seine Herunterregulierung hemmt die Proliferation, das verankerungsunabhängige Wachstum und die Migration von Prostatakrebszellen (Pellecchia et al., 2012). In jüngerer Zeit Co-Expression von ETV1 und ETV4 wurde in PC-3 und MDA-PCa-2b Prostatakrebszelllinien gefunden, die Modelle für fortgeschrittene Erkrankungen darstellen. Die Stilllegung eines der beiden ETS-Familienmitglieder hatte keinen Einfluss auf die Proliferation oder Apoptose. Jedoch, ETV4 Knock-down-Zellen zeigten eine signifikante Abnahme der Koloniebildung, während ETV1 Knock-down-Zellen zeigten eine signifikante Abnahme der Zellinvasion, was eine relevante Rolle von . bestätigt ETV1 beim Krankheitsverlauf (Mesquita et al., 2015). In dem TMPRSS2:ETV5 Fusionsereignis, Exons 1 bis 3 von TMPRSS2 sind mit Exon 2 von fusioniert ETV5. Obwohl diese Umlagerung auch in allen bekannten Prostatakrebszelllinien fehlt, lieferten funktionelle Studien der ETV5-Überexpression, die am RWPE-Modell durchgeführt wurden, sehr ähnliche Ergebnisse wie die mit dem RWPE-ETV1-Überexpressionsmodell erhaltenen (Helgeson et al., 2008).

In jüngerer Zeit wurde bei etwa 1% der Prostatakrebsfälle ein neuartiges Fusionsereignis gemeldet, bei dem die Exons 1 oder 2 von gegenübergestellt wurden TMPRSS2 zu Exon 2 des SMAD-Inhibitors und des onkogenen Faktors SKIL und führt zu seiner Überexpression. Es wurde festgestellt, dass die Herunterregulierung der SKIL-Expression in PC-3-Zellen das Zellwachstum, die Invasion und die Koloniebildung reduziert, während die SKIL-Überexpression in RWPE-Zellen eine deutliche Zunahme des invasiven Potenzials zeigte (Annala et al., 2015). ETV1, ETV5, und SKIL wurden auch als 3′-Prime-Fusionspartner mit der Prostata-spezifischen, Androgen-induzierten Gen-Solute-Trägerfamilie 45, Mitglied 3 (SLC45A3), auch als Prostein bezeichnet, als 5′ Partner (Tomlins et al., 2007 Helgeson et al., 2008 Annala et al., 2015) (Abbildung 2). Bei diesen Fusionsereignissen wird Exon 1 von SLC45A3 ist dem Exon 5 von gegenübergestellt ETV1 (Tomlins et al., 2007), Exon 8 von ETV5 (Helgeson et al., 2008) oder Exon 2 von SKIL (Annala et al., 2015). Diese SLC45A3-ETS Fusionen und die Fusionen mit SKIL wurden bei Prostatakrebs-Zelllinien nicht berichtet. Eine kürzlich durchgeführte Studie hat jedoch gezeigt, dass die gleichzeitige Behandlung von LNCaP-Zellen mit Androgenen und Bestrahlung die Transkriptexpression von TMPRSS2:ERG, TMPRSS2:ETV1 und SLC45A3:ETV1 induzierte. Die genomische Sequenzierung bestätigte die Authentizität der Fusionsereignisse auf chromosomaler Ebene, was auf eine potenzielle Rolle von AR bei der Förderung von Tumortranslokationen hindeutet (Lin et al., 2009).

Vor kurzem identifizierten Chakravarthi und Kollegen eine Fusion, die bei etwa 30 % der Fälle von primärem Prostatakrebs auftritt und das AR-Zielgen betrifft KLK4 als 5′ Partner und das nicht-kodierende Pseudogen KLKP1 (Chakravarthi et al., 2019). Sowohl KLK4 als auch KLKP1 gehören zur Kallikrein-Familie der Serinproteasen, und ihre Gene liegen nebeneinander in einem Cluster von 15 Genen auf Chromosom 19 (q13.33–q13.41), das auch die bekannten KLK3 (PSA). Die KLK4-KLKP1-Fusion wird entweder durch einen Trans-Splicing-Mechanismus oder eine In-Frame-Fusion aufgrund einer Mikrodeletion gebildet, die zur Fusion der ersten beiden Exons von . führt KLK4 mit Exon 4 und 5 von KLKP1. Die resultierende chimäre Sequenz sagt ein 164𠄺minosäuren-Protein voraus, von dem das letzte Drittel von KLKP1 abgeleitet ist, was zu einer Umwandlung des nicht-kodierenden Pseudogens in ein Protein-kodierendes Gen führt. Unter Verwendung von Zellkultur und Hühner-Chorioallantois-Membran (CAM)-Assay wurde gezeigt, dass die Expression des KLK4-KLKP1-Fusionstranskripts die Zellproliferation, die Zellinvasion, die Intravasation und die Tumorbildung beeinflusst (Chakravarthi et al., 2019).

Darüber hinaus ergab die Transkriptom-Sequenzierung von ETS-fusionsnegativem Prostatakrebs genetische Umlagerungen, an denen Mitglieder der RAF-Kinase-Familie beteiligt waren, nämlich SLC45A3-BRAF und ESRP1-RAF1, die in etwa 2% der fortgeschrittenen PCa-Fälle wiederkehrten, wobei erstere AR-reguliert war ( Palanisamy et al., 2010). Die ektopische Expression beider Chimären in Prostata-Epithelzellen zeigte eine Zunahme der onkogenen Eigenschaften, und diese RAF-Kinase-Fusionsgene sind im Allgemeinen mit Merkmalen einer fortgeschrittenen Erkrankung, wie einem hohen Gleason-Score und Kastrationsresistenz, verbunden (Palanisamy et al., 2010 Beltran et al.) ., 2013 Ross et al., 2016 Pederzoli et al., 2020). Neben den oben genannten Fusionsgenen wurden in klinischem Material eine bedeutende Anzahl weiterer Prostatakrebs-Fusionsgene beschrieben (Tomlins et al., 2007 Kumar-Sinha et al., 2008 Weier et al., 2013). Die meisten davon treten mit sehr geringer Häufigkeit auf und/oder wurden nicht weiter untersucht, oft aufgrund fehlender Zellmodelle, die sie exprimieren.


Danksagung

Wir danken M. Antezana für den Vorschlag der strukturellen Hypothese für Divergenzmitglieder des Begun-Labors und der Evolution Discussion Group an der University of California, Davis M. Long und K. Thornton für nachdenkliche Kommentare zu einem früheren Entwurf des Manuskripts von K. Thornton für ein hilfreicher statistischer Vorschlag und zwei aufschlussreiche Gutachter für mehrere Vorschläge, die das Manuskript verbesserten und uns halfen, kritisch über unser Schichtmodell nachzudenken. Diese Arbeit wurde durch Stipendien der National Science Foundation (an C.D.J. und MCB 9973804 an D.J.B.) unterstützt.


Chimäre und Mosaik sind Organismen, die sich aufgrund genetischer Kombinationen entwickeln. Der Hauptunterschied zwischen Chimäre und Mosaik ist die Anzahl der Zygoten, die an der Embryonalentwicklung beteiligt sind. Bei der Chimäre findet die Verschmelzung zweier Zygoten statt, während beim Mosaik nur eine Zygote an der Bildung des Mosaikembryos beteiligt ist. Daher beteiligen sich mindestens vier Eltern an der Bildung einer Chimäre, während zwei Eltern an der Bildung eines Mosaiks beteiligt sind.

Die folgende Infografik fasst den Unterschied zwischen Chimäre und Mosaik zusammen.


Molekulare und zytogenetische Analyse

Chronische myeloische Leukämie (CML)

Das Philadelphia (Ph)-Chromosom, das aus der t(922)-Translokation resultiert, ist in 95 % der Fälle von CML durch routinemäßige zytogenetische Untersuchungen nachweisbar, aber die Anomalie ist in den verbleibenden 5 % submikroskopisch. In allen Fällen kann sein Vorhandensein durch den Nachweis des bestätigt werden BCR-ABL1 Fusionsgens, durch FISH oder durch Nachweis seines Transkripts durch RT-PCR. Das Ph-Chromosom findet sich auch in C. 25 % bzw. 5 % der ALL bei Erwachsenen und Kindern 26, wo sie mit einer relativ schlechteren Prognose assoziiert ist und die Notwendigkeit anzeigt, zusätzlich zur Standard-Chemotherapie einen Tyrosinkinase-Inhibitor (TKI) einzuschließen. Patienten mit Verdacht auf CML oder eine andere myeloproliferative Neoplasie sollten auf getestet werden BCR-ABL1 zur endgültigen Diagnose. Um das klinische Management zu optimieren, sollten Patienten mit ALL auch auf getestet werden BCR-ABL1.


Informationen zum Autor

Pilar López-Nieva, Pablo Fernández-Navarro, Osvaldo Graña-Castro und Eduardo Andrés-León trugen zu gleichen Teilen bei.

Mitgliedschaften

Abteilung für Zellbiologie und Immunologie, Severo Ochoa Molecular Biology Center (CBMSO), CSIC-Autonome Universität Madrid, Madrid, 28049, Spanien

Pilar López-Nieva, Javier Santos, María Villa-Morales, María Ángeles Cobos-Fernández, Laura González-Sánchez und José Fernández-Piqueras

Institut für Gesundheitsforschung Jiménez Diaz Foundation, Madrid, 28040, Spanien

Pilar López-Nieva, Javier Santos, María Villa-Morales, María Ángeles Cobos-Fernández, Laura González-Sánchez und José Fernández-Piqueras

Konsortium für biomedizinische Forschung bei seltenen Krankheiten (CIBERER), Spanien. Carlos III Institute of Health, Madrid, 28029, Spanien

Pilar López-Nieva, Javier Santos, María Villa-Morales, María Ángeles Cobos-Fernández, Laura González-Sánchez und José Fernández-Piqueras

Abteilung für Krebs- und Umweltepidemiologie, Nationales Zentrum für Epidemiologie, Carlos III Institute of Health, Madrid, 28029, Spanien

Konsortium für biomedizinische Forschung in Epidemiologie und öffentliche Gesundheit (CIBERESP), 28029, Madrid, Spanien

Bioinformatics Unit, Structural Biology and Biocomputing Programme, Spanisches Nationales Krebsforschungszentrum (CNIO), Madrid, 28029, Spanien

Bioinformatik-Einheit, Instituto de Parasitología y Biomedicina „López-Neyra“, Consejo Superior de Investigaciones Científicas (IPBLN-CSIC), PTS Granada, Granada, 18016, Spanien

Cell Division and Cancer Group, Molecular Oncology Programme, Spanisches Nationales Krebsforschungszentrum (CNIO), Madrid, 28029, Spanien


Jones, Corbin

Anpassungen sind von zentraler Bedeutung für das Studium der Evolution. Daher ist es überraschend, dass wir so wenig über die molekularen Grundlagen der adaptiven Evolution wissen. Das Ziel meiner Forschung ist es, die Evolution von Genen, die natürlichen Anpassungen zugrunde liegen, zu identifizieren, zu klonen und zu charakterisieren, um die beteiligten Gentypen zu bestimmen, wie viele und welche Arten von genetischen Veränderungen aufgetreten sind und die evolutionäre Geschichte dieser Veränderungen. Diese Daten werden zentrale Fragen beantworten. Sind beispielsweise Anpassungen mit vielen genetischen Veränderungen verbunden oder nur mit wenigen? Wie wichtig sind regulatorische versus! s Aminosäureveränderungen bei der Anpassung? Wie oft sind “neu”-Gene an Anpassungen beteiligt? Sind die meisten adaptiven Allele neue Mutationen oder segregieren bereits vorhandene Allele mit geringer bis mäßiger Häufigkeit innerhalb einer Spezies? Ein tieferes Verständnis davon, wie sich Gene während der Anpassung verändern, wird eindeutig einen Einblick in das Potenzial und die Grenzen der adaptiven Evolution geben.

Spezifische Forschungsbereiche:

  • Genetische Analysen von Anpassungen und interspezifischen Unterschieden bei Drosophila
  • Molekulare Evolution und Populationsgenetik neuer Gene
  • Evolutionäre Analyse von QTL- und Genomdaten

Anpassungen und andere interspezifische Unterschiede bei Drosophila

Die Werkzeuge der modernen Biologie haben es möglich gemacht, die molekulare Genetik der Anpassung, insbesondere bei Drosophila, zu sezieren. Derzeit verwende ich molekulare Marker und QTL-Mapping-Techniken, um Regionen mit adaptiven Allelen präzise zu kartieren. Kandidatengene mit Expressionsänderungen werden durch Microarray- und andere Expressionsstudien identifiziert. Kandidatengene mit strukturellen Veränderungen werden unter Verwendung von populationsgenetischen Daten und positionellem Klonen identifiziert. Anschließend werden Kandidatengene und ihre regulatorischen Regionen analysiert, um die aufgetretenen genetischen Veränderungen und deren Entwicklung zu bestimmen.

D. shellia – im Gegensatz zu seinen generalistischen Schwesterarten D. melanogaster, D. mauritiana und D. simulans – spezialisiert sich auf die Verwendung der normalerweise giftigen Früchte von Morinda citrifolia als Wirt. Insbesondere D. sehellia hat eine Resistenz gegen M. citrifolia und eine bevorzugte Eiablagestelle für M. citrifolia entwickelt. Zur Zeit analysiere ich genetisch mehrere adaptive Merkmale bei D. sehellia. Bisher habe ich grob Regionen kartiert, die die Resistenz und Anziehungskraft von D. sechellia auf M. citrifolia beeinflussen. Ich verwende derzeit zusätzliche molekulare und sichtbare Marker, um diese Regionen fein zu kartieren. Zukünftige Bemühungen werden sich darauf konzentrieren, einige dieser Anpassungsfaktoren zu klonen und die aufgetretenen genetischen Veränderungen zu identifizieren.

Studien über natürliche Anpassungen können zu einem besseren Verständnis der Molekulargenetik wichtiger Merkmale führen. Zum Beispiel werden Erkenntnisse über die genetische Grundlage der Anziehungskraft von D. sehellia auf M. citrifolia auch zu unserem Verständnis des Geruchssinns beitragen. Considerable effort has gone into identifying genes involved in olfactory perception however little progress has been made in the genetics of behavior driven by olfactory information. I have already shown that D. sechellia’s preference for M. citrifolia is a difference in response behavior rather than perception thus, the genes that have evolved in D. sechellia must be those responsible for behavior rather than detection. Once these genes are cloned, I can explore the genetic mechanism of attraction behavior and see if homologs of these genes are involved in the olfactory behavior of other species.

DPGP – D. simulans and D. yakuba

Efforts are underway to produce whole genome sequences for several other species of Drosophila (see the UC Davis – DPGP project site for details). Currently, the genomes of D. simulans and D. yakuba are in progress with several more genomes to follow (likely including D. sechellia). These data will provide new insight into how genomes evolve, which types of genes are evolving most rapidly, the relationships between recombination, DNA divergence, and DNA polymorphism, and details about the spatial and organizational evolution of genomes. At present, I am helping to develop the data structure and tools to process, analyze, and represent the sequence data from these species.

Molecular evolution and population genetics of new genes

Periodically new genes must arise. We know little about the mechanisms, frequency, or patterns underlying these events. In collaboration with Dr. David Begun, I am identifying these new genes. One intriguing candidate we have already identified is a retrotransposed Alcohol Dehydrogenase (Adh) “pseudogene” in D. guanche, D. madeirensis, and D. subobscura (Luque et al 1997). So far, we have shown that this “pseudogene” is probably a newly evolved chimeric gene composed of the retrotransposed Adh and 306 base pairs of the 5′ end of the GAPDH-like gene, CG9010. This chimeric gene is actively transcribed in bot! h D. guanche and D. subobscura. The 5′ promoters of th e chimeric gene appear similar to the CG9010 promoters and transcription patterns appear similar. Bioinfomatic analysis and studies of the chimeric gene’s protein suggest that this protein has lost the ability to process secondary alcohols.

In Drosophila there are two other examples of newly evolved genes involving the fusion of Adh with another gene. This wealth of Adh-fusion genes may, of course, reflect an ascertainment bias in favor of Adh-related genes. However, these three Adh-fusion genes may also mean that Adh is especially likely to be involved in gene fusions. To determine the frequency of fusion events, we are currently surveying many species of Drosophila for newly evolved Adh-like genes and will characterize any new genes we find.

We are also investigating the population genetics and molecular evolution of chimeric fusion genes in humans and other great apes.

Evolutionary analysis of QTL and genomic data

I also work on theoretical and statistical methods related to evolutionary genetics and genomics. This research falls into three areas: (i) estimating the number of genes underlying a quantitative trait from mapping data, (ii) looking at spatial patterns of DNA sequence evolution, and (iii) developing methods for detecting genetic changes due to natural selection.

In collaboration with Dr. Sally Otto, I have developed methods for estimating the total number of genes underlying divergent phenotypes. Our approach allow one to determine how complete a genetic mapping experiment is, how many genes may be missed, and how much of the phenotype these missed factors may affect. At present, we are trying to develop methods for using genetic data to test models of the genetics of adaptation.

Spatial patterns of genomic features

I am also using genomic data to address important evolutionary questions. Recently, I used D. melanogaster genome sequence data to estimate genome-wide levels of gene clustering and to contrast the amount of clustering among genes with similar motifs to the levels of clustering in general. All chromosomes, except the fourth, showed substantial levels of gene clusteri! ng. Although not more clustered than the average pair of adjacent genes, genes with the same primary motif occur adjacent to one another more often than expected by chance. These results may mean that these small local groups of genes share regulatory elements and evolutionary histories. I am extending these analyses to several other species in collaboration with Dr. Philip Awadalla and Dr. Sally Otto and am exploring similar spatial analyses of polymorphism and divergence data.

Detecting natural selection in DNA sequence data

Molecular evolutionists have long sought to determine which changes within the protein coding and regulatory regions of a gene were shap! ed by natural selection. If an adaptive substitution has occurred in the recent past, there should be a paucity of DNA polymorphism surrounding the site under selection. Taking advantage of this fact, Andrew Kern and I have developed a permutation approach for detecting selected sites using polarized DNA polymorphism and divergence data. This method is especially useful for detecting the effects of weak selected forces across several loci. We used this approach to analyze a large DNA polymorphism and divergence data set of D. simulans genes. Surprisingly, although replacement fixations do not on average appear to be driven by selection, preferred codons – those codons that use the most abundant tRNA – have on average been fixed by selection. We plan to apply this method to additional data sets and to look at spatial patterns of nucleotide fixation within and around genes. For instance, one could see if there is a bias in the types of polymorphism (sy! nonymous vs. non-synonymous) nearest to a type of fixation. This would give insight into the dynamics of the fixation process and its impacts on adjoining variation.