Information

Wie ist der statistische Zusammenhang zwischen Radioaktivität und Mutationsrate?

Wie ist der statistische Zusammenhang zwischen Radioaktivität und Mutationsrate?


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.

Diese Frage versucht, den Umfang dieser Frage einzugrenzen.

Wie ist der statistische Zusammenhang zwischen Radioaktivität und Mutationsrate? Um wie viel würde die Mutationsrate in einer idealisierten Welt ohne Radioaktivität sinken?


Laut dieser Wiki-Seite beträgt die durchschnittliche Hintergrundstrahlung 3,01 Millisievert pro Jahr (einschließlich natürlicher und künstlicher Quellen). Dies entspricht 0,301 rad.

Ich habe einen kurzen Brief an die Natur gefunden, der besagt, dass die durchschnittliche Vorwärtsmutationsrate beim Menschen 2,6 * 10^-7 pro Locus pro Rad = 2,6 Mutationen pro zehn Millionen Basen beträgt. Es heißt auch, dass diese Mutationsrate zwischen den Arten ziemlich einheitlich ist. Die Größe des menschlichen Genoms beträgt etwa 3,2 Gigabasen. Also schnell rechnen: (2,6*3,2*100)*0,301 = 250.432 Mutationen pro Jahr und Mensch. Dies ist eine Näherung, weil ich die Größe des menschlichen Genoms auf 3,2 Gigabasen gerundet habe. Dies bedeutet auch nicht, dass wir tatsächlich diese Menge an Mutationen erwerben, weil wir Reparaturmechanismen haben.


Mutationen: Fahrer gegen Beifahrer

Scott W. Piraino, . Simon J. Furney , in Encyclopedia of Cancer (Dritte Ausgabe) , 2019

Faktoren, die die Genommutationsraten beeinflussen

Die somatischen Mutationsraten variieren erheblich zwischen den Regionen des Genoms. Das Verständnis der Faktoren, die zu dieser Variation beitragen, ist essentiell für Methoden zum Nachweis von Treibergenen und auch unabhängig von Interesse im Hinblick auf das Verständnis der Krebsbiologie ( Abb. 3 ). Eines der ersten genomischen Merkmale, das mit der genomischen Mutationsrate in Verbindung gebracht wird, ist das Ausmaß der Genexpression. Hoch transkribierte Gene zeigen im Allgemeinen niedrigere Mutationsraten im Vergleich zu schwach exprimierten Genen. Es wurde auch festgestellt, dass der transkribierte Genstrang im Vergleich zum nicht transkribierten Strang niedrigere Mutationsraten aufweist, was als Hinweis darauf interpretiert wurde, dass der Einfluss der Genexpression auf die Mutationsrate auf eine transkriptionsgekoppelte Nukleotidexzisionsreparatur zurückzuführen sein könnte.

Abb. 3 . Viele Faktoren beeinflussen die Mutationsraten sowohl innerhalb einzelner Krebsgenome als auch zwischen Individuen. Hier geben wir mehrere Beispiele für Faktoren, die die Mutationsraten aus drei Kategorien beeinflussen: Umweltbelastungen, Faktoren, die die DNA-Replikation und -Reparatur beeinflussen, und Merkmale, die über das Genom variieren.

Aus Piraino, S. W., Furney, S. J. (2016). Jenseits des Exoms: Die Rolle nicht-kodierender somatischer Mutationen bei Krebs. Annalen der Onkologie 27(2), 240–248.

Die DNA-Reparatur hat sich als zentraler Faktor bei der Variation der Mutationsrate in Krebsgenomen herausgestellt. Frühe Versuche, die Variabilität der Mutationsrate über das Genom zu charakterisieren, identifizierten Chromatinmarker, die mit dem Chromatinzustand assoziiert sind, als besonders mit der Mutationsrate des Krebsgenoms verbunden. Marker von geschlossenem Chromatin wurden im Allgemeinen mit einer höheren Mutationsrate in Verbindung gebracht, während offene Chromatinzustände mit einer niedrigeren Mutationsrate in Verbindung gebracht wurden. Dieser beobachtete Zusammenhang wurde mechanistisch interpretiert, als der Chromatinzustand mit dem Zugang der DNA-Reparaturmaschinerie zur zugrunde liegenden DNA im Zusammenhang mit Mutationsraten verbunden war. Es wurde beobachtet, dass, während Mismatch-Reparatur-fähige Tumore eine erhebliche Variabilität der Mutationsrate über das Genom zeigen, diese Variabilität bei Mismatch-Reparatur-defizienten Tumoren beträchtlich reduziert ist. In Kombination mit der beobachteten Assoziation der Mutationsrate mit dem Chromatinzustand legen diese Ergebnisse ein Modell nahe, bei dem der offene Chromatinzustand die DNA für die Reparatur besser verfügbar macht, was zu niedrigeren Mutationsraten in diesen Regionen führt, wenn die DNA-Reparatur kompetent ist.

Andere Studien haben eine plausible Rolle für die Interaktion von DNA-Reparatur und Chromatin-Zustand bei spezifischeren Chromatin-Wechselwirkungen vorgeschlagen. Reduzierte Mutationsraten wurden an DNase-I-überempfindlichen Stellen beobachtet, während diese Hypomutation in Tumoren mit mangelhafter Nukleotidexzisionsreparatur fehlt, was wiederum einen leichteren Zugang zur Reparaturmaschinerie in offenem Chromatin als einen die Mutationsraten beeinflussenden Faktor nahelegt. Während DNase-I-Überempfindlichkeitsstellen verringerte Mutationsraten zeigen, wurden erhöhte Mutationsraten an der tatsächlichen Stelle der Proteinbindung festgestellt. Transkriptionsfaktor-Bindungsstellen fallen mit einer verringerten Exzisionsreparatur-Aktivität zusammen, wie durch Exzisionsreparatur-Sequenzierung gemessen, und die überschüssige Mutationsrate an diesen Stellen im Vergleich zu flankierenden Regionen ist bei XPC-defizienten Hautkrebsarten gestört, was darauf hindeutet, dass diese Mutationsratenvariabilität wiederum durch den Zugang zu DNA-Reparaturfaktoren. Bei Darmkrebs weisen CTCF-Bindungsstellen einen Überschuss an Mutationen auf, während kolorektale Tumoren mit Mutationen, die die Korrekturleseaktivität von POLE unterbrechen, im Vergleich zu Hintergrundmutationen tatsächlich weniger Mutationen an diesen Stellen aufweisen, was wiederum eine Wechselwirkung zwischen Proteinbindung und DNA-Reparatur impliziert.

Das Verständnis der Variabilität der Mutationsrate sowohl innerhalb als auch zwischen Krebsgenomen hat wichtige Auswirkungen auf die Erkennung von Treibergenen. Die Anzahl der Mutationen, die für die Entdeckung von Treibergenen verfügbar sind, beeinflusst die Fähigkeit, Treibergene zu erkennen. Die Variabilität der Mutationsrate kann auch zu „false positives“ in Analysen führen, Genen, die hohe Mutationsraten aufweisen, aber keine Treibergene sind. Die Berücksichtigung von Faktoren, die die Mutationsrate beeinflussen, kann dazu beitragen, die Leistung statistischer Methoden zu verbessern und die Wahrscheinlichkeit falsch positiver Ergebnisse zu verringern. Kürzlich wurden ratiometrische Verfahren, die das Verhältnis verschiedener Mutationstypen im Gegensatz zu Rohraten verwenden, als ein Verfahren vorgeschlagen, das die Leistung in Gegenwart einer nicht modellierten Variation der Mutationsraten verbessern kann.

Die Mutationsraten variieren nicht nur innerhalb des Genoms, sondern variieren auch erheblich zwischen den einzelnen Individuen. Umweltbelastungen wie Tabakrauch, UV-Licht und Aristolochiasäure können zu erhöhten Mutationsraten in Krebsgenomen führen. Mutationsraten zwischen Individuen werden auch durch die Variabilität in der Aktivität bestimmter zellulärer Prozesse beeinflusst. Im nächsten Abschnitt diskutieren wir einige der umwelt- und endogen-getriebenen Mutationsprozesse, die zur Heterogenität der Mutationsraten beitragen.


In den 1940er Jahren wurden die Vorstellungen von Vererbung und Mutation allgemein akzeptiert, obwohl die Rolle der DNA als Erbmaterial noch nicht geklärt war. Es wurde angenommen, dass Bakterien irgendwie anders sind und erbliche genetische Mutationen entwickeln könnten, je nach den Umständen, die sie sich vorfinden: Kurz gesagt, war die Mutation in Bakterien präadaptiv (präexistent) oder postadaptiv (gerichtete Adaption)? Vor allem Luria war von dieser Idee besessen und entschlossen, sie zu testen. Er konzipierte das Experiment bei einem Fakultätstanz an der Indiana University, während er sich einen Spielautomaten ansah. [1]

Luria und Delbrück infizierten in ihrem Experiment eine kleine Anzahl von Bakterien (Escherichia coli) in separate Kulturröhrchen. Nach einer Wachstumsperiode wurden gleiche Volumina dieser getrennten Kulturen auf Agar ausplattiert, der den T1-Phagen (Virus) enthielt. Wenn die Resistenz gegen das Virus bei Bakterien durch eine induzierte Aktivierung bei Bakterien verursacht wurde, d. h. wenn die Resistenz nicht auf vererbbare genetische Komponenten zurückzuführen ist, sollte jede Platte ungefähr gleich viele resistente Kolonien enthalten. Unter der Annahme einer konstanten Mutationsrate stellte Luria die Hypothese auf, dass, wenn Mutationen nach und als Reaktion auf die Exposition gegenüber dem selektiven Agens auftraten, die Anzahl der Überlebenden gemäß einer Poisson-Verteilung mit dem Mittelwert gleich der Varianz verteilt würde. Das fanden Delbrück und Luria nicht: Stattdessen variierte die Zahl der resistenten Kolonien auf jeder Platte drastisch: Die Varianz war deutlich größer als der Mittelwert.

Luria und Delbrück schlugen vor, dass diese Ergebnisse durch das Auftreten einer konstanten Rate zufälliger Mutationen in jeder Bakteriengeneration, die in den anfänglichen Kulturröhrchen wächst, erklärt werden könnten. Basierend auf diesen Annahmen leitete Delbrück eine Wahrscheinlichkeitsverteilung ab (jetzt Luria-Delbrück-Verteilung genannt [2] [3] ), die eine Beziehung zwischen den Momenten liefert, die mit den experimentell erhaltenen Werten übereinstimmt. Die Verteilung, die sich aus der Hypothese der gerichteten Anpassung (die Poisson-Verteilung) ergibt, sagte Momente voraus, die nicht mit den Daten übereinstimmen. Die Schlussfolgerung war daher, dass Mutationen in Bakterien, wie auch in anderen Organismen, eher zufällig als gerichtet sind. [4]

Die Ergebnisse von Luria und Delbrück wurden von Newcombe auf grafischere, aber weniger quantitative Weise bestätigt. Newcombe inkubierte Bakterien einige Stunden in einer Petrischale und plattierte sie dann auf zwei neuen Petrischalen, die mit Phagen behandelt wurden. Die erste Platte wurde ungespreizt gelassen, und die zweite Platte wurde dann erneut ausgebreitet, d. h. Bakterienzellen wurden herumbewegt, was einzelnen Zellen in einigen Kolonien erlaubte, ihre eigenen neuen Kolonien zu bilden. Wenn Kolonien resistente Bakterienzellen enthielten, bevor sie mit dem Phagenvirus in Kontakt kamen, würde man erwarten, dass einige dieser Zellen auf der erneut ausgebreiteten Schale neue resistente Kolonien bilden und dort eine höhere Anzahl überlebender Bakterien vorfinden. Wenn beide Platten für das Wachstum inkubiert wurden, gab es tatsächlich eine 50-mal größere Anzahl von Bakterienkolonien auf der erneut ausgebreiteten Schale. Dies zeigte, dass während der ersten Inkubation zufällig bakterielle Mutationen zur Virusresistenz aufgetreten waren. Wiederum traten die Mutationen auf, bevor die Selektion angewendet wurde. [5]

In jüngerer Zeit wurden die Ergebnisse von Luria und Delbrück von Cairns und anderen in Frage gestellt, die Mutationen im Zuckerstoffwechsel als eine Form von Umweltstress untersuchten. [6] Einige Wissenschaftler vermuten, dass dieses Ergebnis durch die Selektion auf Genamplifikation und/oder eine höhere Mutationsrate in Zellen, die sich nicht teilen können, verursacht wurde. [7] Andere haben die Forschung verteidigt und Mechanismen vorgeschlagen, die die beobachteten Phänomene erklären, die mit adaptiver Mutagenese übereinstimmen. [8]

Diese Verteilung scheint zuerst von Haldane bestimmt worden zu sein. [9] Ein unveröffentlichtes Manuskript wurde 1991 am University College London entdeckt, das diese Verteilung beschreibt. Die Ableitung ist anders, aber die Ergebnisse sind ohne den Einsatz eines Computers schwer zu berechnen.

Eine kleine Anzahl von Zellen wird verwendet, um Parallelkulturen in einem nicht-selektiven Medium zu beimpfen. [10] Die Kulturen werden bis zur Sättigung gezüchtet, um gleiche Zelldichten zu erhalten. Die Zellen werden auf selektiven Medien ausplattiert, um die Anzahl der Mutanten zu erhalten (R). Verdünnungen werden auf reichhaltiges Medium ausplattiert, um die Gesamtzahl lebensfähiger Zellen zu berechnen ( nT ). Die Anzahl der Mutanten, die in der gesättigten Kultur erscheinen, ist ein Maß sowohl für die Mutationsrate als auch für das Auftreten der Mutanten während des Wachstums der Kultur: Mutanten, die zu Beginn des Wachstums der Kultur auftreten, vermehren viel mehr Mutanten als diejenigen, die später während des Wachstums auftreten Wachstum. Diese Faktoren verursachen die Häufigkeit ( R / nT ) stark variieren, auch wenn die Zahl der Mutationsereignisse ( m ) ist dasselbe. Die Häufigkeit ist kein ausreichend genaues Maß für die Mutation und die Mutationsrate (m / nT) sollte immer berechnet werden.

Die Schätzung der Mutationsrate (μ) ist komplex. Luria und Delbruck schätzten diesen Parameter aus dem Mittelwert der Verteilung, aber es wurde später gezeigt, dass dieser Schätzer verzerrt war.

Die Lea-Coulson-Methode des Medians wurde 1949 eingeführt. [11] Diese Methode basiert auf der Gleichung

Diese Methode wurde seitdem verbessert, aber diese genaueren Methoden sind komplex. Der Ma-Sandri-Sarkar Maximum-Likelihood-Schätzer ist derzeit der bekannteste Schätzer. [13] Eine Reihe zusätzlicher Methoden und Abschätzungen aus experimentellen Daten wurden beschrieben. [14]

Zwei Webanwendungen zur Berechnung der Mutationsrate sind frei verfügbar: Falcor [10] und bz-rates. Bz-rates implementiert eine verallgemeinerte Version des Ma-Sandri-Sarkar-Maximal-Likelihood-Schätzers, der die relative unterschiedliche Wachstumsrate zwischen Mutanten- und Wildtyp-Zellen berücksichtigen kann, sowie einen Generierungsfunktions-Schätzer, der sowohl die Mutationsrate als auch die unterschiedlichen Wachstumsraten. Ein funktionierendes Beispiel wird in diesem Papier von Jones gezeigt et al. [15]

In all diesen Modellen ist die Mutationsrate (μ) und Wachstumsrate (β) wurden als konstant angenommen. Das Modell kann leicht verallgemeinert werden, um diese und andere Einschränkungen zu lockern. [16] Diese Raten unterscheiden sich wahrscheinlich in nicht experimentellen Einstellungen. Das verlangen auch die Modelle nT μ >> 1 wobei nT ist die Gesamtzahl der Organismen. Diese Annahme trifft wahrscheinlich in den meisten realistischen oder experimentellen Umgebungen zu.

Luria und Delbrück [4] schätzen die Mutationsrate aus der Gleichung

wo β ist die Zellwachstumsrate, n0 ist die Anfangszahl der Bakterien in jeder Kultur, T ist die Zeit, und

wo nS ist die Anzahl der Kulturen ohne resistente Bakterien und n ist die Gesamtzahl der Kulturen.

Das Modell von Lea und Coulson [11] unterschied sich vom Original dadurch, dass sie eine Sammlung unabhängiger Yule-Prozesse (ein gefilterter Poisson-Prozess) betrachteten. Numerische Vergleiche dieser beiden Modelle mit realistischen Werten der Parameter haben gezeigt, dass sie sich nur geringfügig unterscheiden. [17] Die erzeugende Funktion für dieses Modell wurde 1978 von Bartlett gefunden [18] und ist

wo μ ist die Mutationsrate (als konstant angenommen), φ = 1 − eβt mit β als Zellwachstumsrate (ebenfalls als konstant angenommen) und T als die Zeit.

Die Bestimmung von μ aus dieser Gleichung hat sich als schwierig erwiesen, aber 2005 wurde eine Lösung gefunden [ Zitat benötigt ] . Ableitung der erzeugenden Funktion nach μ ermöglicht die Anwendung der Newton-Raphson-Methode, die zusammen mit der Verwendung einer Score-Funktion die Ermittlung von Konfidenzintervallen für μ.

Der Resistenzmechanismus gegen den Phagen T1 scheint auf Mutationen im fhuEin Gen - ein Membranprotein, das als T1-Rezeptor fungiert. [19] Die TonneB-Genprodukt ist auch für die Infektion durch T1 erforderlich. Das FhuA-Protein ist aktiv am Transport von Ferrichrom, Albomycin und Rifamycin beteiligt. [20] Es verleiht auch Sensitivität gegenüber Microcin J25 und Colicin M und wirkt als Rezeptor für die Phagen T5 und phi80 sowie T1.

Das FhuA-Protein besitzt eine Beta-Barrel-Domäne (Reste 161 bis 714), die durch eine globuläre Korkdomäne (Reste 1 bis 160) verschlossen ist. [21] Innerhalb der Korkdomäne befindet sich die TonB-Bindungsregion (Reste 7 bis 11). Die großen membranüberspannenden monomeren β-Fassdomänen haben 22 β-Stränge variabler Länge, von denen sich einige deutlich über den hydrophoben Membrankern hinaus in den extrazellulären Raum erstrecken. Es gibt 11 extrazelluläre Schleifen, die von L1 bis L11 nummeriert sind. An der L4-Schleife bindet der T1-Phagen.


Ergebnisse

Für jede Art von 34 Steinfisch-Schwesterpaaren haben wir Daten über die maximale Lebensdauer in Jahren gesammelt, um die Langlebigkeit widerzuspiegeln, die maximale Anzahl von Eiern pro Brutsaison (im Folgenden „Kupplungsgröße“), um die Fruchtbarkeit widerzuspiegeln, und die Gesamtkörperlänge in Zentimetern, um die Körpergröße widerzuspiegeln . Wir haben auch die maximale Tiefe in Metern aufgenommen, in der eine Art aufgezeichnet wurde, da gezeigt wurde, dass die Tiefe mit der Langlebigkeit bei Steinfischen korreliert (Love et al. 2002). Werte für einige Merkmale waren nicht für alle Arten verfügbar (Zusatztabelle S1, Zusatzmaterial online). Es gibt 34 Artenpaare für die Körperlänge, 27 für die maximale Lebensdauer, 16 für die Gelegegröße und 31 für die maximale Tiefe. Um unterschiedliche Muster der molekularen Evolution in verschiedenen Genomen und Sequenztypen zu berücksichtigen, haben wir vier verschiedene Ausrichtungen konstruiert: Mitochondriale Protein-kodierende Gene (Cytochrom b [cytb], Cytochromoxidase c-Untereinheit 1 [COI]: 2.301 bp) mitochondriale nichtproteinkodierende Sequenzen (12S, 16S, tRNAPro, tRNAThr, Steuerung: 1.486 bp) a nukleäre Protein-kodierende Gene (Rekombination aktivierendes Gen 2 [RAG2]: 711 bp) und eine nukleäre nichtproteinkodierende Sequenz (interner transkribierter Abstandshalter 1 [ITS1]: 781 bp). Für jedes Schwesterpaar haben wir die Anzahl der Substitutionen für jedes der vier Alignments, die Gesamtzahl der Substitutionen für ein Alignment aller mitochondrialen Sequenzen und die Gesamtzahl der Substitutionen für ein Alignment aller Kernsequenzen unter Verwendung des baseml-Programms von . geschätzt das PAML-Paket (Yang 2007 siehe Materialien und Methoden Ergänzungstabelle S2, Ergänzungsmaterial online). Darüber hinaus haben wir die Anzahl der synonymen und nicht-synonymen Substitutionen für jede der proteinkodierenden Alignments mit dem codeml-Programm des PAML-Pakets geschätzt ( Yang 2007 Supplementary Table S2 , Supplementary Material online).

Simulationen reproduzieren Muster in Rockfish-Substitutionen

Gemäß dem Welch- und Waxman-Test zeigen Schwesterpaare, die weniger als etwa 4 My divergieren, Heteroskedastizität bei Schätzungen der mitochondrialen synonymen Substitutionsrate sowie der Substitutionsrate in mitochondrialer nichtproteinkodierender Ausrichtung und Substitutionsrate in der Ausrichtung aller mitochondrialen Sequenzen ( Abb. 2). Die durchschnittliche Rate der mitochondrialen synonymen Substitutionen bei den hier analysierten Steinfischarten beträgt etwa zehn Substitutionen pro Alignment pro Million Jahr und die Rate ändert sich mit einer Rate, die gemäß unserem Rockfish-Datensatz auf zwei Substitutionen pro Million Jahr geschätzt wird. Wir haben diese Werte verwendet, um Datensätze mit „hoher Substitutionsrate“ zu simulieren. Diese simulierten Datensätze sind in der Lage, das heteroskedastische Muster der Substitutionsraten in den drei mitochondrialen Alignments zu reproduzieren ( Abb. 2), sodass die für diese Datensätze geschätzte statistische Power verwendet werden kann, um darauf hinzuweisen, wie zuverlässig die Ergebnisse für die drei mitochondrialen Alignments sind.

Die durchschnittliche Rate sowohl mitochondrialer als auch nukleärer nicht-synonymer Substitutionen bei den hier analysierten Steinfischarten beträgt etwa 0,2 Substitutionen pro Alignment pro Million Jahr, und die Rate ändert sich mit einer Rate von 0,2 Substitutionen pro Million Jahr. Wir haben diese Werte verwendet, um Datensätze mit „niedriger Substitutionsrate“ zu simulieren. Diese simulierten Datensätze sind in der Lage, das heteroskedastische Muster bei mitochondrialen und nuklearen nicht-synonymen Substitutionen zu reproduzieren, bei denen der Welch- und Waxman-Test Heteroskedastizität mit der Anzahl der Artenpaare unseres Steinfisch-Datensatzes nicht sicher erkennen kann, da viele Arten keine Substitutionen aufweisen ( Abb. 2) . Simulierte Datensätze mit mehr Paaren legen nahe, dass alle Schwesterpaare bei Schätzungen der Substitutionsrate, die genauso langsam sind wie die mitochondrialen und nukleären nicht synonymen Substitutionen, Heteroskedastizität aufweisen ( Abb. 2). Daher kann die für Datensätze mit niedrigen Substitutionsraten geschätzte statistische Power verwendet werden, um darauf hinzuweisen, wie zuverlässig die Ergebnisse für mitochondriale und nukleäre nicht synonyme Substitutionen sind.

Nukleare synonyme Substitutionsrate (∼0,8 Substitutionen pro Alignment pro Million Jahre), nuklear ES IST Substitutionsrate (∼1 Substitutionen pro Alignment pro Million Jahr) und Rate der Gesamtsubstitutionen über alle Kernsequenzen (∼2 Substitutionen pro Alignment pro Million Jahr) liegen zwischen der Rate der mitochondrialen synonymen Substitution und der Rate der nicht-synonymen Substitutionen. Die statistische Aussagekraft, Korrelate dieser Substitutionsraten zu erkennen, sollte daher im Bereich der Aussagekraft für Datensätze mit hoher Substitutionsrate und Datensätze mit niedriger Substitutionsrate liegen.

In ähnlicher Weise entwickelt sich von den vier Artenmerkmalen die Körperlänge mit etwa 0,2 cm/My am langsamsten und die Gelegegröße mit etwa 0,9 Eiern pro Million Jahr auf der logarithmischen Skala am schnellsten.Wir haben diese beiden Werte verwendet, um Datensätze mit „schneller Merkmalsentwicklung“ und „langsamer Merkmalsentwicklung“ zu simulieren. Die für Datensätze mit beispielsweise hoher Substitutionsrate und schneller Merkmalsentwicklung geschätzte statistische Aussagekraft würde die Fähigkeit der Methoden widerspiegeln, einen Zusammenhang zwischen einem sich schnell entwickelnden Merkmal, wie der Kupplungsgröße, und einer hohen Substitutionsrate, wie z die mitochondriale synonyme Substitution, wenn eine solche Verbindung besteht. Die Evolutionsrate beträgt etwa 0,4 Jahre pro Million Jahre für die maximale Lebensdauer und 0,6 m/My für die maximale Tiefe Evolution und Datensätze mit langsamer Merkmalsentwicklung.

Fähigkeit, Korrelationen von Substitutionsraten zu erkennen

Unsere Poisson-Regressionsmethode weist einen ähnlichen Typ-I-Fehler auf wie die traditionelle Methode der Anwendung der Regression der kleinsten Quadrate auf Daten, die durch den Welch- und Waxman-Test diagnostiziert wurden, der um das voreingestellte Signifikanzniveau 0,05 schwankt ( Abb. 3). Beide Methoden haben eine höhere Aussagekraft mit mehr Artenpaaren, einer höheren Substitutionsrate und sich schneller entwickelnden Artenmerkmalen ( Abb. 3). Unsere Methode macht zwei Verbesserungen. Erstens erhöht es die Fähigkeit, einen Zusammenhang zwischen einer hohen Substitutionsrate und einem sich schnell entwickelnden Merkmal mit weniger als 30 Artenpaaren zu erkennen ( Abb. 3EIN und B). Es verdoppelt die Chance (∼80 %), einen Zusammenhang zwischen Gelegegröße und mitochondrialem Synonym, mitochondrialer Nichtproteincodierung und mitochondrialen Gesamtsubstitutionsraten korrekt zu erkennen, da es in unserem Steinfisch-Datensatz mehr als zehn Artenpaare für die Gelegegröße gibt ( fig . 3EIN). Zweitens steigt die Aussagekraft, einen Zusammenhang zwischen einer niedrigen Substitutionsrate und einem sich schnell entwickelnden Merkmal zu erkennen, mit zunehmender Anzahl von Artenpaaren viel schneller als bei der traditionellen Methode, die eine minimale Aussagekraft mit mehr untersuchten Artenpaaren zeigt ( Abb. 3) .

Die statistische Aussagekraft unserer Poisson-Regressionsmethode und der Regression der kleinsten Quadrate nach dem Welch und Waxman (2008)-Test. Die Power wird durch Simulationen unter jeder der Kombinationen von vier Bedingungen geschätzt: 1) Anzahl der Artenpaare, 2) Substitutionsrate: hoch vs. niedrig, 3) Evolutionsrate des Artenmerkmals: schnell vs. langsam und 4) Korrelationskoeffizient (R) zwischen Substitutionsrate und Artmerkmal. Die Poisson-Regression (P) und die Regression der kleinsten Quadrate nach dem Welch- und Waxman-Test (W) werden an jedem Datensatz durchgeführt. Für beide Methoden wird das Signifikanzniveau auf 0,05 gesetzt. Die Nullhypothese ist keine Korrelation zwischen Artmerkmal und Substitutionsrate. Somit ist der Anteil der ohne Korrelation simulierten Datensätze (R = 0, die ein signifikantes Ergebnis zeigen (gekennzeichnet als * ⁠ ), gibt die Fehlerrate vom Typ I der Methode an, die bei gut kalibrierter Methode bei 0,05 (die horizontale Linie) liegen sollte. Der Anteil der unter Korrelation simulierten Datensätze, die ein signifikantes Ergebnis zeigen (Markierung als Kreise bei starker Korrelation und Dreiecke bei schwacher Korrelation) zeigt die Stärke der Methode an. Eine Methode ist leistungsfähiger, wenn der Anteilswert näher an 1 liegt.

Die statistische Aussagekraft unserer Poisson-Regressionsmethode und der Regression der kleinsten Quadrate nach dem Welch und Waxman (2008)-Test. Die Power wird durch Simulationen unter jeder der Kombinationen von vier Bedingungen geschätzt: 1) Anzahl der Artenpaare, 2) Substitutionsrate: hoch vs. niedrig, 3) Evolutionsrate des Artenmerkmals: schnell vs. langsam und 4) Korrelationskoeffizient (R) zwischen Substitutionsrate und Artmerkmal. Die Poisson-Regression (P) und die Regression der kleinsten Quadrate nach dem Welch- und Waxman-Test (W) werden an jedem Datensatz durchgeführt. Für beide Methoden wird das Signifikanzniveau auf 0,05 gesetzt. Die Nullhypothese ist keine Korrelation zwischen Artmerkmal und Substitutionsrate. Somit ist der Anteil der ohne Korrelation simulierten Datensätze (R = 0, die ein signifikantes Ergebnis zeigen (gekennzeichnet als * ⁠ ), gibt die Fehlerrate vom Typ I der Methode an, die bei gut kalibrierter Methode etwa 0,05 (die horizontale Linie) betragen sollte. Der Anteil der unter Korrelation simulierten Datensätze, die ein signifikantes Ergebnis zeigen (Markierung als Kreise für starke Korrelation und Dreiecke für schwache Korrelation) zeigt die Stärke der Methode an. Eine Methode ist leistungsfähiger, wenn der Anteilswert näher an 1 liegt.

Da jedoch alle Artenmerkmale mit Ausnahme der Gelegegröße etwa 30 Artenpaare aufweisen, liegen die Chancen, Verbindungen zwischen Artenmerkmalen und mitochondrialen und nuklearen nicht synonymen Substitutionsraten zu erkennen, alle unter 40 % ( Abb. 3 .).B). Bei Merkmalen, die sich so langsam wie die Körperlänge entwickeln, haben beide Methoden eine sehr geringe Aussagekraft (weniger als 30%), um die Verbindungen mit entweder niedriger oder hoher Substitutionsrate zu erkennen, vermutlich weil die Merkmale nicht variabel genug sind, um eine nachweisbare Variation in der Anzahl der Substitutionen zu erzeugen . Diese Powertests legen nahe, dass wir zögern sollten, das Fehlen einer nachweisbaren Beziehung zu interpretieren, um das Fehlen eines Zusammenhangs anzuzeigen, entweder zwischen Speziesmerkmalen und nicht synonymen Substitutionsraten oder zwischen Körperlänge und allen Arten von Substitutionsraten. Wir können jedoch sicher sein, dass eine konsistente Beziehung auf ein klares Signal in den Daten hinweist.

Korrelate der Substitutionsraten in Rockfish

Korrelationen zwischen Paaren von Artenmerkmalen zeigen, dass die drei Merkmale der Lebensgeschichte (Körperlänge, maximale Lebensdauer und Gelegegröße) alle stark positiv korreliert sind ( Abb. 4). Körperlänge und maximale Lebensdauer nehmen mit der maximalen Tiefe zu, die Kupplungsgröße jedoch nicht ( Abb. 4). Wir haben die Körperlänge als potentiellen Störfaktor für den Zusammenhang zwischen anderen Speziesmerkmalen und der Mutationsrate vorhergesagt ( Abb. 1), daher haben wir auch Residuen dieser Speziesmerkmale aus einer Regression gegen die Körperlänge abgeleitet.

Diagramme von paarweisen Korrelationen zwischen Artenmerkmalen. Jeder Kreis steht für eine Steinfischart. Alle Merkmalswerte wurden logarithmisch transformiert, um sich der Normalität anzunähern.

Diagramme von paarweisen Korrelationen zwischen Artenmerkmalen. Jeder Kreis steht für eine Steinfischart. Alle Merkmalswerte wurden logarithmisch transformiert, um sich der Normalität anzunähern.

Die Synonym-Substitutionsrate im mitochondrialen Protein-kodierenden Alignment korreliert negativ mit der maximalen Lebensdauer (Tabelle 1), unabhängig davon, ob die Körperlänge korrigiert wird oder nicht. Eine größere maximale Lebensdauer korreliert auch signifikant mit niedrigeren Substitutionsraten im mitochondrialen nichtproteinkodierenden Alignment und dem Alignment aller mitochondrialen Sequenzen (Tabelle 1 und ergänzende Abb. S1, Ergänzendes Material online). Es besteht kein Zusammenhang zwischen maximaler Lebensdauer und nicht synonymen Substitutionsraten. Die Kupplungsgröße korreliert negativ mit der Substitutionsrate im Alignment aller mitochondrialen Sequenzen, wenn die Körperlänge berücksichtigt wird. Weder Körperlänge noch Körpertiefe sind mit der Geschwindigkeit der molekularen Evolution in den Mitochondrien verbunden.

Likelihood-Ratio-Test, Effektgröße, Mittelwert und Standardfehler der Assoziation zwischen Speziesmerkmalen und Substitutionsraten bei Rockfish.

. . Mitochondriale. Nuklear.
DS . Dn . Dn/DS . Nichtproteincodierung. Gesamt. DS . Dn . Dn/DS . ES IST . Gesamt.
Körper Länge D0.67 0.22 0.12 0.06 1.57 9.15 0.15 1.34 11.7713.57
P0.41 0.64 0.73 0.81 0.21 2.5 × 10 −3 0.70 0.25 6.0 × 10 − 42.3 × 10 − 4
R 2 0.005 0.008 0.004 0.001 0.009 0.099 0.005 0.035 0.108 0.151
β0.1 ± 0.28 0.5 ± 2.01 0.3 ± 1.85 −0.0 ± 0.38 0.1 ± 0.22 − 2.0 ± 1.39 −0.4 ± 2.38 1.5 ± 4.03 −1.5 ± 0.94 −1.4 ± 0.82
Maximale Lebensdauer D15.072.45 0.94 14.1732.790.09 4.60 3.18 19.0619.84
P1.0 × 10 − 40.12 0.33 1.7 × 10 − 41.0 × 10 − 80.76 0.03 0.07 1.3 × 10 − 58.4 × 10 − 6
R 2 0.168 0.097 0.039 0.213 0.313 0.001 0.183 0.111 0.255 0.301
β−0.5 ± 0.24 −1.88 ± 1.80 −0.8 ± 1.85 −1.4 ± 0.32 −1.3 ± 0.20 −0.1 ± 0.79 −1.8 ± 2.03 −1.7 ± 2.50 −1.5 ± 0.78 −1.2 ± 0.58
Kupplungsgröße D0.04 0.91 0.86 6.64 0.78 10.00 0.39 2.31 18.0322.31
P0.84 0.34 0.35 0.01 0.38 1.6 × 10 −3 0.53 0.13 2.2 × 10 − 52.3 × 10 − 6
R 2 0.001 0.054 0.050 0.182 0.011 0.219 0.035 0.116 0.354 0.372
β0.0 ± 0.11 1.0 ± 1.05 0.4 ± 0.99 −0.5 ± 0.17 −0.1 ± 0.09 −1.4 ± 1.08 −0.3 ± 1.23 1.1 ± 1.66 −0.8 ± 0.42 −0.8 ± 0.39
Maximale Tiefe D1.61 0.42 0.22 2.20 2.63 4.36 1.81 5.18 11.12 4.38
P0.20 0.52 0.65 0.14 0.10 0.04 0.18 0.02 8.5 × 10 −4 0.04
R 2 0.016 0.016 0.001 0.020 0.018 0.050 0.065 0.120 0.137 0.060
β−0.2 ± 0.27 −1.3 ± 2.09 −0.5 ± 1.77 −0.6 ± 0.31 −0.4 ± 0.20 1.0 ± 1.02 −1.0 ± 1.60 −2.0 ± 2.05 −1.6 ± 1.07 −0.7 ± 0.70
Maximale Restlebensdauer D22.062.47 0.41 6.05 34.602.08 4.47 6.37 4.70 4.31
P2.6 × 10 − 60.12 0.52 0.01 4.0 × 10 − 90.15 0.03 0.01 0.03 0.04
R 2 0.246 0.097 0.017 0.091 0.330 0.024 0.178 0.202 0.063 0.065
β−0.5 ± 0.23 −2.1 ± 1.27 −0.4 ± 1.29 −0.8 ± 0.28 −1.2 ± 0.18 0.6 ± 0.81 −1.9 ± 2.14 −2.4 ± 2.57 −0.7 ± 0.67 −0.5 ± 0.54
Rest der Kupplungsgröße D10.10 0.01 0.27 6.71 18.422.13 1.92 3.89 25.3820.02
P1.4 × 10 −3 0.92 0.60 0.01 1.8 × 10 − 50.14 0.17 0.05 4.7 × 10 − 77.7 × 10 − 6
R 2 0.154 0.001 0.015 0.183 0.250 0.047 0.173 0.221 0.499 0.333
β−0.3 ± 0.18 0.2 ± 1.44 0.3 ± 1.42 −0.7 ± 0.25 −0.7 ± 0.14 0.8 ± 1.23 −1.1 ± 1.97 −1.9 ± 2.71 −1.5 ± 0.72 −1.1 ± 0.58
Maximale Resttiefe D3.88 1.11 0.60 1.02 4.70 10.09 1.36 7.42 1.81 0.03
P0.05 0.29 0.44 0.31 0.03 1.4 × 10 −3 0.24 6.5 × 10 −3 0.18 0.86
R 2 0.038 0.043 0.023 0.009 0.032 0.116 0.049 0.161 0.022 0.000
β−0.2 ± 0.26 −2.4 ± 1.96 −0.7 ± 1.84 −0.4 ± 0.29 −0.5 ± 0.19 1.5 ± 1.05 −0.8 ± 1.54 −2.3 ± 1.98 −0.6 ± 0.93 −0.1 ± 0.65
. . Mitochondriale. Nuklear.
DS . Dn . Dn/DS . Nichtproteincodierung. Gesamt. DS . Dn . Dn/DS . ES IST . Gesamt.
Körper Länge D0.67 0.22 0.12 0.06 1.57 9.15 0.15 1.34 11.7713.57
P0.41 0.64 0.73 0.81 0.21 2.5 × 10 −3 0.70 0.25 6.0 × 10 − 42.3 × 10 − 4
R 2 0.005 0.008 0.004 0.001 0.009 0.099 0.005 0.035 0.108 0.151
β0.1 ± 0.28 0.5 ± 2.01 0.3 ± 1.85 −0.0 ± 0.38 0.1 ± 0.22 − 2.0 ± 1.39 −0.4 ± 2.38 1.5 ± 4.03 −1.5 ± 0.94 −1.4 ± 0.82
Maximale Lebensdauer D15.072.45 0.94 14.1732.790.09 4.60 3.18 19.0619.84
P1.0 × 10 − 40.12 0.33 1.7 × 10 − 41.0 × 10 − 80.76 0.03 0.07 1.3 × 10 − 58.4 × 10 − 6
R 2 0.168 0.097 0.039 0.213 0.313 0.001 0.183 0.111 0.255 0.301
β−0.5 ± 0.24 −1.88 ± 1.80 −0.8 ± 1.85 −1.4 ± 0.32 −1.3 ± 0.20 −0.1 ± 0.79 −1.8 ± 2.03 −1.7 ± 2.50 −1.5 ± 0.78 −1.2 ± 0.58
Kupplungsgröße D0.04 0.91 0.86 6.64 0.78 10.00 0.39 2.31 18.0322.31
P0.84 0.34 0.35 0.01 0.38 1.6 × 10 −3 0.53 0.13 2.2 × 10 − 52.3 × 10 − 6
R 2 0.001 0.054 0.050 0.182 0.011 0.219 0.035 0.116 0.354 0.372
β0.0 ± 0.11 1.0 ± 1.05 0.4 ± 0.99 −0.5 ± 0.17 −0.1 ± 0.09 −1.4 ± 1.08 −0.3 ± 1.23 1.1 ± 1.66 −0.8 ± 0.42 −0.8 ± 0.39
Maximale Tiefe D1.61 0.42 0.22 2.20 2.63 4.36 1.81 5.18 11.12 4.38
P0.20 0.52 0.65 0.14 0.10 0.04 0.18 0.02 8.5 × 10 −4 0.04
R 2 0.016 0.016 0.001 0.020 0.018 0.050 0.065 0.120 0.137 0.060
β−0.2 ± 0.27 −1.3 ± 2.09 −0.5 ± 1.77 −0.6 ± 0.31 −0.4 ± 0.20 1.0 ± 1.02 −1.0 ± 1.60 −2.0 ± 2.05 −1.6 ± 1.07 −0.7 ± 0.70
Maximale Restlebensdauer D22.062.47 0.41 6.05 34.602.08 4.47 6.37 4.70 4.31
P2.6 × 10 − 60.12 0.52 0.01 4.0 × 10 − 90.15 0.03 0.01 0.03 0.04
R 2 0.246 0.097 0.017 0.091 0.330 0.024 0.178 0.202 0.063 0.065
β−0.5 ± 0.23 −2.1 ± 1.27 −0.4 ± 1.29 −0.8 ± 0.28 −1.2 ± 0.18 0.6 ± 0.81 −1.9 ± 2.14 −2.4 ± 2.57 −0.7 ± 0.67 −0.5 ± 0.54
Rest der Kupplungsgröße D10.10 0.01 0.27 6.71 18.422.13 1.92 3.89 25.3820.02
P1.4 × 10 −3 0.92 0.60 0.01 1.8 × 10 − 50.14 0.17 0.05 4.7 × 10 − 77.7 × 10 − 6
R 2 0.154 0.001 0.015 0.183 0.250 0.047 0.173 0.221 0.499 0.333
β−0.3 ± 0.18 0.2 ± 1.44 0.3 ± 1.42 −0.7 ± 0.25 −0.7 ± 0.14 0.8 ± 1.23 −1.1 ± 1.97 −1.9 ± 2.71 −1.5 ± 0.72 −1.1 ± 0.58
Maximale Resttiefe D3.88 1.11 0.60 1.02 4.70 10.09 1.36 7.42 1.81 0.03
P0.05 0.29 0.44 0.31 0.03 1.4 × 10 −3 0.24 6.5 × 10 −3 0.18 0.86
R 2 0.038 0.043 0.023 0.009 0.032 0.116 0.049 0.161 0.022 0.000
β−0.2 ± 0.26 −2.4 ± 1.96 −0.7 ± 1.84 −0.4 ± 0.29 −0.5 ± 0.19 1.5 ± 1.05 −0.8 ± 1.54 −2.3 ± 1.98 −0.6 ± 0.93 −0.1 ± 0.65

H inweis .-Zu den Artenmerkmalen gehören Körperlänge, maximale Lebensdauer, Gelegegröße und maximale Tiefe. Da maximale Lebensdauer, Gelegegröße und maximale Tiefe alle signifikant mit der Körperlänge korrelieren, analysieren wir auch die Residuen aus einer Regression dieser Merkmale gegen die Körperlänge. Mitochondriale Substitutionsraten beinhalten synonyme Substitutionen (dS), nicht synonyme Substitutionen (dn) und dn/DS in zwei mitochondrialen proteinkodierenden Genen, Substitutionen in fünf mitochondrialen nichtproteinkodierenden Sequenzen und die Gesamtsubstitutionen zwischen diesen proteinkodierenden Genen und nichtproteinkodierenden Sequenzen. Nukleare Substitutionsraten beinhalten synonyme Substitutionen (dS), nicht synonyme Substitutionen (dn) und dn/DS im nuklearen Protein-kodierenden Gen RAG2, Substitutionen in nuklearen ES IST Sequenz und die Gesamtsubstitutionen über die RAG2 und ES IST Sequenzen. Die Effektgröße wird durch die Pseudo-R 2 für die Poisson-Regression. Wahrscheinlichkeitsverhältnis (D) Wert und der entsprechende P kursiv gedruckte Werte weisen darauf hin, dass das Speziesmerkmal signifikant mit der Substitutionsrate korreliert ist, sodass ihr Regressionskoeffizient (β) signifikant von Null abweicht. Der Signifikanz-Cutoff beträgt 0,05 mit Bonferroni-Korrektur.

Likelihood-Ratio-Test, Effektgröße, Mittelwert und Standardfehler der Assoziation zwischen Speziesmerkmalen und Substitutionsraten bei Rockfish.

. . Mitochondriale. Nuklear.
DS . Dn . Dn/DS . Nichtproteincodierung. Gesamt. DS . Dn . Dn/DS . ES IST . Gesamt.
Körper Länge D0.67 0.22 0.12 0.06 1.57 9.15 0.15 1.34 11.7713.57
P0.41 0.64 0.73 0.81 0.21 2.5 × 10 −3 0.70 0.25 6.0 × 10 − 42.3 × 10 − 4
R 2 0.005 0.008 0.004 0.001 0.009 0.099 0.005 0.035 0.108 0.151
β0.1 ± 0.28 0.5 ± 2.01 0.3 ± 1.85 −0.0 ± 0.38 0.1 ± 0.22 − 2.0 ± 1.39 −0.4 ± 2.38 1.5 ± 4.03 −1.5 ± 0.94 −1.4 ± 0.82
Maximale Lebensdauer D15.072.45 0.94 14.1732.790.09 4.60 3.18 19.0619.84
P1.0 × 10 − 40.12 0.33 1.7 × 10 − 41.0 × 10 − 80.76 0.03 0.07 1.3 × 10 − 58.4 × 10 − 6
R 2 0.168 0.097 0.039 0.213 0.313 0.001 0.183 0.111 0.255 0.301
β−0.5 ± 0.24 −1.88 ± 1.80 −0.8 ± 1.85 −1.4 ± 0.32 −1.3 ± 0.20 −0.1 ± 0.79 −1.8 ± 2.03 −1.7 ± 2.50 −1.5 ± 0.78 −1.2 ± 0.58
Kupplungsgröße D0.04 0.91 0.86 6.64 0.78 10.00 0.39 2.31 18.0322.31
P0.84 0.34 0.35 0.01 0.38 1.6 × 10 −3 0.53 0.13 2.2 × 10 − 52.3 × 10 − 6
R 2 0.001 0.054 0.050 0.182 0.011 0.219 0.035 0.116 0.354 0.372
β0.0 ± 0.11 1.0 ± 1.05 0.4 ± 0.99 −0.5 ± 0.17 −0.1 ± 0.09 −1.4 ± 1.08 −0.3 ± 1.23 1.1 ± 1.66 −0.8 ± 0.42 −0.8 ± 0.39
Maximale Tiefe D1.61 0.42 0.22 2.20 2.63 4.36 1.81 5.18 11.12 4.38
P0.20 0.52 0.65 0.14 0.10 0.04 0.18 0.02 8.5 × 10 −4 0.04
R 2 0.016 0.016 0.001 0.020 0.018 0.050 0.065 0.120 0.137 0.060
β−0.2 ± 0.27 −1.3 ± 2.09 −0.5 ± 1.77 −0.6 ± 0.31 −0.4 ± 0.20 1.0 ± 1.02 −1.0 ± 1.60 −2.0 ± 2.05 −1.6 ± 1.07 −0.7 ± 0.70
Maximale Restlebensdauer D22.062.47 0.41 6.05 34.602.08 4.47 6.37 4.70 4.31
P2.6 × 10 − 60.12 0.52 0.01 4.0 × 10 − 90.15 0.03 0.01 0.03 0.04
R 2 0.246 0.097 0.017 0.091 0.330 0.024 0.178 0.202 0.063 0.065
β−0.5 ± 0.23 −2.1 ± 1.27 −0.4 ± 1.29 −0.8 ± 0.28 −1.2 ± 0.18 0.6 ± 0.81 −1.9 ± 2.14 −2.4 ± 2.57 −0.7 ± 0.67 −0.5 ± 0.54
Rest der Kupplungsgröße D10.10 0.01 0.27 6.71 18.422.13 1.92 3.89 25.3820.02
P1.4 × 10 −3 0.92 0.60 0.01 1.8 × 10 − 50.14 0.17 0.05 4.7 × 10 − 77.7 × 10 − 6
R 2 0.154 0.001 0.015 0.183 0.250 0.047 0.173 0.221 0.499 0.333
β−0.3 ± 0.18 0.2 ± 1.44 0.3 ± 1.42 −0.7 ± 0.25 −0.7 ± 0.14 0.8 ± 1.23 −1.1 ± 1.97 −1.9 ± 2.71 −1.5 ± 0.72 −1.1 ± 0.58
Maximale Resttiefe D3.88 1.11 0.60 1.02 4.70 10.09 1.36 7.42 1.81 0.03
P0.05 0.29 0.44 0.31 0.03 1.4 × 10 −3 0.24 6.5 × 10 −3 0.18 0.86
R 2 0.038 0.043 0.023 0.009 0.032 0.116 0.049 0.161 0.022 0.000
β−0.2 ± 0.26 −2.4 ± 1.96 −0.7 ± 1.84 −0.4 ± 0.29 −0.5 ± 0.19 1.5 ± 1.05 −0.8 ± 1.54 −2.3 ± 1.98 −0.6 ± 0.93 −0.1 ± 0.65
. . Mitochondriale . Nuklear.
DS . Dn . Dn/DS . Nichtproteincodierung. Gesamt. DS . Dn . Dn/DS . ES IST . Gesamt.
Körper Länge D0.67 0.22 0.12 0.06 1.57 9.15 0.15 1.34 11.7713.57
P0.41 0.64 0.73 0.81 0.21 2.5 × 10 −3 0.70 0.25 6.0 × 10 − 42.3 × 10 − 4
R 2 0.005 0.008 0.004 0.001 0.009 0.099 0.005 0.035 0.108 0.151
β0.1 ± 0.28 0.5 ± 2.01 0.3 ± 1.85 −0.0 ± 0.38 0.1 ± 0.22 − 2.0 ± 1.39 −0.4 ± 2.38 1.5 ± 4.03 −1.5 ± 0.94 −1.4 ± 0.82
Maximale Lebensdauer D15.072.45 0.94 14.1732.790.09 4.60 3.18 19.0619.84
P1.0 × 10 − 40.12 0.33 1.7 × 10 − 41.0 × 10 − 80.76 0.03 0.07 1.3 × 10 − 58.4 × 10 − 6
R 2 0.168 0.097 0.039 0.213 0.313 0.001 0.183 0.111 0.255 0.301
β−0.5 ± 0.24 −1.88 ± 1.80 −0.8 ± 1.85 −1.4 ± 0.32 −1.3 ± 0.20 −0.1 ± 0.79 −1.8 ± 2.03 −1.7 ± 2.50 −1.5 ± 0.78 −1.2 ± 0.58
Kupplungsgröße D0.04 0.91 0.86 6.64 0.78 10.00 0.39 2.31 18.0322.31
P0.84 0.34 0.35 0.01 0.38 1.6 × 10 −3 0.53 0.13 2.2 × 10 − 52.3 × 10 − 6
R 2 0.001 0.054 0.050 0.182 0.011 0.219 0.035 0.116 0.354 0.372
β0.0 ± 0.11 1.0 ± 1.05 0.4 ± 0.99 −0.5 ± 0.17 −0.1 ± 0.09 −1.4 ± 1.08 −0.3 ± 1.23 1.1 ± 1.66 −0.8 ± 0.42 −0.8 ± 0.39
Maximale Tiefe D1.61 0.42 0.22 2.20 2.63 4.36 1.81 5.18 11.12 4.38
P0.20 0.52 0.65 0.14 0.10 0.04 0.18 0.02 8.5 × 10 −4 0.04
R 2 0.016 0.016 0.001 0.020 0.018 0.050 0.065 0.120 0.137 0.060
β−0.2 ± 0.27 −1.3 ± 2.09 −0.5 ± 1.77 −0.6 ± 0.31 −0.4 ± 0.20 1.0 ± 1.02 −1.0 ± 1.60 −2.0 ± 2.05 −1.6 ± 1.07 −0.7 ± 0.70
Maximale Restlebensdauer D22.062.47 0.41 6.05 34.602.08 4.47 6.37 4.70 4.31
P2.6 × 10 − 60.12 0.52 0.01 4.0 × 10 − 90.15 0.03 0.01 0.03 0.04
R 2 0.246 0.097 0.017 0.091 0.330 0.024 0.178 0.202 0.063 0.065
β−0.5 ± 0.23 −2.1 ± 1.27 −0.4 ± 1.29 −0.8 ± 0.28 −1.2 ± 0.18 0.6 ± 0.81 −1.9 ± 2.14 −2.4 ± 2.57 −0.7 ± 0.67 −0.5 ± 0.54
Rest der Kupplungsgröße D10.10 0.01 0.27 6.71 18.422.13 1.92 3.89 25.3820.02
P1.4 × 10 −3 0.92 0.60 0.01 1.8 × 10 − 50.14 0.17 0.05 4.7 × 10 − 77.7 × 10 − 6
R 2 0.154 0.001 0.015 0.183 0.250 0.047 0.173 0.221 0.499 0.333
β−0.3 ± 0.18 0.2 ± 1.44 0.3 ± 1.42 −0.7 ± 0.25 −0.7 ± 0.14 0.8 ± 1.23 −1.1 ± 1.97 −1.9 ± 2.71 −1.5 ± 0.72 −1.1 ± 0.58
Maximale Resttiefe D3.88 1.11 0.60 1.02 4.70 10.09 1.36 7.42 1.81 0.03
P0.05 0.29 0.44 0.31 0.03 1.4 × 10 −3 0.24 6.5 × 10 −3 0.18 0.86
R 2 0.038 0.043 0.023 0.009 0.032 0.116 0.049 0.161 0.022 0.000
β−0.2 ± 0.26 −2.4 ± 1.96 −0.7 ± 1.84 −0.4 ± 0.29 −0.5 ± 0.19 1.5 ± 1.05 −0.8 ± 1.54 −2.3 ± 1.98 −0.6 ± 0.93 −0.1 ± 0.65

H inweis .-Zu den Artenmerkmalen gehören Körperlänge, maximale Lebensdauer, Gelegegröße und maximale Tiefe. Da maximale Lebensdauer, Gelegegröße und maximale Tiefe alle signifikant mit der Körperlänge korrelieren, analysieren wir auch die Residuen aus einer Regression dieser Merkmale gegen die Körperlänge. Mitochondriale Substitutionsraten beinhalten synonyme Substitutionen (dS), nicht synonyme Substitutionen (dn) und dn/DS in zwei mitochondrialen proteinkodierenden Genen, Substitutionen in fünf mitochondrialen nichtproteinkodierenden Sequenzen und die Gesamtsubstitutionen zwischen diesen proteinkodierenden Genen und nichtproteinkodierenden Sequenzen. Nukleare Substitutionsraten beinhalten synonyme Substitutionen (dS), nicht synonyme Substitutionen (dn) und dn/DS im nuklearen Protein-kodierenden Gen RAG2, Substitutionen in nuklearen ES IST Sequenz und die Gesamtsubstitutionen über die RAG2 und ES IST Sequenzen. Die Effektgröße wird durch die Pseudo-R 2 für die Poisson-Regression. Wahrscheinlichkeitsverhältnis (D) Wert und der entsprechende P kursiv gedruckte Werte weisen darauf hin, dass das Speziesmerkmal signifikant mit der Substitutionsrate korreliert ist, sodass ihr Regressionskoeffizient (β) signifikant von Null abweicht. Der Signifikanz-Cutoff beträgt 0,05 mit Bonferroni-Korrektur.

Körperlänge, maximale Lebensdauer und Gelegegröße sind alle negativ mit der Substitutionsrate beim Alignment aller Kernsequenzen verbunden (Tabelle 1 und ergänzende Abb. S1 , Ergänzungsmaterial online). Die maximale Lebensdauer korreliert nicht mit den nuklearen Substitutionsraten, wenn die Körpergröße berücksichtigt wird ( Tabelle 1 und ergänzende Abb. S1 , Online-Ergänzungsmaterial). Die Tiefe ist nicht mit den Geschwindigkeiten der molekularen Evolution in irgendeiner Ausrichtung der beiden nuklearen Gene, die in die Studie eingeschlossen wurden, verbunden.


Diskussion

MtDNA-Substitutionsraten – Unterstützung der Langlebigkeitshypothese

Wir zeigten, dass die mtDNA-Mutationsrate, gemessen durch die neutral entwickelnden dritten Codonpositionen von cytb, zwischen Vogellinien stark schwankt. Die Hypothese der molekularen Uhr gilt nicht für die mtDNA-Evolution von Vögeln, da sich schnell entwickelnde Arten dreißigmal schneller sind als sich langsam entwickelnde. Die von uns angewandte Methode ist besonders anfällig dafür, die tatsächliche Amplitude der Variation der Substitutionsrate aufzudecken: Durch die Überwindung des Problems der Mutationssättigung konnten wir einen umfangreichen Datensatz verwenden, der die gesamte taxonomische Vielfalt der Vögel umfasst. Diese Studie bietet daher einen synthetischen Überblick über die Variationen der Substitutionsraten über Vogellinien hinweg, was ein wichtiges Ergebnis auf dem Gebiet der molekularen Datierung liefert, in dem die grobe Annäherung von 2% der Substitution pro Million Jahre immer noch diskutiert wird [41, 42, 40, 43, 39]. Unsere Analyse legt nahe, dass die Annahme der molekularen Uhr vermieden werden sollte, was die mtDNA von Vögeln betrifft. Die Schlussfolgerungen von Pereira und Baker [43] (aus Daten des vollständigen Genoms erhalten) und einige in kleinerem Maßstab durchgeführte Studien (überprüft in [39]) werden hier durch Cytochrom bestätigt B Positionen des dritten Codons auf breiter taxonomischer Skala. Obwohl die durchschnittliche Rate bei Vögeln nahe an diesem Wert liegt, ist die Kalibrierung von 2 % pro Standort pro Million Jahre eine sehr schlechte Zusammenfassung des Gesamtbildes: Die Rate ist im Wesentlichen (bis zu fünfmal) höher als 2 % bei Sperlingsvögeln, und ( bis zu zehnmal) niedriger bei Nicht-Singvögeln (Abbildung 1). Benutzer von mtDNA als Werkzeug zur Ableitung von Divergenzdaten sollten unbedingt statistische phylogenetische Methoden verwenden, die die Variation der Substitutionsrate zwischen den Abstammungslinien berücksichtigen, die sogenannten Clock-relaxed-Methoden [44, 48–50].

Dank des Vergleichs mit Säugetieren wurden mehrere interessante Ergebnisse gezeigt. Erstens zeigen Vögel eine engere Variationsbreite der lebensgeschichtlichen Merkmale als Säugetiere. Zum Beispiel variiert die Körpermasse im Vogeldatensatz zwischen 5,5 g und 3,9 kg, während sie bei Säugetieren zwischen 3,7 g und 138 Tonnen schwankt. Dieses Ergebnis bestätigt den allgemeinen Einfluss lebensgeschichtlicher Merkmale auf die neutrale mtDNA-Substitutionsrate bei Vögeln und Säugetieren. Dieses Ergebnis ist wichtig, da eine solche Beziehung nicht in jeder taxonomischen Gruppe berichtet wurde [51] und sogar nicht in einigen Studien an Säugetieren [52, 53]. Zweitens ist die neutrale mtDNA-Substitutionsrate bei Vögeln geringer als bei Säugetieren, und dieser Unterschied nimmt zu, wenn die Körpermasse aus der Analyse herausregressiert wird (Tabelle 2). Vögel entwickeln sich beispielsweise bei kleinen Arten (Körpermasse < 500 g) viermal langsamer als Säugetiere. Dieses Ergebnis stimmt mit der Langlebigkeitshypothese überein, jedoch nicht mit der Stoffwechselratenhypothese. Nach letzterem Modell sollten Vögel aufgrund ihres höheren massenspezifischen Stoffwechsels und ihrer geringeren durchschnittlichen Körpermasse eine höhere durchschnittliche Mutationsrate aufweisen als Säugetiere [54].

Im Laufe der Evolution haben Vögel Anpassungen erworben, um ihre hohe massenspezifische Stoffwechselrate zu bewältigen, einschließlich eines erhöhten Schutzes von reaktiven Sauerstoffspezies (ROS) und einer geringeren ROS-Produktion [55, 56]. Im Kontext der mitochondrialen Alterungstheorie, die postuliert, dass die ROS-Produktion als Nebenprodukt der mitochondrialen Atmung zum Altern beiträgt, könnten diese Anpassungen als Reaktion auf die erhöhte Lebenserwartung von Vögeln interpretiert werden [57]. Die verringerte Rate der ROS-Produktion könnte die niedrigere durchschnittliche Mutationsrate der mtDNA von Vögeln im Vergleich zu Säugetieren erklären (siehe auch [26]). Es ist daher überraschend, dass bei der Analyse innerhalb von Vögeln ein vorherrschender Einfluss der Körpermasse und nicht der Langlebigkeit festgestellt wird. Singvögel zeigen eine positive Beziehung zwischen Langlebigkeit (oder Körpermasse) und Substitutionsrate, was ziemlich überraschend ist. Wir haben bisher keine gültige Erklärung für diese Beziehung, vielleicht weil sie biologisch nicht relevant ist – diese Beziehung ist das einzige Ergebnis, das nicht gefunden wurde, wenn wir andere Methoden zur Schätzung der Substitutionsrate verwendet haben (siehe Zusatzdatei 3). Bei Nicht-Singvögeln, die im Wesentlichen langlebige Arten sind, ist die Körpermasse immer noch die Variable, die die Variationen der Substitutionsrate am besten erklärt (Tabelle 2). Unter Verwendung von DNA-DNA-Hybridisierungsdaten (und einem kleineren Datensatz) fanden Mooers und Harvey [32] keine Unterstützung für die Hypothese der Stoffwechselrate, berichteten jedoch über einen signifikanten Effekt auf die Generationszeit. In diesem Zusammenhang wäre es interessant, den Datensatz der weiblichen Geschlechtsreife zu erweitern, um die Generationszeithypothese mit unserem erweiterten mitochondrialen Datensatz zu testen.

Bestimmung der mtDNA-Diversität bei Vögeln

Die neutrale genetische Vielfalt hängt in erster Linie von der effektiven Populationsgröße und der Mutationsrate ab. Da die Populationsgrößen zeitlich und zwischen den Arten so unterschiedlich erscheinen, wurden Variationen der genetischen Vielfalt zwischen den Arten häufig in demografischer Hinsicht interpretiert. z.B. [58, 59]. Vor kurzem wurde der Einfluss der Populationsgröße auf die mtDNA-Diversität in Frage gestellt [18, 20]. Die großen Variationen der Mutationsraten, die wir bei Vögeln berichten, legen nahe, dass Mutationseffekte bei der Untersuchung des mtDNA-Polymorphismus in dieser Gruppe sowie bei Säugetieren sorgfältig berücksichtigt werden sollten [18].

Im Allgemeinen ist die Beziehung zwischen Populationsgröße und mtDNA-Diversität aufgrund der Knappheit von Schätzungen der Populationsgröße für Wildarten schwierig zu bewerten. Lebensgeschichtliche Merkmale wie die Körpermasse wurden daher als Proxy für die Populationsgröße verwendet [18, 60]. Eine Ausnahme bilden Vögel: Dank des breiten Interesses der wissenschaftlichen Gemeinschaft an der Vogelökologie und -systematik stehen für nordamerikanische Arten direkte Schätzungen der effektiven Artengrößen zur Verfügung [22]. Wir korrelierten diese Schätzungen der Populationsgröße mit der synonymen mtDNA-Diversität und fanden keine signifikante Beziehung. Der Datensatz ist ziemlich klein (n = 28), aber wir stellen fest, dass diese Beziehung theoretisch stark sein sollte, angesichts der großen Bandbreite an Populationsgrößen (2 Größenordnungen). Bei der Verwendung der Körpermasse als Indikator für die Populationsgröße, wodurch der Datensatz stark vergrößert wurde, fanden wir eine negative Korrelation mit der Cytb-Synonym-Diversität, aber dieses Ergebnis war nicht signifikant. Berlin et al. [24] berichten über einen signifikanten Zusammenhang zwischen π Sund Körpermasse bei Vögeln unter Verwendung von Gattungsdurchschnitten.Wenden wir dieselbe Methode an, finden wir auch einen signifikanten Zusammenhang (n = 37, R 2 = 0,16, P = 0,01), aber der Effekt wird beseitigt, wenn der Passerin-/Nicht-Passerin-Status berücksichtigt wird (mehrfache Regression, P Körpermasse = 0,25). Dieses Ergebnis stimmt mit unserer früheren Säugetieranalyse überein, bei der der schwache Effekt der Körpermasse durch eine taxonomische Kontrolle beseitigt wurde [18]. Ähnlich wie bei Säugetieren ist die genetische Diversität der Mitochondrien im Wesentlichen nicht mit den Merkmalen der Lebensgeschichte bei Vögeln korreliert, und wenn dies der Fall ist, dann höchstwahrscheinlich über den Einfluss der Mutationsrate und nicht der Populationsgröße.

Mitochondriales Selektionsregime bei Vögeln

Um den fehlenden Zusammenhang zwischen mtDNA-Diversität und Proxies der Populationsgröße bei Säugetieren zu erklären, hat Nabholz et al. [18] berief sich auf die demografische Stochastik, während Bazin et al. [20] beriefen sich auf wiederkehrende Trampeffekte für andere Arten mit größeren erwarteten Populationsgrößen (Wirbellose und Meerestiere). Was ist mit Vögeln? Um diese Frage zu beantworten, haben wir den Neutralitätsindex berechnet (NI = P n/P S/D n/D S [61], siehe Methoden). NI < 1 zeigt eine positive Selektion an, während NI > 1 eine reinigende Selektion anzeigt. Der durchschnittliche NI bei Vögeln ist signifikant höher als bei Säugetieren (R 2 = 0,058, p < 0,01, Zusatzdatei 2) und nur drei Vogelarten weisen einen NI < 1 auf (sieben bei Säugetieren). Die hohen NI-Werte bei Vögeln sind auf ihren hohen P n/P SVerhältnisse -D n/D SDie Verhältnisse sind denen von Säugetieren ähnlich. Dieses Ergebnis weist darauf hin, dass die mtDNA-Evolution bei Vögeln hauptsächlich durch die reinigende Selektion bestimmt wird, wie bereits berichtet [24]. Es ist auch ein Hinweis auf ein starkes Maß an Einschränkung, das auf das Cytochrom von Vögeln wirkt B Sequenzen, die als Vogelbeschränkungshypothese bekannt ist [62].

Wie bei Säugetieren scheinen Vögel eine Populationsgröße zu haben, die niedrig genug ist, um zur "Drift-Domäne" und nicht zur "Drift-Domäne" zu gehören. Sinn Gillespie [63] (siehe Diskussion in [18]). In Ermangelung eines signifikanten Einflusses der positiven Selektion müssen wir uns auf eine starke demografische Stochastik berufen, um die fehlende Beziehung zwischen Populationsgröße und mtDNA-Diversität zu erklären. Es wird erwartet, dass die Mutationsrate eine wesentliche Determinante der genetischen Diversität innerhalb einer Spezies ist, unabhängig davon, ob sich Populationen im Mutations-Drift-Gleichgewicht (Standardtheorie) befinden oder nicht [64, 65]. Konsequenterweise berichten wir über eine signifikant positive Beziehung zwischen Cytb-Diversität und Substitutionsrate (Abbildung 7), die wiederum der Situation bei Säugetieren entspricht.

In einem aktuellen Papier, Berlin et al. [24] schlugen eine alternative Hypothese vor, um mtDNA-Polymorphismusmuster bei Vögeln zu erklären. Sie schlugen vor, dass Hill-Robertson-Effekte aufgrund der vollständigen Assoziation mit dem W-Chromosom die niedrigere synonyme mitochondriale Diversität und die höhere . erklären könnten P n/P Sbei Vögeln im Vergleich zu Säugetieren beobachtet. Dies sollte auch die fehlende Korrelation zwischen neutralem Polymorphismus und Populationsgröße erklären. Äußerlich bestätigen wir diese Hypothese, indem wir zeigen, dass die untere synonyme mitochondriale Diversität für nukleäre Allozyme nicht gefunden wird. Dieses Bild wird jedoch durch die global niedrigere mtDNA-Substitutionsrate bei Vögeln als bei Säugetieren kompliziert. Die Kontrolle der Mutationsraten beseitigt tatsächlich den größten Teil des Unterschieds zwischen Vögeln und Säugetieren. Um den Effekt der Mutationsratenvariation auf die synonyme mtDNA-Diversität zu quantifizieren, kombinierten wir die Datensätze des Vogel- und Säugetierpolymorphismus und der neutralen Substitutionsrate und führten eine multiple Regression der Substitutionsrate und des Vogel-/Säugetierstatus (Klasse) auf die synonyme mtDNA-Diversität durch. Dieses Modell erklärt 21% von π SVariation (Vögel: n = 46, Säugetiere: n = 123, P < 0,001). Das Ergebnis zeigt auch, dass die Mutationsrate einen starken Einfluss auf π S(t = 4,9 P < 0,001) und reduziert den Klasseneffekt erheblich (t = 2,1, P = 0,021)). Diese Analyse zeigt, dass ein wesentlicher Teil des Unterschieds zwischen Vögeln und Säugetieren π Swird durch ihre unterschiedlichen Mutationsraten erklärt (siehe Zusatzdatei 4b). Der Unterschied in den Mutationsraten kann jedoch den höheren Anteil an Mitochondrien nicht erklären P n/P Sbei Vögeln gefunden. Vögel und Säugetiere haben anscheinend vergleichbare effektive Populationsgrößen, wie ihre ähnliche durchschnittliche allozymische Heterozygotie nahelegt. Der höhere P n/P SVerhältnis bei Vögeln könnte daher auf Hill-Robertson-Interferenzen zwischen den mitochondrialen und W-Chromosomen zurückzuführen sein, wie von Berlin vorgeschlagen et al. [24], obwohl dieser Effekt nur einen schwachen Einfluss auf die absoluten Werte von π S, wenn die Mutationsrate kontrolliert wird.


Methoden

Bakterienstämme

Wir verwendeten E coli MDS42 21 und zwei Mutatorstämme, MDS42mutS::Cm, und MDS42mutH, mutS,uvrB::Cm. Diese Flecken wurden Co genannt, S, und HSB, bzw. S und HSB wurden durch kombinatorische Deletionen von MMR-Genen konstruiert (mutS, mutH) und ein UV-resistentes Gen (uvrB). Alle Deletionen wurden durch standardisierte -rot-homologe Rekombination unter Verwendung des pKD46-Plasmids 8,22 untersucht. Das Chloramphenicol-Resistenzgen, Cm R , wurde bei jeder Deletion wiederholt als Selektionsmarker verwendet. Cm R wurde durch PCR aus dem pKD32-Plasmid 22 mit geeigneten Primern für jede Deletion amplifiziert (Tabelle S3). Um mehrere Löschungen in zu untersuchen HSB, Cm R wurde durch FLP-FRT-Rekombination unter Verwendung des pCP20-Plasmids vor nachfolgenden Deletionsexperimenten 22 entfernt.

Kulturbedingungen

Wir verwendeten ein chemisch definiertes Medium, mM63, das 62 mM K . enthält2HPO4, 39 mM KH2Bestellung4, 15 mM (NH4)2SO4, 2 μM FeSO4·7H2O, 15 μM Thiaminhydrochlorid, 203 μM MgSO4·7 H2O und 22 mM Glucose 23 . Für Fluktuationstests wurden LB-Agarplatten, ergänzt mit 80 µg/ml Nalidixinsäure-Natriumsalz (Sigma-Aldrich), als LB + Nal-Platten bezeichnet, verwendet.

Evolutionäres Experiment

Evolutionäre Experimente bestanden aus Zyklen von seriellem Transfer und UV-Exposition. Die Bakterienzellen wurden in mM63 Flüssigmedium in einer 96-Well-Mikroplatte (100 &mgr;l/Well) kultiviert. Die Zellen wurden 100fach mit frischem mM63 verdünnt und in fünf Vertiefungen (jeweils 100 µl) einer neuen Mikrotiterplatte überführt. Die fünf Wells wurden mit einem UV-geschnittenen Film mit einer unterschiedlichen UV-Dimmungsrate für jeden Well bedeckt und unter einer keimtötenden Lampe (GL-15, Panasonic) UV-Strahlung ausgesetzt. Die UV-geschnittene Folie wurde im eigenen Haus hergestellt, indem Plastikfolien, die aus einer durchsichtigen Standard-Aktenmappe ausgeschnitten wurden (40 % UV-Cut pro Folie), geflickt wurden. Die UV-Abschwächungsrate wurde durch Übereinanderlegen der Anzahl der Plastikfolien (0, 2, 4, 6 und 8 für die fünf Vertiefungen) eingestellt. Anschließend wurde die Mikrotiterplatte verschlossen und 1 Tag bei 37 °C unter Schütteln inkubiert. Nach der Inkubation wurde die optische Dichte (OD) bei 595 nm der fünf Vertiefungen mit einem Plattenlesegerät (Infinite F200 PRO, Tecan) gemessen. Die Zellen in der Vertiefung, deren UV-Dosis unter den Vertiefungen mit wachsenden Zellen am höchsten war (OD595 > 0,1) wurde für die nächste Runde verwendet. Die UV-Expositionszeit wurde mit zunehmender UV-Beständigkeit der Zellen verlängert. Die UV-Intensität wurde unter Verwendung eines UV-Dosimeters (UVA, UVC-Lichtmesser, YK-37UVSD, Lutron Electronics Inc., USA) vor der Belichtung aufgezeichnet (typischerweise 0,10–0,21 mW/cm 2 ). In jeder siebten Runde wurden gefrorene Vorräte der Zellen hergestellt. Die UV-Dosen des Anfangs (durchschnittliche Dosen von Tag 1 und 2) und des Endes (durchschnittliche Dosen von Tag 27 und 28) der Experimente wurden statistisch mit Wilcoxons Vorzeichen-Rang-Tests für jeden Stamm (n = 6) getestet, um zu überprüfen wenn die Dosen durch das Experiment gestiegen sind.

Messung der maximalen Wachstumsrate

Zellen aus gefrorenen Vorräten wurden in 100 &mgr;l mM63-Brühe inokuliert und 12 Stunden bei 37 °C inkubiert. Die wachsenden Zellen wurden dann 100-fach mit frischem mM63 verdünnt und in mehrere Vertiefungen (10 Vertiefungen für jeden entwickelten Stamm und 60 Vertiefungen für jeden angestammten Stamm) in einer 96-Well-Mikroplatte (100 &mgr;l/Well) überführt. Die Mikrotiterplatte wurde bei 37 °C im Plattenlesegerät geschüttelt und OD595 wurde alle 15 Minuten gemessen. Die maximale Wachstumsrate [h −1 ] wurde aus den Steigungen der Wachstumskurven während der exponentiellen Wachstumsphase (OD595 = 0.01

0,06) nach dem Standard-Wachstumsmodell von Malthus.

Messung der Überlebensrate und der Mutantenproduktionsrate als Reaktion auf UV-Exposition

Glycerol-Stammzellen wurden in 5 ml mM63-Brühe geimpft und bei 37 °C inkubiert. Die Übernacht-Zellkultur wurde mit frischer mM63-Brühe (über 20 ml) auf eine Konzentration von 10 7 Zellen/ml verdünnt. Dann wurden 5 ml der Kultur entnommen und die restlichen 15 ml der verdünnten Kultur wurden in eine Petrischale überführt und unter einer keimtötenden Lampe UV-Strahlung ausgesetzt (5 mJ/cm 2 für Co und .). S, 0,6 mJ/cm 2 für HSB). Anschließend wurden 5 ml der Kultur entnommen und die restlichen 10 ml der Kultur erneut UV-Strahlung ausgesetzt, wonach 5 ml der Kultur entnommen wurden. Diese Kulturproben (drei Proben für jede Glycerin-Stammlösung) wurden auf mM63-Agarplatten ausgestrichen und 2 Tage bei 37 °C inkubiert. Die Anzahl der Kolonien wurde gezählt, um die koloniebildenden Einheiten (CFUs) zu bestimmen. Die Überlebensrate wurde berechnet, indem die KBE der UV-exponierten Kulturen durch die KBE der Kultur ohne UV-Behandlung geteilt wurde. Wir haben auch Zellkulturen mit UV-Behandlung auf die gleiche Weise hergestellt (drei Proben für jede Glycerin-Stammlösung), um die Produktionsrate der Mutanten zu messen. Die entnommenen Kulturen wurden in Teströhrchen (5 ml/Röhrchen) überführt und bei 37 °C geschüttelt. Die Übernacht-Zellkulturen wurden mit einem Durchflusszytometer (FACS Canto™ II, Becton, Dickson and Company) analysiert, um die Zellkonzentration zu messen. Die Kulturen wurden auf LB + Nal-Agarplatten (80 µl/Platte) ausgestrichen und 2–3 Tage bei 37 °C inkubiert. Die Mutantenproduktionsrate wurde berechnet, indem die Anzahl der Kolonien, die auf der Platte erschienen, durch die Anzahl der Zellen in 100 &mgr;l Impfmittel geteilt wurde. Die Werte der Vorfahren und der Evolution wurden verglichen, nachdem ihre Normalität und Gleichheit der Varianzen für jeden Datensatz überprüft wurden (Shapiro-Wilk-Test und F-Test auf signifikantem Niveau). P < 0,05). Wir verwendeten den Student-t-Test für die normalen und homoskedastischen Daten, den Welch-t-Test für die normalen, aber nicht homoskedastischen Daten und den Mann-Whitney-U-Test für die nicht-normalen Daten. Wir haben das Signifikanzniveau so angepasst, dass der FDR-Cutoff (False Discovery Rate) 0,05 unter Verwendung des „qvalue“-R-Pakets 24 betrug.

Schwankungstest

Die Mutationsraten, die zu einer Nalidixinsäureresistenz (Nal R ) führten, wurden mit Fluktuationstests 25 gemessen. Glycerol-Stammzellen wurden in 5 ml mM63-Brühe geimpft und bei 37 °C geschüttelt. Die Zellkultur über Nacht wurde mit einem Durchflusszytometer analysiert, um die Zellkonzentration zu erhalten. Die Zellen wurden in 20 Teströhrchen (jeweils 5 ml) mit einer Zellkonzentration von 100 Zellen/ml in frische mM63-Brühe überführt. Diese Röhrchen wurden 18 . bei 37 °C geschüttelt

30 Stunden. Die gewachsenen Kulturen wurden bei 5160 × zentrifugiert g 5 Minuten bei Zimmertemperatur. Die Pellets wurden mit dem restlichen Überstand resuspendiert und auf LB + Nal-Platten verteilt. Diese Platten wurden 2 . bei 37 °C inkubiert

3 Tage, und die erschienenen Kolonien wurden gezählt. Die Mutationsrate wurde mit der MSS-Maximum-Likelihood-Methode 26 berechnet.

Gesamtgenom-Sequenzierung

Genomische DNA wurde mit Wizard Genomic DNA Purification Kits (Promega) extrahiert. DNA-Bibliotheken wurden wie zuvor berichtet 6 hergestellt. Wir führten eine Multiplex-Analyse (typischerweise 6 Plex) mit Paired-End-Sequenzierung (251 bp) mit einem MiSeq Reagenzienkit v2 und 500 Zyklen (Illumina) durch. Rohsequenzen wurden durch Entfernen von Adaptersequenzen, Trimmen von Basen mit einer Qualität unter Q20 vom 3'-Ende jedes Reads und Entfernen von Reads mit Längen kürzer als 40 bp unter Verwendung von cutadapt-1.4.1 27 wie zuvor beschrieben 6 verarbeitet. Mit der Burrows-Wheeler Aligner-Software (BWA) wurden die Reads auf die E coli MDS42-Referenzchromosom (Zugang: AP012306, der Ursprung von NC_020518, GI: 471332236). Basenpaarsubstitutionen (BPSs) wurden unter Verwendung von SAMtools 28 mit Standardparametern identifiziert, wobei die maximale Lesetiefe (-D-Option) auf 500 eingestellt war. Bei allen Proben wurden mindestens 99,8 Prozent der genomischen Region mit Read(s) bedeckt. Die Bedeckungstiefe betrug (2,3 ± 0,5) × 100 (Durchschnitt ± SD). Die genannten Mutationen mit einem Wert <100 für den Phred-Qualitätsscore 29,30 wurden entfernt. Anschließend wurden auch BPSs mit Werten <90% der Häufigkeit von „mutanten“ Reads entfernt. Wir betrachteten die gefilterten Mutationen als dominant oder in der Population fixiert.

Monte-Carlo-Simulationen für den lokalen Sequenzkontext von BPS

Synonyme BPSs wurden im entsprechenden Genom zufällig mit den beobachteten Mutationsspektren generiert. Wir haben die Genomsequenz von MG1655 für die mutS-defekter Stamm, ΔS’, abgeleitet von MG1655 6 und dem von MDS42 für alle unter UV entwickelten Stämme. Die Simulation wurde für jeden Datensatz in 10.000 Versuchen untersucht.

Messung der Basenpaar-Substitutionsrate während des Evolutionsexperiments

Die Rate der Basenpaarsubstitution (Genom -1 Tag -1 ), ρ, wurde nach folgender Formel berechnet:

wo n syn, L CDS, L, und D sind die Anzahl der synonymen Substitutionen, die Länge der gesamten kodierenden DNA-Sequenzen pro Genom, die Genomgröße (3,98 Mbp für die MDS42-Derivatstämme) bzw. die Anzahl der Tage der Evolutionsexperimente. F (syn) stellt die Wahrscheinlichkeit dar, dass eine Substitution synonym ist, wenn eine Substitution auftritt, und wurde basierend auf der Codonverwendung und der Wahrscheinlichkeit jeder Substitution wie zuvor beschrieben 6 berechnet.

Berechnung von dN/dS-Werten

Der dN/dS-Wert wurde als das Verhältnis der Anzahl der nicht-synonymen Substitutionen pro nicht-synonymer Stelle, dN, und der Anzahl der synonymen Substitutionen pro synonymer Stelle, dS 6 , geschätzt. Die Werte wurden nach folgender Gleichung berechnet:

wo, n syn und n nsyn die Anzahl der in Tabelle 1 gezeigten synonymen und nicht synonymen Substitutionen darstellen. F (syn) ist, wie oben beschrieben, eine Wahrscheinlichkeit dafür, was eine erfolgte Substitution synonym ist.


Materialen und Methoden

Datensammlung

Die Gattung Sebastian enthält 110 Arten, die im Nordostpazifik ihre größte Vielfalt aufweisen (Love et al. 2002). Um die Geschwindigkeiten der molekularen Evolution mit Unterschieden in den Artenmerkmalen zu vergleichen, haben wir Paare eng verwandter Steinfischarten ausgewählt, die ausgewählt wurden, um unabhängige (nicht überlappende) Schwesterpaare in der Phylogenie zu repräsentieren (Harvey und Purvis 1991, ergänzende Abb. S1, Ergänzendes Material online). Jede Abstammungslinie im ausgewählten Artenpaar hatte die gleiche Zeit, um Substitutionen zu akkumulieren, seit sie sich von ihrem gemeinsamen gemeinsamen Vorfahren getrennt haben, und daher sollten alle Unterschiede in ihren Zweiglängen einen Unterschied in ihren Nettosubstitutionsraten widerspiegeln ( Lanfear et al. 2010) . Wir verwendeten eine veröffentlichte Phylogenie von Strahlenflossern (Rabosky et al. 2013), aus der wir die Sebastian Klade, um Paare eng verwandter Steinfischarten sowie eine Fremdgruppe auszuwählen. Die von Rabosky et al. (2013) Phylogenie, die 7.822 Fischarten umfasst, basiert auf 13 Sequenzen (12S, 16S, 4c4, cytb, ENC1, glyt, myh6, plagl2, rag1, Rhodopsin, sreb2, tbr1, zic1), von denen sich nur zwei mit unserem Datensatz überschneiden. Paare wurden ausgewählt, um die Anzahl möglicher Vergleiche mit Daten für die vier Artenmerkmale (Lebensdauer, Gelegegröße, Körperlänge und Tiefe) zu maximieren.

Wir sammelten Daten zur Langlebigkeit (maximale Lebenserwartung in Jahren), Fruchtbarkeit (maximale Anzahl von Eiern pro Brutsaison), Gesamtkörperlänge (cm) und die maximale Wassertiefe, in der eine Art erfasst wurde (m) von Fishbase (www.fishbase .) .org, letzter Zugriff im Oktober 2013) und veröffentlichte Quellen (Love et al. 2002). Nicht alle Merkmale sind für alle Arten verfügbar (Ergänzungsmaterial, Ergänzungsmaterial online). Wir wählten 34 Schwesterpaare aus, für die Körpergrößendaten verfügbar waren, und Teilmengen dieser Vergleiche enthielten auch Daten zur Langlebigkeit (n = 27), Fruchtbarkeit (n = 16) und maximale Tiefe (n = 31). Alle Merkmalswerte wurden logarithmisch transformiert, um sich der Normalität anzunähern.

Wir haben die Geschwindigkeiten der molekularen Evolution für sieben mitochondriale Sequenzen geschätzt: cytb, COI, 12S rRNA, 16S rRNA, tRNA Prolin, tRNA Threonin, und Kontrollregion (Hyde und Vetter 2007). Zum Vergleich haben wir auch zwei verfügbare Kernsequenzen für diese Spezies aufgenommen: RAG2 und ITS1. Sequenz-Alignments wurden von TreeBase (ID S2025) erhalten. Protein-kodierende Exons wurden mit dem MUSCLE-Translations-Plugin (Edgar 2004) im Frame ausgerichtet, wobei die Aminosäuretranslation als Leitfaden verwendet wurde. Um unterschiedliche Muster der molekularen Evolution in verschiedenen Genomen oder Sequenztypen zu berücksichtigen, haben wir vier verschiedene Alignments konstruiert: Mitochondriale Protein-kodierende Gene (cytb, COI 2.301 bp insgesamt), mitochondriale nichtproteinkodierende Sequenzen (12S, 16S, tRNAPro, tRNAThr, Kontrolle 1.486 bp insgesamt), nukleäre Protein-kodierende Gene (RAG2 711 bp) und Kern ES IST (781 bp). Alle Sequenz-Alignments sind auf http://figshare.com/ hinterlegt.

Für jedes Schwesterpaar schätzten wir die Zweiglänge (die durchschnittliche Anzahl von Substitutionen pro Standort) für jede der vier Ausrichtungen unter Verwendung der maximalen Wahrscheinlichkeit und eines von Hyde und Vetter (2007) vorgeschlagenen GTR + G-Modells im baseml-Programm des PAML-Pakets ( Yang 2007). Für mitochondriale Protein-kodierende Gene (cytb, COI) und das nukleäre Protein-kodierende Gen (RAG2), schätzten wir auch synonyme und nicht-synonyme Zweiglängen unter Verwendung des von Goldman und Yang (1994) vorgeschlagenen GY94-Codon-Substitutionsmodells im codeml-Programm des PAML-Pakets (Yang 2007), mit dn/DS Werte können über den Baum frei variieren. Die Anzahl der Substitutionen ist die Zweiglänge multipliziert mit der Länge des Alignments.

Leistungsschätzung

Um die statistische Aussagekraft unserer Methode und der traditionellen Methode der Regression der kleinsten Quadrate nach dem Welch- und Waxman-Test zu schätzen, haben wir 100 Datensätze unter jeder der Kombinationen von vier Bedingungen simuliert.Die Kombinationen der vier Bedingungen sind: 1) Die Anzahl der Schwesterpaare: 10, 30, 100 oder 500 Paare 2) die Substitutionsrate: Schnelle Substitution (durchschnittliche Substitutionsrate = e − 2 Substitutionen pro Sequenz pro Zeitschritt und Evolutionsrate = 10 − 3 pro Zeitschritt) versus langsame Substitution (durchschnittliche Substitutionsrate = e − 6 Substitutionen pro Sequenz pro Zeitschritt und Evolutionsrate = 10 − 4 pro Zeitschritt) 3) die Evolutionsrate des Speziesmerkmals: Schnelles Merkmal (Evolutionsrate = 0,1 pro Zeitschritt) versus langsames Merkmal (Evolutionsrate = 0,01 pro Zeitschritt) 4) der Korrelationskoeffizient zwischen Substitutionsrate und Speziesmerkmal: R = 1, 0,5, 0, –0,5 oder –1. Ein Zeitschritt in der Simulation beträgt 0,01 My. Die Simulationsdauer für jedes Schwesterpaar wurde zufällig aus einer gleichmäßigen Verteilung zwischen 0 und 1.000 Zeitschritten gezogen, d. h. 10 My, der maximalen Divergenzzeit zwischen Steinfisch-Schwesterarten, geschätzt von Rabosky et al. (2013).

Die Werte dieser Bedingungen werden so gewählt, dass sie den Wertebereich widerspiegeln, der aus unserem Rockfish-Datensatz geschätzt wird. Wir schätzen die durchschnittliche Substitutionsrate als den Durchschnitt der Substitutionsraten über alle im Datensatz enthaltenen Arten, wobei die Substitutionsrate einer Art anhand der Anzahl der Substitutionen in der Art seit der Divergenz von ihrer Schwesterart dividiert durch ihre Divergenzzeit als . berechnet wird geschätzt von Rabosky et al. (2013). Wir schätzen die Evolutionsrate eines Merkmals als Quadratwurzel aus dem Durchschnitt der Merkmalsvarianz zwischen einer Schwesterart des Felsenfischs geteilt durch die doppelte Divergenzzeit dieses Artenpaares. Um die Evolutionsrate der Substitutionsrate δ ⁠ abzuschätzen, nehmen wir zunächst an, dass sich die Substitutionsrate durch einen Brownschen Bewegungsprozess mit der Rate δ ⁠ entwickelt, sodass die Substitutionsrate eine zufällige Variable ist, die sich mit der Zeit ändert. Anschließend schätzen wir die Anzahl der Substitutionen in einer Spezies ab, indem wir die Substitutionsrate über die Divergenzzeit ( ⁠ T ⁠ ) der Spezies integrieren, die dem Zeitintegral der Brownschen Bewegung entspricht. Somit ist die erwartete Varianz der Anzahl der Substitutionen zwischen einem Speziespaar das Doppelte der Varianz der integrierten Brownschen Bewegung, die δ 2 T 3 / 3 ⁠ beträgt. Schließlich können wir δ aus der Varianz der Anzahl der Substitutionen zwischen einem Artenpaar multipliziert mit 3 / 2 T 3 ⁠ berechnen, wobei der Durchschnitt über alle Artenpaare im Steinfisch-Datensatz gebildet wird.


Danksagung

Dieses Werk ist dem Andenken an Eric Bazin gewidmet. Wir danken Vanessa L. Gonzalez für die Bereitstellung der Transkriptome von Bivalvia-Arten. Wir danken Sylvain Glémin und den anonymen Gutachtern für hilfreiche Diskussionen. Diese Arbeit wurde von der Agence Nationale de la Recherche unterstützt und gewährt ANR-15-CE12-0010 „DarkSideOfRecombination“ an B.N. und N.G, ANR-14-CE02-0002-01 „BirdIslandGenomic“ an B.N und ANR-10-BINF-01-01 „Ancestrome“ an N.G. Dies ist die ISEM-Veröffentlichungsnummer ISEM 2017-141.


Ergebnisse

Eine effektiv unendliche asexuelle Bevölkerung

Die zentrale verbleibende Frage ist die Größe des selektiven Nachteils s ∼ d, der sich aus der Akkumulation überschüssiger schädlicher Mutationen auf Mm relativ zu MM Hintergründe. Weil neu Mm Individuen stammen immer wieder von relativ mutationsfreien MM Genotypen, während ihre Nachkommen stochastisch neue schädliche Mutationen anhäufen, der Pool von Mm Individuen werden in Bezug auf Fitness heterogen sein. Vermietung U die genomweite Rate schädlicher Mutationen im MM Hintergrund entstehen schädliche Mutationen mit einer Geschwindigkeit U +U innerhalb Mm Individuen, und wir nehmen an, dass jede Mutation an einer einzigartigen Stelle entsteht (wodurch sichergestellt wird, dass alle Mutationen in einer diploiden Spezies heterozygot bleiben). Bei allen Mutationen, von denen angenommen wird, dass sie eine feste schädliche Wirkung haben S, ist die Fitnessfunktion definiert als W(n) = (1 − S) n , wo n ist die Anzahl der schädlichen Mutationen in einem Individuum.

Obwohl dieser Ausdruck die Variation in . ignoriert n innerhalb von Mutator- und Nicht-Mutator-Genotypen ergibt sie eine sehr gute Annäherung an den durchschnittlichen Selektionskoeffizienten, der aus der mittleren genotypischen Fitness einer vollständig charakterisierten, bis zum Gleichgewicht iterierten unendlichen Population bestimmt wird ( Abb. 1). FürUS, was wahrscheinlich der übliche Fall ist, da s − ≃ 0,001 bis 0,01 ( Lynch und Walsh 1998 ) ist, erreicht eine neu entstandene Unterlinie von Mutatoren im Allgemeinen ihre überschüssige Gleichgewichts-Mutationslast, ΔU/S, bevor er aus der Population entfernt wird, und s ∼ d ≃ 1 − ( 1 − s ) Δ U / s ≃ Δ U, dh der selektive Nachteil des Mutators ist unabhängig von den Auswirkungen der von ihm erzeugten Mutationen. Allerdings werden hochaggressive Mutatorallele relativ schnell eliminiert (als Folge ihrer erheblichen indirekten Mutationslast Johnson 1999a), was zu s d < 1 – ( 1 – s ) U / s führt.

Eigenschaften eines Mutator-Allels m in einer unendlichen asexuellen Population unter Annahme einer Mutationsrate zum Mutator-Genotyp Mm von 2μ = 10 − 6 und eine vernachlässigbare Rückmutationsrate. Die Ergebnisse wurden durch eine Reihe von Rekursionsgleichungen erhalten, die die Verteilung schädlicher Mutationszahlen innerhalb von verfolgten MM und Mm Individuen, bis die Population das Mutations-Selektions-Gleichgewicht erreicht hat. Links: Gleichgewichtsfrequenz des Mm Mutatorheterozygoten (gestrichelte Linie) und durchschnittlicher selektiver Nachteil der Mm Genotyp im Gleichgewicht (durchgezogene Linie aus Rekursionen, gepunktete Linie aus Gleichung (4)). Rechts: Durchschnittliche Mutationsrate der Bevölkerung im Gleichgewicht.

Eigenschaften eines Mutator-Allels m in einer unendlichen asexuellen Population unter Annahme einer Mutationsrate zum Mutator-Genotyp Mm von 2μ = 10 − 6 und eine vernachlässigbare Rückmutationsrate. Die Ergebnisse wurden durch eine Reihe von Rekursionsgleichungen erhalten, die die Verteilung schädlicher Mutationszahlen innerhalb von verfolgten MM und Mm Individuen, bis die Population das Mutations-Selektions-Gleichgewicht erreicht hat. Links: Gleichgewichtsfrequenz des Mm Mutatorheterozygoten (gestrichelte Linie) und durchschnittlicher selektiver Nachteil der Mm Genotyp im Gleichgewicht (durchgezogene Linie aus Rekursionen, gepunktete Linie aus Gleichung (4)). Rechts: Durchschnittliche Mutationsrate der Bevölkerung im Gleichgewicht.

Im Mutations-Selektions-Gleichgewicht beträgt die Zunahme der mittleren genomweiten Rate schädlicher Mutationen, die aus der rezidivierenden Produktion des Mutator-Allels resultiert, Δ U − = Δ U p ∼ Mm . Unter der Annahme einer geringen Mutator-Allel-Reversion ( ⁠ ν ≪ μ , s ∼ d ⁠ ), vorausgesetzt ΔUS, Δ U − ≃ 1 / [ ( 1 / 2 μ ) + ( 1 / Δ U ) ] ⁠ , d. h. das halbe harmonische Mittel der diploiden Mutationsrate zu Mutator-Allelen und die Erhöhung der genomweiten schädlichen Mutationsrate pro solche Mutation, die sich 2μ nähert, wenn ΔU2μ. Eine Auswertung eines umfangreicheren Modells mit einer Reihe von Mutatorklassen (die sich durch einen konstanten multiplikativen Faktor unterscheiden) zeigt, dass dieser Ausdruck der Inflation von U − immer noch sehr nahe kommt, wenn ΔU wird als die Mutationsratendifferenz zwischen den beiden am wenigsten mutagenen Klassen angesehen, in denen fast die gesamte Population lebt. Somit führen schwache Mutatorallele im Allgemeinen nur zu einem geringen Anstieg der durchschnittlichen Mutationsrate der Population, der unabhängig von den Auswirkungen der induzierten schädlichen Mutationen ist.

Endliche asexuelle Populationen

Obwohl die vorstehenden Ergebnisse implizieren, dass sich die Mutationsrate in einer unendlichen Population auf das geringstmögliche Niveau entwickeln wird, werden sie am besten als konzeptionelle Grundlage für die Bestimmung des Einflusses einer endlichen Populationsgröße auf die durch Selektion erreichbare minimale Mutationsrate angesehen (Ignorieren, vorerst jede Gegenauswahl, die mit Kosten für die Replikationstreue verbunden sein könnte). Da s ∼ d die absolute Größe der Selektion darstellt, die gegen eine Kohorte von Mutator-Allelen in einer unendlichen Population wirkt, ist die Fähigkeit der natürlichen Selektion, eine vorherrschende genomweite Mutationsrate weiter zu reduzieren, begrenzt, es sei denn, es gibt zugängliche Antimutator-Allele mit s ∼ d größer als die Driftleistung, definiert als ∼1/nein bei Asexuellen, wo nein ist die asexuelle effektive Populationsgröße. Obwohl das Ausmaß, in dem Mutationen, die auf hochgradig verfeinerten Replikations-/Reparatur-Loci wirken, Allele mit ΔU > 1/nein ist ungewiss, es ist klar, dass ΔU kann nicht übersteigen U selbst.

Um zu bewerten, inwieweit sich eine Population bis zu einer solchen Barriere entwickelt, wurden stochastische Computersimulationen an klonalen Populationen durchgeführt, bei denen die genomweite schädliche Mutationsrate durch eine unbegrenzte Bandbreite alternativer Zustände modifiziert wurde, wobei die Mutationsraten (U) benachbarter Allelklassen, die sich um einen konstanten Faktor unterscheiden, 1 + λ. Dies hat die Wirkung von ΔU =U wird immer kleiner, da U Rückgänge, die mit abnehmendem Verbesserungspotential eintreten müssen. Neue schädliche Mutationen entstanden in den verschiedenen Mutationsraten-Hintergründen auf Poisson-Weise, und die genotypische Fitness war vollständig eine Funktion der Anzahl der getragenen schädlichen Mutationen unter Verwendung der oben erwähnten multiplikativen Fitnessfunktion. Jede Mutationsratenklasse wurde einer schrittweisen Mutationskonversion in die beiden unmittelbar benachbarten Klassen unterzogen, wobei die Gesamtrate einer solchen Konversion proportional zum klassenspezifischen . war U, und ein Bruch FD dass solche Ereignisse in Richtung höherer U. Drift wurde durch multinomiales Sampling des Pools erwarteter Genotyphäufigkeiten nach jeder Selektions- und Mutationsgeneration auferlegt, wie im klassischen Wright-Fisher-Modell der diskreten Generation.

Da Mutationen, die die Mutationsrate entweder erhöhen oder verringern, in diesem Modell unabhängig von den Ausgangsbedingungen berücksichtigt werden, konvergiert die durchschnittliche Mutationsrate der Population ( ⁠ U − ⁠ ) allmählich zu einem quasi-stationären Niveau, das durch die effektive Populationsgröße bestimmt wird (Abb. 2). Wird die Population mit einer hohen genomischen Mutationsrate initiiert, werden relativ schnell Antimutatoren mit erheblichem Selektionsvorteil produziert und U – fällt schnell in Richtung Quasi-Gleichgewicht ab. Letzterer Zustand ist erreicht, wenn die mittlere Mutationsrate so gering geworden ist, dass die Produktion von Antimutatoren mit zugehörigem ΔU größer als 1/nein ist nicht mehr möglich. An diesem Punkt können noch geringfügige weitere Verringerungen von U – aus dem zufälligen Anstieg eines sehr schwachen Antimutators durch Drift resultieren, aber nachfolgende Erhöhungen von U – werden auch auftreten, wenn schwache (und effektiv neutrale) Mutator-Allele entstehen.

Beispiel für evolutionäre Trajektorien für die durchschnittliche genomweite Rate schädlicher Mutationen ( U − ⁠ ) in endlichen asexuellen Populationen mit unterschiedlichen monomorphen Ausgangsbedingungen. Die Ergebnisse werden für zwei verschiedene Populationsgrößen und zwei verschiedene Selektionskoeffizienten gegen schädliche Mutationen gezeigt, wobei sich 48 Mutationsratenklassen um den Faktor 1,111 zwischen benachbarten Klassen unterscheiden und wobei die Mutationsrate zu Mutator-/Antimutator-Genotypen dem 0,02-fachen des Gesamtgenoms entspricht. breite Mutationsrate zu schädlichen Allelen an Fitness-Loci. Mutationen zu Antimutatoren waren relativ selten (10% der Gesamtmenge) FD = 0,1). Beachten Sie, dass die quasistationären Vorhersagen für U − (durch die horizontalen grauen Linien gegeben) einfach die Punkte sind, an denen ΔU = 0.1U ist gleich 1/n.

Beispiel für evolutionäre Trajektorien für die durchschnittliche genomweite Rate schädlicher Mutationen ( U − ⁠ ) in endlichen asexuellen Populationen mit unterschiedlichen monomorphen Ausgangsbedingungen. Die Ergebnisse werden für zwei verschiedene Populationsgrößen und zwei verschiedene Selektionskoeffizienten gegen schädliche Mutationen gezeigt, wobei sich 48 Mutationsratenklassen um den Faktor 1,111 zwischen benachbarten Klassen unterscheiden und wobei die Mutationsrate zu Mutator-/Antimutator-Genotypen dem 0,02-fachen des Gesamtgenoms entspricht. breite Mutationsrate zu schädlichen Allelen an Fitness-Loci. Mutationen zu Antimutatoren waren relativ selten (10% der Gesamtmenge) FD = 0,1). Beachten Sie, dass die quasistationären Vorhersagen für U − (durch die horizontalen grauen Linien gegeben) einfach die Punkte sind, an denen ΔU = 0.1U ist gleich 1/n.

Die Zeit, um von oben auf das Quasi-Gleichgewicht zu konvergieren, wird insbesondere in Populationen großer Größe verlängert, da die Produktion von Antimutatoren progressiv verringert wird, wenn sich die Population einem Zustand mit immer niedrigerer Mutationsrate nähert. Im Gegensatz dazu, wenn die Population mit einer sehr niedrigen Mutationsrate initiiert wird, steigt die mittlere Mutationsrate in Richtung des Quasi-Gleichgewichts, jedoch langsam, da die Produktionsrate von Mutator-Genotypen niedrig ist. Dieser allmähliche Anstieg der durchschnittlichen Mutationsrate spiegelt nicht die Selektion für eine optimale Mutationsrate wider, da alle Mutationen schädlich sind, sondern ein passives Ergebnis einer aufwärts gerichteten Mutationsneigung zur Produktion von Mutator- versus Antimutator-Allelen (FD > 0,5).

Wie aus den oben vorgestellten theoretischen Ergebnissen erwartet, ist das Quasi-Gleichgewicht U − im Wesentlichen unabhängig von den Auswirkungen von Mutationen auf die Fitness (S), abhängig nur von den Auswirkungen von Mutator/Antimutatoren auf die Mutationsrate selbst, ΔU (Abb. 2). Darüber hinaus wird U – in Populationen mit größerer Größe aufgrund der höheren Selektionseffizienz auf niedrigere Werte getrieben.

Die zeitliche Skala der Evolution der Mutationsrate

Obwohl das oben dargelegte Argument eine heuristische Grundlage für das Verständnis der Grenzen dessen bietet, was Selektion mit Replikationstreue erreichen kann, ist es von Interesse, ein quantitativeres Bild der Geschwindigkeit zu erhalten, mit der sich die Driftbarriere annähert und inwieweit die Die Mutationsrate selbst unterliegt einer Drift durch die Fixierung ausreichend milder Antimutator/Mutator-Allele in der Nähe des Quasi-Gleichgewichts. Bei einer großen Anzahl potenzieller Mutationsratenzustände, aber einer unbekannten Wirkungsverteilung in realen Organismen ist ein vollständiges Verständnis dieser Fragen noch nicht möglich. Motiviert durch die Beobachtung, dass Populationen im Allgemeinen in einem nahezu monomorphen Zustand mit seltenen und relativ schnellen Exkursionen zu benachbarten Zuständen vorliegen ( Abb. 2), können jedoch einige Erkenntnisse gewonnen werden, wenn die Übergangsgeschwindigkeiten zwischen benachbarten reinen Zuständen durch die Fixierung abgeleiteter Allele. Um quantitative Ausdrücke für die Wartezeiten für solche Übergänge zu erhalten, ist es sinnvoll, den Prozess in zwei Phasen zu unterteilen: 1) die Ankunftszeit neu abgeleiteter Antimutator/Mutator-Allele und 2) die Zeit, in der solche Allele bis zur Fixierung fortschreiten.

Ein Schlüssel zum Verständnis des Übergangsprozesses in einer asexuellen Population ist die Tatsache, dass neu abgeleitete Mutator/Antimutator-Genotypen wahrscheinlich nur dann fixiert werden, wenn sie im am besten geeigneten Hintergrund auftreten, da alle anderen Fitnessklassen zum endgültigen Verlust bestimmt sind, vorausgesetzt, Die Population ist groß genug, um eine fortschreitende Mutationsverschlechterung zu vermeiden. Die letztere Bedingung erfordert, dass das Verhältnis der Selektionskraft zur Driftkraft, Snein, viel größer als eins sein ( Gordo und Charlesworth 2000). Sofern diese Bedingung erfüllt ist, nähert sich eine Population einem Selektions-Mutations-Gleichgewicht, bei dem der Anteil der Individuen, die in der besten (schädlichen mutationsfreien) Klasse enthalten sind, e − . ist U/S (Haigh 1978), so dass die langfristige effektive Populationsgröße ungefähr nein = ne − U/S , wo n ist die tatsächliche Anzahl der Erwachsenen. Wenn US an der Mutationsratenbarriere, wie in Abbildung 2, dann gilt e − U/S ≃1 und die effektive Populationsgröße liegt nahe der Erwartung basierend auf der effektiven Anzahl von Erwachsenen (neinn). Wie auch immer, wenn U an der Barriere ist so, dass e − U/S ≪1, die entsprechende Driftbarriere (1/nein) ist viel größer als 1/n. Im Folgenden wird davon ausgegangen, dass nein≫1, denn wenn dies nicht der Fall ist, werden die höchsten Fitnessklassen durch die Muller-Ratsche nach und nach verloren, was schließlich zum Aussterben der Population durch Mutationsschmelze führt ( Lynch und Gabriel 1990 Lynch et al. 1993).

Die Ergebnisse für die Ankunftszeit für vorteilhafte Antimutatorallele ( t − a ⁠ ) lassen sich leicht auf schädliche Mutatorallele ausweiten, indem man ΔU im letzteren Fall negativ sein. Die Gesamtzeit bis zur Fixierung eines Mutators (von der Fixierung abhängig, trotz ihres Nachteils) kann aufgrund früherer Arbeiten als gleich der eines Antimutators mit dem gleichen absoluten Selektionsvorteil angenommen werden ( Nei und Roychoudhury 1973 Maruyama 1974 Taylor et al. 2006).

Die Sätze von Ausdrücken für Mutatoren und Antimutatoren liefern gute Näherungen für die mittleren Übergangszeiten, die durch Computersimulationen des stochastischen Prozesses erhalten wurden, vorausgesetzt Snein >1 (Abb. 3). (Wann Snein < 1, die effektive Populationsgröße ist tatsächlich relativ zu erhöht ne − U/S da Mutator/Antimutator-Allele in mehreren Klassen von Individuen das Potenzial zur Fixierung haben, wenn die dauerhafte Aufrechterhaltung der besten Klasse durch Selektion nicht mehr garantiert ist.) Um ein umfassenderes Verständnis der Dynamik der Mutationsratenentwicklung zu erhalten, könnten die vorstehenden Formulierungen angewendet werden in einem Übergangsmatrix-Ansatz für die verschiedenen Mutationsratenklassen, obwohl mangels expliziter Informationen über die Entstehungsraten von Mutator-/Antimutator-Allelen hier nicht weiterverfolgt wird. Nichtsdestotrotz helfen die vorstehenden Ergebnisse, zwei Schlüsselfragen in Bezug auf die Einschränkungen der Mutationsratenentwicklung zu klären.

Mittlere Zeiten (in Generationen) für Übergänge von einem Zustand mit fester Mutationsrate in einen anderen, angegeben für drei asexuelle Populationsgrößen. Nach oben gebogene Kurven beziehen sich auf abgeleitete Mutatoren und nach unten gerichtete Kurven auf Antimutatoren. Datenpunkte sind die Mittelwerte von 500 stochastischen Simulationen, während die gekrümmten Linien die Erwartungen basierend auf der Theorie im Text sind.

Mittlere Zeiten (in Generationen) für Übergänge von einem Zustand mit fester Mutationsrate in einen anderen, angegeben für drei asexuelle Populationsgrößen. Nach oben gebogene Kurven beziehen sich auf abgeleitete Mutatoren und nach unten gerichtete Kurven auf Antimutatoren. Datenpunkte sind die Mittelwerte von 500 stochastischen Simulationen, während die gekrümmten Linien die Erwartungen basierend auf der Theorie im Text sind.

Erstens hängt die untere Grenze der Mutationsrate nicht nur von der Größe von ΔU dies ist für Antimutator-Allele erreichbar, aber auch von der Nettorate der Mutationsproduktion solcher Allele. Letzteres wird hier unter der Annahme als μ behandelt, dass der Antimutator auf dem Weg zur Fixierung keine Rückmutation erfährt, obwohl μ allgemeiner als die Differenz zwischen Vorwärts- und Rückwärtsmutationsraten zu einem solchen Allel betrachtet werden sollte. Vorausgesetzt |ΔU|≫2μ, sowohl Mutatoren als auch Antimutatoren werden potenziell durch indirekte Selektion auf die assoziierte schädliche Mutationslast angetrieben. Eine solche Auswahl ist wirkungslos, wenn |ΔU|≪(1/nein) (unterhalb der Driftbarriere), aber ansonsten wird die Fixierung von Mutatorallelen stark behindert, umso mehr in sehr großen Populationen. Im Gegensatz dazu, wenn |ΔU|≪2μ verhalten sich sowohl Mutatoren als auch Antimutatoren effektiv neutral (unabhängig von der Populationsgröße) und werden nur durch den direktionalen Mutationsdruck angetrieben.

Zweitens hängt der Erfolg oder Misserfolg eines Mutators/Antimutators von der Größe von ΔU, anstatt auf den spezifischen Wert von U für das abgeleitete Allel ist der Absolutwert von U im Ahnen-Genotyp beeinflusst das Schicksal der abgeleiteten Allele durch seinen Einfluss auf die Anzahl der Individuen (nein) in der eingeschränkten Klasse mit evolutionärem Potenzial. Obwohl kleiner nein verlängert die Ankunftszeiten von potenziell fixierbaren Mutator-/Antimutator-Allelen und reduziert auch die Zeit bis zur Fixierung. Letzterer Effekt dominiert tendenziell, sodass Populationen mit kleinen nein (entweder wegen kleiner n oder groß U) unterliegen häufigeren Übergängen zwischen den Mutationsratenklassen ( Abb. 3).

Sexuelle Bevölkerungsgruppen

Wie zuerst von Kimura (1967) aufgezeigt wurde, ist das Ausmaß der indirekten Selektion gegen Mutatorallele in sexuellen Populationen stark verringert, da die statistischen Assoziationen mit induzierten schädlichen Mutationen durch Rekombination schnell beseitigt werden. Da Loci bei rekombinierenden Arten nicht mehr als Einheit vererbt werden, ist es angemessener, die Mutationseigenschaften pro Locus zu bewerten. Betrachtet man ein Modifikator-Allel m das erhöht die Mutationsrate zu schädlichen Allelen um einen Betrag Δdu An einem Ort, der die Fitness direkt beeinflusst, zeigte Kimura (1967), dass in einer unendlichen Population schnell ein Gleichgewicht erreicht wird, bei dem der Eintrag neuer schädlicher Allele durch ihre Abgrenzung von . ausgeglichen wird m durch Rekombination, wobei der selektive Nachteil des Mutator-Allels ungefähr SΔdu/(S + RSR), wo S ist der heterozygote Effekt einer schädlichen Mutation und R die Rekombinationsrate zwischen den beiden Loci (Fitness und Treue). Um den Gesamtselektionskoeffizienten gegen den Mutator zu erhalten, s d ⁠ , muss dieser Ausdruck über alle die Fitness beeinflussenden Loci summiert werden. Für den Fall, dass keine Rekombination (R = 0), wird das Ergebnis aus dem vorhergehenden Abschnitt, s ∼ d ≃ Δ U h ⁠ , zurückgewonnen (wobei Uh ist jetzt die haploide genomweite schädliche Mutationsrate), während bei freier Rekombination (R = 0.5), s ∼ d ≃ 2 s − Δ U h / ( 1 + s − ) , was bei s − ≪ 1 durch 2 s − Δ U h eng angenähert wird (die übliche Situation Lynch und Walsh 1998).

Dieses auf verschiedene Weise erhaltene Ergebnis (Kondrashov 1995 Dawson 1999 Johnson 1999a) zeigt, dass die freie Rekombination das Ausmaß der indirekten Selektion eines Mutatorallels um den Faktor ∼ 1 / s − reduziert. Dies liegt daran, dass die mit einem Mutator verbundene schädliche Mutationslast schnell ein Mutations-Rekombinations-Gleichgewicht erreicht, anstatt sich zu einem viel größeren Mutations-Selektions-Gleichgewicht aufzubauen. Bei freier Rekombination wird eine leicht schädliche Mutation im Durchschnitt in nur zwei Generationen vom Mutator getrennt. Ein Mutator-Allel hat dann eine erhöhte Wahrscheinlichkeit, mit einer schädlichen Mutation von 2Δ . assoziiert zu seindu, wobei die gesamte indirekte Fitnessreduktion 2 s − Δ u / ( 1 + s − ) ⁠ beträgt, wobei der Nenner die leichte Reduktion der Häufigkeit assoziierter schädlicher Allele infolge der Selektion berücksichtigt.

Da einige Mutationen mit dem Mutator-Locus verknüpft sind, wird 2 s − Δ U h den selektiven Nachteil eines Mutators in einer sexuellen Population leicht unterschätzen. Da die meisten Organismen jedoch fünf oder mehr Chromosomen enthalten, tritt die überwiegende Mehrheit der durch ein Mutatorallel induzierten Mutationen im Allgemeinen auf verschiedenen Chromosomen auf (ein Bruchteil 1 − n − 1 mit n Chromosomen gleicher Länge) oder vom Mutator entfernt, wenn auf demselben Chromosom. Genauere Ausdrücke, die endliche Chromosomenzahlen berücksichtigen und über Positionen verknüpfter Mutationen integrieren, zeigen, dass s ∼ d im Allgemeinen nicht mehr als 4 s − Δ U h beträgt ( Johnson 1999b Lynch 2008). Da sich die übermäßige Gleichgewichtsbelastung eines Mutatorallels innerhalb weniger Generationen nach seinem Auftreten in einer sexuellen Population etabliert, bieten diese Ausdrücke eine sehr gute Annäherung an den zeitlich gemittelten selektiven Nachteil eines segregierenden Mutatorallels, der jedoch enorm (und unrealistisch) ist ) ΔUh.

RückrufU = 2ΔUh wie der diploide genomweite Anstieg der schädlichen Mutationsrate und die Feststellung, dass die Driftstärke in einer diploiden sexuellen Population 1/(2ne), wo ne die effektive Populationsgröße ist, ist die erwartete Driftbarriere für die Abwärtsentwicklung der Mutationsrate in einer sexuellen Spezies ΔU < 1/(2neS), im Gegensatz zu 1/nein für eine asexuelle Bevölkerung. Wie in Abbildung 2 wird diese Vorhersage durch Simulationen eines Replikationstreue-Locus mit einer Reihe von Allelen, die sich in der Mutationsrate um einen konstanten Faktor unterscheiden (und additiv wirken, um die genotypischen Mutationsraten zu definieren), unter Annahme schädlicher Mutationen gut unterstützt in einem frei segregierenden Hintergrund entstehen.


Hintergrund

Epidermischer Wachstumsfaktorenempfänger (EGFR)-Mutation ist der am häufigsten anzutreffende onkogene Faktor bei Lungenkrebs. Risikofaktoren für EGFR Mutation kann Präventions-, Überwachungs- und Diagnosestrategien von EGFR-mutierter Lungenkrebs.

Patienten und Methoden

Zwischen Januar 2002 und Dezember 2015 wurde eine landesweite, retrospektive Längsschnitt-Kohortenstudie durchgeführt. Die Patientendaten wurden aus der koreanischen Nationalen Krankenversicherungsdatenbank erhoben. Die Lungenkrebsgruppe umfasste mit EGFR-Tyrosinkinase-Inhibitor (TKI) behandelte Patienten. Die Kontrollen wurden nach dem Zufallsprinzip aus Personen ohne Lungenkrebs in der Vorgeschichte ausgewählt und es wurde festgestellt, dass die Anzahl der Patienten mit . viermal so hoch war EGFR-mutierter fortgeschrittener Lungenkrebs. Das Risikomodell der Entwicklung EGFR-mutierter Lungenkrebs wurde durch multiple logistische Regressionsanalyse konstruiert.

Ergebnisse

Von den 2010 neu behandelten Lungenkrebsfällen im Zeitraum 2010–2015 wurden 214 Fälle klassifiziert als EGFR-mutierter fortgeschrittener Lungenkrebs. Das Risiko der Entwicklung EGFR-mutierten fortgeschrittenen Lungenkarzinoms war bei Patienten im Alter von 50 Jahren (Odds Ratio [OR]: 3,42 95 % Konfidenzintervall [KI]: 1,68–6,93), 60s (OR: 7,04 95 % KI: 3,35–14,77) und 70 Jahren (OR: 10,27 95 %-KI: 4,73–22,30) und bei Personen im Alter von >80 Jahren (OR: 5,98 95 %-KI: 2,25–15,92) als bei den über 40-Jährigen. Das Risiko der Entwicklung EGFR-mutiertes Lungenkarzinom war auch bei hospitalisierten Patienten mit einer Pneumonie in der Anamnese (OR: 5,22 95 % KI: 1,88–14,46) und bei Patienten mit gastroösophagealer Refluxkrankheit (OR: 2,02 95 % KI: 1,32–3,07) höher.

Schlussfolgerungen

Patienten mit EGFR-mutiertem fortgeschrittenem Lungenkrebs wurden mit dem Altern, einem Krankenhausaufenthalt wegen Lungenentzündung und einer gastroösophagealen Refluxkrankheit in Verbindung gebracht.


Veröffentlicht von der Royal Society unter den Bedingungen der Creative Commons Attribution License http://creativecommons.org/licenses/by/4.0/, die eine uneingeschränkte Nutzung gestattet, sofern der ursprüngliche Autor und die Quelle angegeben werden.

Verweise

. 2011 Kennzeichen von Krebs: die nächste Generation . Zelle 144, 646-674. (doi:10.1016/j.cell.2011.02.013) Crossref, PubMed, ISI, Google Scholar

. 2005 Natur und Pflege – Lehren aus der chemischen Karzinogenese . Nat. Rev. Krebs 5, 113-125. (doi:10.1038/nrc1546) Crossref, PubMed, ISI, Google Scholar

2013 APOBEC3B ist eine enzymatische Mutationsquelle bei Brustkrebs. Natur 494, 366-370. (doi:10.1038/nature11881) Crossref, PubMed, ISI, Google Scholar

2015 Eine APOBEC3A-Hypermutationssignatur ist von der Signatur der Hintergrundmutagenese durch APOBEC3B bei menschlichen Krebserkrankungen unterscheidbar. Nat. Genet. 47, 1067-1072. (doi:10.1038/ng.3378) Crossref, PubMed, ISI, Google Scholar

2016 Die DNA-Cytosindeaminase APOBEC3H Haplotyp I trägt wahrscheinlich zur Mutagenese von Brust- und Lungenkrebs bei. Nat. Komm. 7, 12918. (doi:10.1038/ncomms12918) Crossref, PubMed, ISI, Google Scholar

2012 Melanom-Genomsequenzierung zeigt häufige PREX2-Mutationen. Natur 485, 502-506. (doi:10.1038/nature11071) Crossref, PubMed, ISI, Google Scholar

2011 Exom-Sequenzierung identifiziert GRIN2A als häufig bei Melanomen mutiert. Nat. Genet. 43, 442-446. (doi:10.1038/ng.810) Crossref, PubMed, ISI, Google Scholar

. 2004 Reparatur und genetische Folgen endogener DNA-Basen-Schäden in Säugerzellen. Annu. Rev. Genet. 38, 445-476. (doi:10.1146/annurev.genet.38.072902.092448) Crossref, PubMed, ISI, Google Scholar

2012 Mutationsprozesse, die das Genom von 21 Brustkrebsarten formen . Zelle 149, 979-993. (doi:10.1016/j.cell.2012.04.024) Crossref, PubMed, ISI, Google Scholar

2012 Geclusterte Mutationen in Hefe- und menschlichen Krebsarten können aus beschädigten langen DNA-Einzelstrangregionen entstehen . Mol.-Nr. Zelle. 46, 424-435. (doi:10.1016/j.molcel.2012.03.030) Crossref, PubMed, ISI, Google Scholar

2013 Signaturen von Mutationsvorgängen bei Krebs beim Menschen . Natur 500, 415-421. (doi:10.1038/nature12477) Crossref, PubMed, ISI, Google Scholar

2013 Ein APOBEC-Cytidin-Deaminase-Mutagenesemuster ist bei menschlichen Krebserkrankungen weit verbreitet. Nat. Genet. 45, 970-976. (doi:10.1038/ng.2702) Crossref, PubMed, ISI, Google Scholar

Burns MB, Temiz NA, Harris RS

. 2013 Beweise für die APOBEC3B-Mutagenese bei mehreren menschlichen Krebsarten . Nat. Genet. 45, 977-983. (doi:10.1038/ng.2701) Crossref, PubMed, ISI, Google Scholar

. 2010 Interaktionen der APOBEC3-Restriktionsfaktoren des Wirts mit HIV-1 in vivo: Implikationen für Therapeutika . Sachverständiger Pfr. Mol. Dr. Med. 12, e4. (doi:10.1017/S1462399409001343) Crossref, PubMed, ISI, Google Scholar

. 2008 Die AID/APOBEC-Familie der Nukleinsäure-Mutatoren . Genom Biol. 9, 229. (doi:10.1186/gb-2008-9-6-229) Crossref, PubMed, ISI, Google Scholar

. 2008 Die APOBEC3-Cytidin-Deaminasen: ein angeborenes Abwehrnetzwerk gegen exogene Retroviren und endogene Retroelemente . Annu. Rev. Immunol. 26, 317-353. (doi:10.1146/annurev.immunol.26.021607.090350) Crossref, PubMed, ISI, Google Scholar

de Oliveira GR, Vieira VC, Barral MF, Dowich V, Soares MA, Concalves CV, de Martinez AM

. 2013 Risikofaktoren und Prävalenz einer HPV-Infektion bei Patienten aus Basisstationen eines Universitätskrankenhauses in Südbrasilien. Rev. BHs. Ginekol. Obstet. 35, 226-232. (doi:10.1590/s0100-72032013000500007) PubMed, Google Scholar

Milewska A, Kindler E, Vkovski P, Zeglen S, Ochman M, Thiel V, Rajfur Z, Pyrc K

. 2018 APOBEC3-vermittelte Restriktion der RNA-Virus-Replikation . Wissenschaft Repräsentant 8, 5960. (doi:10.1038/s41598-018-24448-2) Crossref, PubMed, ISI, Google Scholar

Sharma S, Patnaik SK, Taggart RT, Kannisto ED, Enriquez SM, Gollnick P, Baysal BE

. 2015 APOBEC3A Cytidin-Deaminase induziert RNA-Editing in Monozyten und Makrophagen. Nat. Komm. 6, 6881. (doi:10.1038/ncomms7881) Crossref, PubMed, ISI, Google Scholar

Sharma S, Patnaik SK, Taggart RT, Baysal BE

. 2016 Die Doppeldomänen-Cytidin-Deaminase APOBEC3G ist ein zelluläres ortsspezifisches RNA-Editing-Enzym. Wissenschaft Repräsentant 6, 39100. (doi:10.1038/srep39100) Crossref, PubMed, ISI, Google Scholar

Sharma S, Patnaik SK, Kemer Z, Baysal BE

. 2017 Vorübergehende Überexpression von exogenem APOBEC3A verursacht C-zu-U-RNA-Editierung von Tausenden von Genen. RNA Biol. 14, 603-610. (doi:10.180/15476286.2016.1184387) Crossref, PubMed, ISI, Google Scholar

Asaoka M, Ishikawa T, Takabe K, Patnaik SK

. 2019 APOBEC3-vermittelte RNA-Editierung bei Brustkrebs ist mit einer erhöhten Immunaktivität und einem verbesserten Überleben verbunden. Int. J.Mol. Wissenschaft 20, 5621. (doi:10.3390/ijms20225621) Crossref, ISI, Google Scholar

2020 Das Repertoire von Mutationssignaturen bei menschlichem Krebs . Natur 578, 94-101. (doi:10.1038/s41586-020-1943-3) Crossref, PubMed, ISI, Google Scholar

Cortez LM, Brown AL, Dennis MA, Collins CD, Brown AJ, Mitchell D, Mertz TM, Roberts SA

. 2019 APOBEC3A ist eine bekannte Cytidin-Deaminase bei Brustkrebs. PLoS Genet. 15, e1008545. (doi:10.1371/journal.pgen.1008545) Crossref, PubMed, ISI, Google Scholar

Swanton C, McGranahan N, Starrett GJ, Harris RS

. 2015 APOBEC-Enzyme: Mutagener Treibstoff für Krebsevolution und Heterogenität . Krebs-Disc. 5, 704-712. (doi:10.1158/2159-8290.CD-15-0344) Crossref, PubMed, ISI, Google Scholar

Adolph MB, Liebe RP, Chelico L

. 2018 Biochemische Grundlagen der APOBEC3-Desoxycytidin-Deaminase-Aktivität auf diversen DNA-Substraten . ACS-Infektion. Dis. 4, 224-238. (doi:10.1021/acsinfecdis.7b00221) Crossref, PubMed, ISI, Google Scholar

. 2020 Molekulare Ursprünge von APOBEC-assoziierten Mutationen bei Krebs . DNA-Reparatur (Amst) 94, 102905. (doi:10.1016/j.dnarep.2020.102905) Crossref, PubMed, ISI, Google Scholar

. 2019 Die APOBEC3-Gene und ihre Rolle bei Krebs: Erkenntnisse aus dem humanen Papillomavirus . J.Mol. Endokrinol. 62, R269-R287. (doi:10.1530/JME-19-0011) Crossref, PubMed, ISI, Google Scholar

. 2019 Das Wirkungsspektrum von APOBEC3: von antiviralen Wirkstoffen bis hin zu Möglichkeiten gegen Krebs . DNA-Reparatur (Amst) 83, 102700. (doi:10.1016/j.dnarep.2019.102700) Crossref, PubMed, ISI, Google Scholar

. 2019 APOBEC3s: DNA-editierende humane Cytidin-Deaminasen . Protein Sci. 28, 1552-1566. (doi:10.1002/pro.3670) PubMed, ISI, Google Scholar

. 2015 APOBEC3-Gene: retrovirale Restriktionsfaktoren für Krebstreiber . Trends Mol. Med. 21, 274-284. (doi:10.1016/j.molmed.2015.02.007) Crossref, PubMed, ISI, Google Scholar

Mutationssignaturen der APOBEC-Familie von 2015 sind mit Translokationen mit schlechter Prognose beim multiplen Myelom verbunden. Nat. Komm. 6, 6997. (doi:10.1038/ncomms7997) Crossref, PubMed, ISI, Google Scholar

Xu L, Chang Y, An H, Zhu Y, Yang Y, Xu J

. 2015 Eine hohe APOBEC3B-Expression ist ein Prädiktor für ein Rezidiv bei Patienten mit klarzelligem Nierenzellkarzinom mit niedrigem Risiko. Urol. Onkol. 33, e341-e348. (doi:10.1016/j.urolonc.2015.05.009) Crossref, PubMed, ISI, Google Scholar

Yan S, He F, Gao B, Wu H, Li M, Huang L, Liang J, Wu Q, Li Y

. 2016 Erhöhte APOBEC3B prognostiziert schlechtere Ergebnisse bei Lungenkrebs: eine umfassende retrospektive Studie . J. Krebs 7, 618-625. (doi:10.7150/jca.14030) Crossref, PubMed, ISI, Google Scholar

Zhang J, Wei W, Jin HC, Ying RC, Zhu AK, Zhang FJ

. 2015 Die Rolle von APOBEC3B bei Magenkrebs . Int. J. Clin. Erw. Pathol. 8, 5089-5096. PubMed, Google Scholar

Chen Z, Wen W, Bao J, Kuhs KL, Cai Q, Long J, Shu XO, Zheng W, Guo X

. 2019 Integrative genomische Analysen der APOBEC-Mutationssignatur, Expression und Keimbahndeletion von APOBEC3-Genen und Immunogenität bei mehreren Krebsarten . BMC Med. Genomik 12, 131. (doi:10.1186/s12920-019-0579-3) Crossref, PubMed, ISI, Google Scholar

2019 APOBEC-induzierte Mutationen und ihre Krebseffektstärke bei Plattenepithelkarzinomen im Kopf-Hals-Bereich . Onkogen 38, 3475-3487. (doi:10.1038/s41388-018-0657-6) Crossref, PubMed, ISI, Google Scholar

2018 Vorhandensein von humanem Papillomavirus (HPV) Apolipoprotein B messenger RNA Editing, katalytischen Polypeptid-like 3 (APOBEC)-verwandten Minderheitsvarianten in HPV-16-Genomen aus Anal- und Zervixproben, aber nicht in HPV-52 und HPV-58 . J. Infizieren. Dis. 218, 1027-1036. (doi:10.1093/infdis/jiy287) Crossref, PubMed, ISI, Google Scholar

. 2006 Gezielte DNA-Desaminierung durch AID/APOBEC3 bei der Immunität . Curr. Biol. 16, R186-R189. (doi:10.1016/j.cub.2006.02.035) Crossref, PubMed, ISI, Google Scholar

Refsland EW, Stenglein MD, Shindo K, Albin JS, Brown WL, Harris RS

. 2010 Quantitatives Profiling des gesamten APOBEC3-mRNA-Repertoires in Lymphozyten und Geweben: Implikationen für die HIV-1-Restriktion . Nukleinsäuren Res. 38, 4274-4284. (doi:10.1093/nar/gkq174) Crossref, PubMed, ISI, Google Scholar

Koning FA, Newman EN, Kim EY, Kunstman KJ, Wolinsky SM, Malim MH

. 2009 Definition von APOBEC3-Expressionsmustern in menschlichen Geweben und hämatopoetischen Zelluntergruppen. J. Virol. 83, 9474-9485. (doi:10.1128/JVI.01089-09) Crossref, PubMed, ISI, Google Scholar

Warren CJ, Westrich JA, Doorslaer KV, Pyeon D

. 2017 Die Rolle von APOBEC3A und APOBEC3B bei der Infektion mit humanen Papillomaviren und der Krankheitsprogression . Viren 9, 233. (doi:10.3390/v9080233) Crossref, ISI, Google Scholar

Verhalen B, Starrett GJ, Harris RS, Jiang M

. 2016 Funktionelle Hochregulation der DNA-Cytosindeaminase APOBEC3B durch Polyomaviren . J. Virol. 90, 6379-6386. (doi:10.1128/JVI.00771-16) Crossref, PubMed, ISI, Google Scholar

Siriwardena SU, Chen K, Bhagwat AS

. 2016 Funktionen und Fehlfunktionen von Säugetier-DNA-Cytosin-Deaminasen . Chem.-Nr. Rev. 116, 12 688-12 710. (doi:10.1021/acs.chemrev.6b00296) Crossref, ISI, Google Scholar

. 2006 DNA-Reparatur und Mutagenese , 2. Aufl. Washington, DC: ASM-Presse. Google Scholar

Krokan HE, Saetrom P, Aas PA, Pettersen HS, Kavli B, Slupphaug G

. 2014 Fehlerfreie versus mutagene Verarbeitung von genomischem Uracil – Relevanz für Krebs . DNA-Reparatur (Amst) 19, 38-47. (doi:10.1016/j.dnarep.2014.03.028) Crossref, PubMed, ISI, Google Scholar

Nelson JR, Lawrence CW, Hinkle DC

. 1996 Desoxycytidyl-Transferase-Aktivität des Hefe-REV1-Proteins. Natur 382, 729-731. (doi:10.1038/382729a0) Crossref, PubMed, ISI, Google Scholar

Auerbach P, Bennett RA, Bailey EA, Krokan HE, Demple B

. 2005 Mutagene Spezifität endogen erzeugter abasischer Zentren in Saccharomyces cerevisiae chromosomale DNA. Proz. Natl Acad. Wissenschaft Vereinigte Staaten von Amerika 102, 17 711-17 716. (doi:10.1073/pnas.0504643102) Crossref, ISI, Google Scholar

Chan K, Resnick MA, Gordenin DA

. 2013 Die Wahl des Nukleotids, das gegenüber abasischen Stellen in der chromosomalen DNA inseriert wird, zeigt die Polymerase-Aktivitäten, die an der Transläsions-DNA-Synthese beteiligt sind. DNA-Reparatur (Amst) 12, 878-889. (doi:10.1016/j.dnarep.2013.07.008) Crossref, PubMed, ISI, Google Scholar

. 2013 Die Rolle von Cytidin-Deaminasen bei der angeborenen Immunantwort gegen humane Virusinfektionen . Biomed. Res. Int. 2013, 683095. (doi:10.1155/2013/683095) Crossref, PubMed, ISI, Google Scholar

Refsland EW, Hultquist JF, Harris RS

. 2012 Endogene Ursprünge von HIV-1 G-to-A-Hypermutation und -Restriktion in der nicht-permissiven T-Zelllinie CEM2n . PLoS-Pathog. 8, e1002800. (doi:10.1371/journal.ppat.1002800) Crossref, PubMed, ISI, Google Scholar

Stenglein MD, Burns MB, Li M, Lengyel J, Harris RS

. 2010 APOBEC3-Proteine ​​vermitteln die Clearance fremder DNA aus menschlichen Zellen. Nat. Struktur. Mol.-Nr. Biol. 17, 222-229. (doi:10.1038/nsmb.1744) Crossref, PubMed, ISI, Google Scholar

Arien JF, Koyama T, Kinomoto M, Tokunaga K

. 2012 Retroelements versus APOBEC3-Familienmitglieder: keine große Flucht vor den großartigen Sieben . Vorderseite. Mikrobiol. 3, 275. (doi:10.3389/fmicb.2012.00275) Crossref, PubMed, ISI, Google Scholar

Sheehy AM, Gaddis NC, Choi JD, Malim MH

. 2002 Isolierung eines menschlichen Gens, das die HIV-1-Infektion hemmt und durch das virale Vif-Protein supprimiert wird. Natur 418, 646-650. (doi:10.1038/nature00939) Crossref, PubMed, ISI, Google Scholar

Mangeat B, Turelli P, Caron G, Friedli M, Perrin L, Trono D

. 2003 Breite antiretrovirale Abwehr durch humanes APOBEC3G durch letale Bearbeitung entstehender reverser Transkripte . Natur 424, 99-103. (doi:10.1038/nature01709) Crossref, PubMed, ISI, Google Scholar

2007 Deaminase-unabhängige Hemmung der reversen Transkription von HIV-1 durch APOBEC3G . Nukleinsäuren Res. 35, 7096-7108. (doi:10.1093/nar/gkm750) Crossref, PubMed, ISI, Google Scholar

Berger G, Durand S, Fargier G, Nguyen XN, Cordeil S, Bouaziz S, Muriaux D, Darlix JL, Cimarelli A

. 2011 APOBEC3A ist ein spezifischer Inhibitor der frühen Phasen der HIV-1-Infektion in myeloischen Zellen. PLoS-Pathog. 7, e1002221. (doi:10.1371/journal.ppat.1002221) Crossref, PubMed, ISI, Google Scholar

Conticello SG, Harris RS, Neuberger MS

. 2003 Das Vif-Protein von HIV löst den Abbau der humanen antiretroviralen DNA-Deaminase APOBEC3G aus. Curr. Biol. 13, 2009-2013. (doi:10.1016/j.cub.2003.10.034) Crossref, PubMed, ISI, Google Scholar

Marin M, Golem S, Rose KM, Kozak SL, Kabat D

. 2008 Humanes Immunschwächevirus Typ 1 Vif interagiert funktionell mit diversen APOBEC3-Cytidin-Deaminasen und bewegt sich mit ihnen zwischen zytoplasmatischen Stellen des mRNA-Metabolismus. J. Virol. 82, 987-998. (doi:10.1128/JVI.01078-07) Crossref, PubMed, ISI, Google Scholar

2019 Epstein-Barr-Virus BORF2 hemmt zelluläres APOBEC3B, um die Integrität des viralen Genoms zu bewahren . Nat. Mikrobiol. 4, 78-88. (doi:10.1038/s41564-018-0284-6) Crossref, PubMed, ISI, Google Scholar

. 2013 Die Hemmung des Hepatitis-B-Virus durch APOBEC-Cytidin-Deaminasen. J. Virushepat. 20, 821-828. (doi:10.1111/jvh.12192) Crossref, PubMed, ISI, Google Scholar

Norman JM, Mashiba M, McNamara LA, Onafuwa-Nuga A, Chiari-Fort E, Shen W, Collins KL

. 2011 Der antivirale Faktor APOBEC3G verbessert die Erkennung von HIV-infizierten primären T-Zellen durch natürliche Killerzellen . Nat. Immunol. 12, 975-983. (doi:10.1038/ni.2087) Crossref, PubMed, ISI, Google Scholar

Casartelli N, Guivel-Benhassine F, Bouziat R, Brandler S, Schwartz O, Moris A

. 2010 Der antivirale Faktor APOBEC3G verbessert die CTL-Erkennung von kultivierten HIV-infizierten T-Zellen. J. Erw. Med. 207, 39-49. (doi:10.1084/jem.20091933) Crossref, PubMed, ISI, Google Scholar

Bogerd HP, Wiegand HL, Hulme AE, Garcia-Perez JL, O'Shea KS, Moran JV, Cullen BR

. 2006 Zelluläre Inhibitoren des lang eingestreuten Elements 1 und Alu-Retrotransposition. Proz. Natl Acad. Wissenschaft Vereinigte Staaten von Amerika 103, 8780-8785. (doi:10.1073/pnas.0603313103) Crossref, PubMed, ISI, Google Scholar

Chiu YL, Witkowska HE, Halle SC, Santiago M, Soros VB, Esnault C, Heidmann T, Greene WC

. 2006 Hochmolekulare APOBEC3G-Komplexe beschränken die Alu-Retrotransposition . Proz. Natl Acad. Wissenschaft Vereinigte Staaten von Amerika 103, 15 588-15 593. (doi:10.1073/pnas.0604524103) Crossref, ISI, Google Scholar

Carmi S, Kirchenleiterin, Levanon EY

. 2011 DNA-Editierung von Retrotransposons im großen Maßstab beschleunigt die Evolution des Säugetiergenoms . Nat. Komm. 2, 519. (doi:10.1038/ncomms1525) Crossref, PubMed, ISI, Google Scholar

Richardson SR, Narvaiza I, Planegger RA, Weitzman MD, Moran JV

. 2014 APOBEC3A desaminiert vorübergehend exponierte einzelsträngige DNA während der LINE-1-Retrotransposition. eLife 3, e02008. (doi:10.7554/eLife.02008) Crossref, PubMed, ISI, Google Scholar

. 2013 Intrinsische Immunität gegen Retrotransposons durch APOBEC-Cytidin-Deaminasen . Vorderseite. Mikrobiol. 4, 28. (doi:10.3389/fmicb.2013.00028) Crossref, PubMed, ISI, Google Scholar

. 2004 Mobile Elemente: Treiber der Genom-Evolution . Wissenschaft 303, 1626-1632. (doi:10.1126/science.1089670) Crossref, PubMed, ISI, Google Scholar

2017 Kristallstruktur von APOBEC3A, gebunden an einzelsträngige DNA, zeigt strukturelle Grundlage für Cytidin-Deaminierung und Spezifität. Nat. Komm. 8, 15024. (doi:10.1038/ncomms15024) Crossref, PubMed, ISI, Google Scholar

2020 Verständnis der strukturellen Grundlage der HIV-1-Restriktion durch die Doppeldomäne APOBEC3G voller Länge . Nat. Komm. 11, 632. (doi:10.1038/s41467-020-14377-y) Crossref, PubMed, ISI, Google Scholar

Bohn JA, Thummar K, York A, Raymond A, Brown WC, Bieniasz PD, Hatziioannou T, Smith JL

. Die APOBEC3H-Struktur von 2017 zeigt einen ungewöhnlichen Interaktionsmechanismus mit Duplex-RNA. Nat. Komm. 8, 1021. (doi:10.1038/s41467-017-01309-6) Crossref, PubMed, ISI, Google Scholar

Jarmuz A, Chester A, Bayliss J, Gisbourne J, Dunham I, Scott J, Navratnam N

. 2002 Ein anthropoid-spezifischer Locus von Orphan-C-zu-U-RNA-editierenden Enzymen auf Chromosom 22 . Genomik 79, 285-296. (doi:10.1006/geno.2002.6718) Crossref, PubMed, ISI, Google Scholar

. 2004 Retrovirale Restriktion durch APOBEC-Proteine. Nat. Rev. Immunol. 4, 868-877. (doi:10.1038/nri1489) Crossref, PubMed, ISI, Google Scholar

Navarro F, Bollman B, Chen H, König R, Yu Q, Chiles K, Landau NR

. 2005 Komplementäre Funktion der beiden katalytischen Domänen von APOBEC3G . Virologie 333, 374-386. (doi:10.1016/j.virol.2005.01.011) Crossref, PubMed, ISI, Google Scholar

Hache G, Liddament MT, Harris RS

. 2005 Die retrovirale Hypermutationsspezifität von APOBEC3F und APOBEC3G wird durch die C-terminale DNA-Cytosin-Deaminase-Domäne bestimmt. J. Biol. Chem 280, 10 920-10 924. (doi:10.1074/jbc.M500382200) Crossref, ISI, Google Scholar

Siriwardena SU, Guruge TA, Bhagwat AS

. 2015 Charakterisierung der katalytischen Domäne von humanem APOBEC3B und der kritischen strukturellen Rolle eines konservierten Methionins. J.Mol. Biol. 427, 3042-3055. (doi:10.1016/j.jmb.2015.08.006) Crossref, PubMed, ISI, Google Scholar

Dang Y, Wang X, Esselman WJ, Zheng YH

. 2006 Identifizierung von APOBEC3DE als weiterer antiretroviraler Faktor aus der humanen APOBEC-Familie. J. Virol. 80, 10 522-10 533. (doi:10.1128/JVI.01123-06) Crossref, ISI, Google Scholar

2012 Methylcytosin und normale Cytosin-Desaminierung durch das Fremd-DNA-Restriktionsenzym APOBEC3A . J. Biol. Chem.-Nr. 287, 34 801-34 808. (doi:10.1074/jbc.M112.385161) Crossref, ISI, Google Scholar

. 2013 Die APOBEC3-Familie von Retroelement-Restriktionsfaktoren . Curr. Oberteil. Mikrobiol. Immunol. 371, 1-27. (doi:10.1007/978-3-642-37765-5_1) PubMed, ISI, Google Scholar

Chelico L, Pham P, Calabrese P, Goodman MF

. 2006 APOBEC3G DNA Deaminase wirkt prozessiv 3' --> 5' auf einzelsträngige DNA. Nat. Struktur. Mol.-Nr. Biol. 13, 392-399. (doi:10.1038/nsmb1086) Crossref, PubMed, ISI, Google Scholar

Gallois-Montbrun S, Holmes RK, Swanson CM, Fernandez-Ocana M, Byers HL, Ward MA, Malim MH

. 2008 Vergleich zellulärer Ribonukleoproteinkomplexe, die mit den antiviralen Proteinen APOBEC3F und APOBEC3G assoziiert sind. J. Virol. 82, 5636-5642. (doi:10.1128/JVI.00287-08) Crossref, PubMed, ISI, Google Scholar

Li J, Chen Y, Li M, Carpenter MA, McDougle RM, Luengas EM, Macdonald PJ, Harris RS, Mueller JD

. 2014 APOBEC3-Multimerisierung korreliert mit HIV-1-Verpackung und Restriktionsaktivität in lebenden Zellen. J.Mol. Biol. 426, 1296-1307. (doi:10.1016/j.jmb.2013.12.014) Crossref, PubMed, ISI, Google Scholar

2018 Die antivirale und genomische Krebs-DNA-Deaminase APOBEC3H wird durch einen RNA-vermittelten Dimerisierungsmechanismus reguliert. Mol.-Nr. Zelle 69, 75-86. (doi:10.1016/j.molcel.2017.12.010) Crossref, PubMed, ISI, Google Scholar

Ito F, Yang H, Xiao X, Li SX, Wolfe A, Zirkle B, Arutiunian V, Chen XS

. 2018 Verständnis der Struktur, Multimerisierung, subzellulären Lokalisierung und mC-Selektivität eines genomischen Mutators und des Anti-HIV-Faktors APOBEC3H . Wissenschaft Repräsentant 8, 3763. (doi:10.1038/s41598-018-21955-0) Crossref, PubMed, ISI, Google Scholar

Feng Y, Wong L, Morse M, Rouzina I, Williams MC, Chelico L

. 2018 RNA-vermittelte Dimerisierung der humanen Desoxycytidin-Deaminase APOBEC3H beeinflusst Enzymaktivität und Interaktion mit Nukleinsäuren . J.Mol. Biol. 430, 4891-4907. (doi:10.1016/j.jmb.2018.11.006) Crossref, PubMed, ISI, Google Scholar

. 2011 Polymorphismus in humanem APOBEC3H beeinflusst einen Phänotyp, der für die subzelluläre Lokalisation und antivirale Aktivität dominant ist. J. Virol. 85, 8197-8207. (doi:10.1128/JVI.00624-11) Crossref, PubMed, ISI, Google Scholar

2011 Das RNA-Exosom zielt mit der AID-Cytidin-Deaminase auf beide Stränge von transkribierten Duplex-DNA-Substraten. Zelle 144, 353-363. (doi:10.1016/j.cell.2011.01.001) Crossref, PubMed, ISI, Google Scholar

. 2015 RNA-Exosom reguliert die AID-DNA-Mutatoraktivität im B-Zell-Genom. Erw. Immunol. 127, 257-308. (doi:10.1016/bs.ai.2015.04.002) Crossref, PubMed, ISI, Google Scholar

Mertz TM, Harcy V, Roberts SA

. 2017 Risiken an der DNA-Replikationsgabel: Auswirkungen auf Karzinogenese und Tumorheterogenität . Gene (Basel) 8, 46. (doi:10.3390/genes8010046) Crossref, ISI, Google Scholar

Lackey L, Law EK, Brown WL, Harris RS

. 2013 Subzelluläre Lokalisation der APOBEC3-Proteine ​​während der Mitose und Implikationen für die genomische DNA-Deaminierung. Zellzyklus 12, 762-772. (doi:10.4161/cc.23713) Crossref, PubMed, ISI, Google Scholar

2012 APOBEC3G verbessert die Radioresistenz von Lymphomzellen, indem es die Cytidin-Deaminase-abhängige DNA-Reparatur fördert . Blut 120, 366-375. (doi:10.1182/blood-2012-01-402123) Crossref, PubMed, ISI, Google Scholar

Selyarskiy VB, Soldatov RA, Popadin KY, Antonarakis SE, Bazykin GA, Nikolaev SI

. 2016 APOBEC-induzierte Mutationen bei menschlichen Krebserkrankungen werden während der Replikation stark auf dem nacheilenden DNA-Strang angereichert. Genom-Res. 26, 174-182. (doi:10.1101/gr.197046.115) Crossref, PubMed, ISI, Google Scholar

Kazanov MD, Roberts SA, Polak P, Stamatoyannopoulos J, Klimczak LJ, Gordenin DA, Sunyaev SR

. 2015 APOBEC-induzierte Krebsmutationen sind einzigartig in früh replizierenden, gendichten und aktiven Chromatinregionen angereichert. Zellvertreter 13, 1103-1109. (doi:10.1016/j.celrep.2015.09.077) Crossref, PubMed, ISI, Google Scholar

2016 DNA-Replikationsstress vermittelt Mutagenese der APOBEC3-Familie bei Brustkrebs. Genom Biol. 17, 185. (doi:10.1186/s13059-016-1042-9) Crossref, PubMed, ISI, Google Scholar

Hoopes JI, Cortez LM, Mertz TM, Malc EP, Mieczkowski PA, Roberts SA

. 2016 APOBEC3A und APOBEC3B desaminieren während der DNA-Replikation bevorzugt die nacheilende Strangvorlage. Zellvertreter 14, 1273-1282. (doi:10.1016/j.celrep.2016.01.021) Crossref, PubMed, ISI, Google Scholar

2016 Mutationale Strangasymmetrien in Krebsgenomen zeigen Mechanismen der DNA-Schädigung und -Reparatur auf . Zelle 164, 538-549. (doi:10.1016/j.cell.2015.12.050) Crossref, PubMed, ISI, Google Scholar

. 2020 Hypermutation in einzelsträngiger DNA . DNA-Reparatur (Amst) 91–92, 102868. (doi:10.1016/j.dnarep.2020.102868) Crossref, PubMed, ISI, Google Scholar

Landry S, Narvaiza I, Linfesty DC, Weitzman MD

. 2011 APOBEC3A kann die Reaktion auf DNA-Schäden aktivieren und den Zellzyklus stoppen. EMBO-Repräsentant. 12, 444-450. (doi:10.1038/embor.2011.46) Crossref, PubMed, ISI, Google Scholar

Green AM, Landry S, Budagyan K, Avgousti DC, Shalhout S, Bhagwat AS, Weitzman MD

. 2016 APOBEC3A schädigt das zelluläre Genom während der DNA-Replikation. Zellzyklus 15, 998-1008. (doi:10.180/15384101.2016.1152426) Crossref, PubMed, ISI, Google Scholar

2017 Erhöhte APOBEC3B-Expression führt zu einer kataegischen Mutationssignatur und replikationsstressbedingten therapeutischen Schwachstellen in p53-defekten Zellen. Gebr. J. Krebs 117, 113-123. (doi:10.1038/bjc.2017.133) Crossref, PubMed, ISI, Google Scholar

Sakofsky CJ, Roberts SA, Malc E, Mieczkowski PA, Resnick MA, Gordenin DA, Malkova A

. 2014 Bruchinduzierte Replikation ist eine Quelle von Mutationsclustern, die Kataegis zugrunde liegen. Zellvertreter 7, 1640-1648. (doi:10.1016/j.celrep.2014.04.053) Crossref, PubMed, ISI, Google Scholar

Sakofsky CJ, Saini N, Klimczak LJ, Chan K, Malc EP, Mieczkowski PA, Burkholder AB, Fargo D, Gordenin DA

. 2019 Die Reparatur mehrerer gleichzeitiger Doppelstrangbrüche führt zu genomweiten geclusterten Hypermutationen . PLoS Biol. 17, e3000464. (doi:10.1371/journal.pbio.3000464) Crossref, PubMed, ISI, Google Scholar

Kohli RM, Abrams SR, Gajula KS, Maul RW, Gearhart PJ, Stivers JT

. 2009 Eine tragbare Hotspot-Erkennungsschleife überträgt Sequenzpräferenzen von Mitgliedern der APOBEC-Familie auf die aktivierungsinduzierte Cytidin-Deaminase. J. Biol. Chem.-Nr. 284, 22 898-22 904. (doi:10.1074/jbc.M109.025536) Crossref, ISI, Google Scholar

Logue EC, Bloch N, Dhuey E, Zhang R, Cao P, Herate C, Chauveau L, Hubbard SR, Landau NR

. 2014 Eine DNA-Sequenzerkennungsschleife auf APOBEC3A kontrolliert die Substratspezifität. Plus eins 9, e97062. (doi:10.1371/journal.pone.0097062) Crossref, PubMed, ISI, Google Scholar

Feng Y, Baig TT, Love RP, Chelico L

. 2014 Unterdrückung der APOBEC3-vermittelten Restriktion von HIV-1 durch Vif. Vorderseite. Mikrobiol. 5, 450. (doi:10.3389/fmicb.2014.00450) Crossref, PubMed, ISI, Google Scholar

Feng Y, Love RP, Ara A, Baig TT, Adolph MB, Chelico L

. 2015 Natürliche Polymorphismen und Oligomerisierung von humanem APOBEC3H tragen zur Scanfähigkeit einzelsträngiger DNA bei . J. Biol. Chem.-Nr. 290, 27 188-27 203. (doi:10.1074/jbc.M115.666065) Crossref, ISI, Google Scholar

2015 Sequenz und strukturelle Determinanten der humanen APOBEC3H-Deaminase und Anti-HIV-1-Aktivitäten . Retrovirologie 12, 3. (doi:10.1186/s12977-014-0130-8) Crossref, PubMed, ISI, Google Scholar

Holden LG, Prochnow C, Chang YP, Bransteitter R, Chelico L, Sen U, Stevens RC, Goodman MF, Chen XS

. 2008 Kristallstruktur der antiviralen katalytischen Domäne von APOBEC3G und funktionelle Implikationen . Natur 456, 121-124. (doi:10.1038/nature07357) Crossref, PubMed, ISI, Google Scholar

Maiti A, Myint W, Kanai T, Delviks-Frankenberry K, Sierra Rodriguez C, Pathak VK, Schiffer CA, Matsuo H

. 2018 Kristallstruktur der katalytischen Domäne des HIV-1-Restriktionsfaktors APOBEC3G im Komplex mit ssDNA . Nat. Komm. 9, 2460. (doi:10.1038/s41467-018-04872-8) Crossref, PubMed, ISI, Google Scholar

Zimmermann MA, Rajagurubandara E, Wijesinghe P, Bhagwat AS

. 2010 Determinanten der Sequenzspezifität bei humanem AID und APOBEC3G . DNA-Reparatur (Amst) 9, 579-587. (doi:10.1016/j.dnarep.2010.02.010) Crossref, PubMed, ISI, Google Scholar

Bransteitter R, Pham P, Calabrese P, Goodman MF

. 2004 Biochemische Analyse von Hypermutations-Targeting durch Wildtyp- und Mutantenaktivierungs-induzierte Cytidin-Deaminase. J. Biol. Chem.-Nr. 279, 51 612-51 621. (doi:10.1074/jbc.M408135200) Crossref, ISI, Google Scholar

Berg OG, Winter RB, von Hippel PH

. 1981 Diffusionsgetriebene Mechanismen der Proteintranslokation auf Nukleinsäuren. 1. Modelle und Theorie . Biochemie 20, 6929-6948. (doi:10.1021/bi00527a028) Crossref, PubMed, ISI, Google Scholar

. 1989 Erleichterte Zielortung in biologischen Systemen. J. Biol. Chem.-Nr. 264, 675-678. PubMed, ISI, Google Scholar

. 2013 Wie lokalisieren Proteine ​​bestimmte Ziele in der DNA? Chem.-Nr. Phys. Lette. 570, 35. (doi:10.1016/j.cplett.2013.03.035) Crossref, ISI, Google Scholar

. 2004 Wie finden ortsspezifische DNA-bindende Proteine ​​ihre Ziele? Nukleinsäuren Res. 32, 3040-3052. (doi:10.1093/nar/gkh624) Crossref, PubMed, ISI, Google Scholar

Casellas R, Basu U, Yewdell WT, Chaudhuri J, Robbiani DF, Di Noia JM

. 2016 Mutationen, Kataegis und Translokationen in B-Zellen: Verständnis der promiskuitiven AID-Aktivität . Nat. Rev. Immunol. 16, 164-176. (doi:10.1038/nri.2016.2) Crossref, PubMed, ISI, Google Scholar

Taylor BJ, Nik-Zainal S, Wu YL, Stebbings LA, Raine K, Campbell PJ, Rada C, Stratton MR, Neuberger MS

. 2013 DNA-Deaminasen induzieren bruchassoziierte Mutationsschauer mit Implikationen von APOBEC3B und 3A bei Brustkrebskataegis. eLife 2, e00534. (doi:10.7554/eLife.00534) Crossref, PubMed, ISI, Google Scholar

Adolph MB, Liebe RP, Feng Y, Chelico L

. 2017 Enzymcycling trägt zur effizienten Induktion der Genommutagenese durch die Cytidin-Deaminase APOBEC3B bei. Nukleinsäuren Res. 45, 11 925-11 940. (doi:10.1093/nar/gkx832) Crossref, ISI, Google Scholar

Gibb B, Ye LF, Gergoudis SC, Kwon Y, Niu H, Sung P, Greene EC

. 2014 Konzentrationsabhängiger Austausch von Replikationsprotein A auf einzelsträngiger DNA durch Einzelmolekülbildgebung nachgewiesen . Plus eins 9, e87922. (doi:10.1371/journal.pone.0087922) Crossref, PubMed, ISI, Google Scholar

Ma CJ, Gibb B, Kwon Y, Sung P, Greene EC

. 2017 Proteindynamik von humanem RPA und RAD51 auf ssDNA während des Auf- und Abbaus des RAD51-Filaments. Nukleinsäuren Res. 45, 749-761. (doi:10.1093/nar/gkw1125) Crossref, PubMed, ISI, Google Scholar

Saini N, Roberts SA, Sterling JF, Malc EP, Mieczkowski PA, Gordenin DA

. 2017 APOBEC3B-Cytidin-Deaminase zielt auf den nicht transkribierten Strang von tRNA-Genen in Hefe ab. DNA-Reparatur (Amst) 53, 4-14. (doi:10.1016/j.dnarep.2017.03.003) Crossref, PubMed, ISI, Google Scholar

. 2011 Menschliche Krebsarten exprimieren Mutator-Phänotypen: Ursprung, Folgen und Targeting . Nat. Rev. Krebs 11, 450-457. (doi:10.1038/nrc3063) Crossref, PubMed, ISI, Google Scholar

2012 Die Lebensgeschichte von 21 Brustkrebserkrankungen . Zelle 149, 994-1007. (doi:10.1016/j.cell.2012.04.023) Crossref, PubMed, ISI, Google Scholar

. 2013 APOBEC3-Cytidin-Deaminasen bei der Reparatur von Doppelstrang-DNA-Brüchen und der Krebsförderung. Krebs Res. 73, 3494-3498. (doi:10.1158/0008-5472.CAN-13-0728) Crossref, PubMed, ISI, Google Scholar

. 2015 Cluster multipler Mutationen: Inzidenz und molekulare Mechanismen . Annu. Rev. Genet. 49, 243-267. (doi:10.1146/annurev-genet-112414-054714) Crossref, PubMed, ISI, Google Scholar

2020 APOBEC3A katalysiert Mutationen und fördert die Karzinogenese in vivo . J. Erw. Med. 217, e20200261. (doi:10.1084/jem.20200261) Crossref, PubMed, Google Scholar

2012 Die Landschaft der Krebsgene und Mutationsprozesse bei Brustkrebs . Natur 486, 400-404. (doi:10.1038/nature11017) Crossref, PubMed, ISI, Google Scholar

. 2014 Geclusterte und genomweite transiente Mutagenese bei menschlichen Krebserkrankungen: Hypermutation ohne permanente Mutatoren oder Fitnessverlust . Bioessays 36, 382-393. (doi:10.1002/bies.201300140) Crossref, PubMed, ISI, Google Scholar

2019 Charakterisierung von Mutationssignaturen in menschlichen Krebszelllinien zeigt episodische APOBEC-Mutagenese. Zelle 176, 1282-1294. (doi:10.1016/j.cell.2019.02.012) Crossref, PubMed, ISI, Google Scholar

Ng JC. F., Quist J, Grigoriadis A, Malim MH, Fraternali F

. 2019 Pan-Krebs-Transkriptomanalyse analysiert Immun- und proliferative Funktionen von APOBEC3-Cytidin-Deaminasen. Nukleinsäuren Res. 47, 1178-1194. (doi:10.1093/nar/gky1316) Crossref, PubMed, ISI, Google Scholar

2020 Mutationen im HPV16-Genom, die durch APOBEC3 induziert werden, sind mit der viralen Clearance verbunden. Nat. Komm. 11, 886. (doi:10.1038/s41467-020-14730-1) Crossref, PubMed, ISI, Google Scholar

. 2018 APOBEC3B- und APOBEC-Mutationssignatur als potenzielle prädiktive Marker für das Ansprechen der Immuntherapie bei nicht-kleinzelligem Lungenkrebs . Onkogen 37, 3924-3936. (doi:10.1038/s41388-018-0245-9) Crossref, PubMed, ISI, Google Scholar

2016 Assoziation von Keimbahnvarianten in der APOBEC3-Region mit Krebsrisiko und Anreicherung mit APOBEC-Signaturmutationen in Tumoren . Nat. Genet. 48, 1330-1338. (doi:10.1038/ng.3670) Crossref, PubMed, ISI, Google Scholar

Glaser AP, Fantini D, Wang Y, Yu Y, Rimar KJ, Podojil JR, Miller SD, Meeks JJ

. 2018 APOBEC-vermittelte Mutagenese beim Urothelkarzinom ist mit einem verbesserten Überleben, Mutationen in DNA-Schadensreaktionsgenen und einer Immunantwort verbunden. Oncotarget 9, 4537-4548. (doi:10.18632/oncotarget.23344) Crossref, PubMed, Google Scholar

2018 Globale, regionale und nationale Krebsinzidenz, Mortalität, verlorene Lebensjahre, mit Behinderung gelebte Jahre und behinderungsbereinigte Lebensjahre für 29 Krebsgruppen, 1990 bis 2016: eine systematische Analyse zur globalen Krankheitslaststudie . JAMA Oncol. 4, 1553-1568. (doi:10.1001/jamaoncol.2018.2706) Crossref, PubMed, ISI, Google Scholar

. 2017 Mutationssignaturen bei Brustkrebs: das Problem auf DNA-Ebene . Klin. Krebs Res. 23, 2617-2629. (doi:10.1158/1078-0432.CCR-16-2810) Crossref, PubMed, ISI, Google Scholar

. 2015 Molekularer Mechanismus und klinische Auswirkungen der APOBEC3B-katalysierten Mutagenese bei Brustkrebs . Brustkrebs Res. 17, 8. (doi:10.1186/s13058-014-0498-3) Crossref, PubMed, ISI, Google Scholar

2016 Die DNA-Cytosin-Deaminase APOBEC3B fördert die Tamoxifen-Resistenz bei ER-positivem Brustkrebs. Wissenschaft Erw. 2, e1601737. (doi:10.1126/sciadv.1601737) Crossref, PubMed, ISI, Google Scholar

2014 Erhöhte APOBEC3B-Werte korrelieren mit schlechten Ergebnissen bei Östrogenrezeptor-positivem Brustkrebs. Horm. Krebs 5, 405-413. (doi:10.1007/s12672-014-0196-8) Crossref, PubMed, ISI, Google Scholar

2014 Das TP53-Mutationsspektrum bei Brustkrebs ist subtypspezifisch und hat eine ausgeprägte prognostische Relevanz. Klin. Krebs Res. 20, 3569-3580. (doi:10.1158/1078-0432.CCR-13-2943) Crossref, PubMed, ISI, Google Scholar

Henderson S, Chakravarthy A, Su X, Boshoff C, Fenton TR

. 2014 APOBEC-vermittelte Cytosin-Deaminierung verbindet Mutationen der helikalen Domäne von PIK3CA mit der Tumorentwicklung, die durch humane Papillomaviren ausgelöst wird . Zellvertreter 7, 1833-1841. (doi:10.1016/j.celrep.2014.05.012) Crossref, PubMed, ISI, Google Scholar

. 2013 Krebsmutationssignaturen, DNA-Schädigungsmechanismen und mögliche klinische Implikationen . Genom Med. 5, 87. (doi:10.1186/gm490) Crossref, PubMed, ISI, Google Scholar

Gyorffy B, Surowiak P, Kiesslich O, Denkert C, Schafer R, Dietel M, Lage H

. 2006 Genexpressions-Profiling von 30 Krebszelllinien sagt die Resistenz gegen 11 Krebsmedikamente bei klinisch erreichten Konzentrationen voraus. Int. J. Krebs 118, 1699-1712. (doi:10.1002/ijc.21570) Crossref, PubMed, ISI, Google Scholar

Cescon DW, Haibe-Kains B, Mak TW

. Die 2015-APOBEC3B-Expression bei Brustkrebs spiegelt die Zellproliferation wider, während ein Deletionspolymorphismus mit der Immunaktivierung verbunden ist. Proz. Natl Acad. Wissenschaft Vereinigte Staaten von Amerika 112, 2841-2846. (doi:10.1073/pnas.1424869112) Crossref, PubMed, ISI, Google Scholar

Udquim KI, Zettelmeyer C, Banday AR, Lin SH, Prokunina-Olsson L

. 2020 Die Expression von APOBEC3B in Brustkrebszelllinien und -tumoren hängt vom Östrogenrezeptorstatus ab. Karzinogenese 41, 1030-1037. (doi:10.1093/carcin/bgaa002) Crossref, PubMed, ISI, Google Scholar

. 2006 Östrogen-Karzinogenese bei Brustkrebs. N. Engl. J. Med. 354, 270-282. (doi:10.1056/NEJMra050776) Crossref, PubMed, ISI, Google Scholar

Menendez D, Nguyen TA, Snipe J, Resnick MA

. 2017 Die Cytidin-Deaminase-APOBEC3-Familie unterliegt der Transkriptionsregulation durch p53. Mol.-Nr. Krebs Res. 15, 735-743. (doi:10.1158/1541-7786.MCR-17-0019) Crossref, PubMed, ISI, Google Scholar

2017 p53 kontrolliert die Expression der DNA-Deaminase APOBEC3B, um ihre potenzielle mutagene Aktivität in Krebszellen zu begrenzen. Nukleinsäuren Res. 45, 11 056-11 069. (doi:10.1093/nar/gkx721) Crossref, ISI, Google Scholar

2012 Die genomische und transkriptomische Architektur von 2000 Brusttumoren zeigt neue Untergruppen. Natur 486, 346-352. (doi:10.1038/nature10983) Crossref, PubMed, ISI, Google Scholar

2014 Assoziation eines Keimbahn-Kopienzahl-Polymorphismus von APOBEC3A und APOBEC3B mit der Belastung durch mutmaßliche APOBEC-abhängige Mutationen bei Brustkrebs. Nat. Genet. 46, 487-491. (doi:10.1038/ng.2955) Crossref, PubMed, ISI, Google Scholar

Kidd JM, Newman TL, Tuzun E, Kaul R, Eichler EE

. 2007 Populationsstratifizierung eines häufigen APOBEC-Gendeletionspolymorphismus. PLoS Genet. 3, e63. (doi:10.1371/journal.pgen.0030063) Crossref, PubMed, ISI, Google Scholar

2010 Genomweite Assoziationsstudie zu CNVs in 16 000 Fällen von acht Volkskrankheiten und 3000 gemeinsamen Kontrollen . Natur 464, 713-720. (doi:10.1038/nature08979) Crossref, PubMed, ISI, Google Scholar

2013 Eine häufige Deletion in den APOBEC3-Genen und das Brustkrebsrisiko. J. Natl Cancer Inst. 105, 573-579. (doi:10.1093/jnci/djt018) Crossref, PubMed, Google Scholar

Xuan D, Li G, Cai Q, Deming-Halverson S, Shrubsole MJ, Shu XO, Kelley MC, Zheng W, Long J

. 2013 APOBEC3-Deletionspolymorphismus ist bei Frauen europäischer Abstammung mit dem Brustkrebsrisiko verbunden. Karzinogenese 34, 2240-2243. (doi:10.1093/carcin/bgt185) Crossref, PubMed, ISI, Google Scholar

2017 Die 30-kb-Deletion im APOBEC3-Cluster verringert die Expression von APOBEC3A und APOBEC3B und erzeugt ein transkriptionell aktives Hybridgen, ist aber in der europäischen Bevölkerung nicht mit Brustkrebs assoziiert. Oncotarget 8, 76 357-76 374. (doi:10.18632/oncotarget.19400) Crossref, Google Scholar

2016 Die Keimbahn-APOBEC3B-Deletion ist mit dem Brustkrebsrisiko in einer asiatischen multiethnischen Kohorte und mit der Präsentation von Immunzellen verbunden. Brustkrebs Res. 18, 56. (doi:10.1186/s13058-016-0717-1) Crossref, PubMed, ISI, Google Scholar

Boichard A, Tsigelny IF, Kurzrock R

. 2017 Eine hohe Expression von PD-1-Liganden ist mit der Mutationssignatur von Kataegis und APOBEC3-Veränderungen verbunden. Onkoimmunologie 6, e1284719. (doi:10.180/2162402X.2017.1284719) Crossref, PubMed, ISI, Google Scholar

Caval V, Suspene R, Shapira M, Vartanian JP, Wain-Hobson S

. 2014 Ein weit verbreitetes APOBEC3A-Hybridallel, das APOBEC3B 3'UTR trägt, für Krebs anfällig, verstärkt chromosomale DNA-Schäden. Nat. Komm. 5, 5129. (doi:10.1038/ncomms6129) Crossref, PubMed, ISI, Google Scholar

Mussil B, Suspene R, Aynaud MM, Gauvrit A, Vartanian JP, Wain-Hobson S

. 2013 Humane APOBEC3A-Isoformen translozieren in den Zellkern und induzieren DNA-Doppelstrangbrüche, die zu Zellstress und Zelltod führen. Plus eins 8, e73641. (doi:10.1371/journal.pone.0073641) Crossref, PubMed, ISI, Google Scholar

2015 APOBEC3B-vermittelte Cytidin-Desaminierung ist für die Östrogenrezeptorwirkung bei Brustkrebs erforderlich. Zellvertreter 13, 108-121. (doi:10.1016/j.celrep.2015.08.066) Crossref, PubMed, ISI, Google Scholar

Buisson R, Langenbucher A, Bowen D, Kwan EE, Benes CH, Zou L, Lawrence MS

. 2019 Passagier-Hotspot-Mutationen bei Krebs durch APOBEC3A und mesoskalige genomische Merkmale . Wissenschaft 364, aaw282. (doi:10.1126/science.aaw2872) Crossref, ISI, Google Scholar

Ito F, Fu Y, Kao SA, Yang H, Chen XS

. 2017 Familienweite vergleichende Analyse der Cytidin- und Methylcytidin-Deaminierung durch elf humane APOBEC-Proteine ​​. J.Mol. Biol. 429, 1787-1799. (doi:10.1016/j.jmb.2017.04.021) Crossref, PubMed, ISI, Google Scholar

Niavarani A, Currie E, Reyal Y, Anjos-Afonso F, Horswell S, Griessinger E, Luis Sardina J, Bonnet D

. 2015 APOBEC3A ist an einer neuen Klasse der G-to-A-mRNA-Editierung in WT1-Transkripten beteiligt. Plus eins 10, e0120089. (doi:10.1371/journal.pone.0120089) Crossref, PubMed, ISI, Google Scholar

2020 Quantifizierung der laufenden APOBEC3A-Aktivität in Tumorzellen durch Überwachung der RNA-Editierung an Hotspots. Nat. Komm. 11, 2971. (doi:10.1038/s41467-020-16802-8) Crossref, PubMed, ISI, Google Scholar

Bray F, Ferlay J, Soerjomataram I, Siegel RL, Torre LA, Jemal A

. Globale Krebsstatistik 2018 2018: GLOBOCAN-Schätzungen der weltweiten Inzidenz und Mortalität für 36 Krebsarten in 185 Ländern . CA Krebs J. Clin. 68, 394-424. (doi:10.3322/caac.21492) Crossref, PubMed, ISI, Google Scholar

. 2002 Pathologie des Lungenkrebses. Klin. Brust Med. 23, 65-81. (doi:10.1016/s0272-5231(03)00061-3) Crossref, PubMed, ISI, Google Scholar

2012 Genomische Landschaft des nicht-kleinzelligen Lungenkrebses bei Rauchern und Nie-Rauchern . Zelle 150, 1121-1134. (doi:10.1016/j.cell.2012.08.024) Crossref, PubMed, ISI, Google Scholar

2014 Räumliche und zeitliche Vielfalt in genomischen Instabilitätsprozessen bestimmt die Evolution von Lungenkrebs. Wissenschaft 346, 251-256. (doi:10.1126/science.1253462) Crossref, PubMed, ISI, Google Scholar

2014 Intratumorheterogenität bei lokalisierten Lungenadenokarzinomen, abgegrenzt durch Multiregion-Sequenzierung . Wissenschaft 346, 256-259. (doi:10.1126/science.1256930) Crossref, PubMed, ISI, Google Scholar

McGranahan N, Favero F, de Bruin EC, Birkbak NJ, Szallasi Z, Swanton C

. 2015 Klonaler Status umsetzbarer Treiberereignisse und das Timing von Mutationsprozessen in der Krebsevolution. Wissenschaft Übers. Med. 7, 283ra254. (doi:10.1126/scitranslmed.aaa1408) Crossref, Google Scholar

Silvestrov P, Maier SJ, Fang M, Cisneros GA

. 2018 DNArCdb: eine Datenbank mit Krebsbiomarkern in DNA-Reparaturgenen, die Varianten enthält, die mit mehreren Krebsphänotypen in Verbindung stehen. DNA-Reparatur (Amst) 70, 10-17. (doi:10.1016/j.dnarep.2018.07.010) Crossref, PubMed, ISI, Google Scholar

Hix MA, Wong L, Flath B, Chelico L, Cisneros GA

. 2020 Einzelnukleotid-Polymorphismus der DNA-Cytosin-Deaminase APOBEC3H-Haplotyp I führt zur Enzymdestabilisierung und korreliert mit Lungenkrebs . NAR-Krebs 2, zcaa023. (doi:10.1093/narcan/zcaa023) Crossref, PubMed, Google Scholar

Rebhandl S, Huemer M, Greil R, Geisberger R

. 2015 AID/APOBEC-Deaminasen und Krebs . Onkowissenschaften 2, 320-333. (doi:10.18632/oncoscience.155) Crossref, PubMed, Google Scholar

Waters CE, Saldivar JC, Amin ZA, Schrock MS, Hübner K

. 2015 FHIT-Verlust-induzierter DNA-Schaden schafft optimale APOBEC-Substrate: Einblicke in die APOBEC-vermittelte Mutagenese . Oncotarget 6, 3409-3419. (doi:10.18632/oncotarget.2636) Crossref, PubMed, Google Scholar

Saldivar JC, Miuma S, Bene J, Hosseini SA, Shibata H, Sun J, Wheeler LJ, Mathews CK, Hübner K

. 2012 Initiierung von Genominstabilität und präneoplastischen Prozessen durch Verlust der Fhit-Expression. PLoS Genet. 8, e1003077. (doi:10.1371/journal.pgen.1003077) Crossref, PubMed, ISI, Google Scholar

2011 Zusammenhang von extremer Chromosomeninstabilität mit dem Langzeitüberleben in einer retrospektiven Analyse von primärem Mammakarzinom . Krebs Epidemiol. Biomarker Zurück 20, 2183-2194. (doi:10.1158/1055-9965.EPI-11-0343) Crossref, PubMed, ISI, Google Scholar

2011 Paradoxer Zusammenhang zwischen chromosomaler Instabilität und Überlebensrate bei Krebs . Krebs Res. 71, 3447-3452. (doi:10.1158/0008-5472.CAN-10-3667) Crossref, PubMed, ISI, Google Scholar

2020 Die DNA-Cytosin-Deaminase APOBEC3B ist eine molekulare Determinante der Platin-Reaktionsfähigkeit bei klarzelligem Ovarialkarzinom. Klin. Krebs Res. 26, 3397-3407. (doi:10.1158/1078-0432.CCR-19-2786) Crossref, PubMed, ISI, Google Scholar

2015 Krebsimmunologie. Mutationslandschaft bestimmt die Empfindlichkeit gegenüber PD-1-Blockade bei nicht-kleinzelligem Lungenkrebs. Wissenschaft 348, 124-128. (doi:10.1126/science.aaa1348) Crossref, PubMed, ISI, Google Scholar

Snyder A, Wolchok JD, Chan TA

. 2015 Genetische Grundlage für das klinische Ansprechen auf die CTLA-4-Blockade . N. Engl. J. Med. 372, 783. (doi:10.1056/NEJMc1415938) Crossref, PubMed, ISI, Google Scholar

2012 Sicherheit, Aktivität und Immunkorrelate von Anti-PD-1-Antikörpern bei Krebs . N. Engl. J. Med. 366, 2443-2454. (doi:10.1056/NEJMoa1200690) Crossref, PubMed, ISI, Google Scholar

2014 Prädiktive Korrelate der Reaktion auf den Anti-PD-L1-Antikörper MPDL3280A bei Krebspatienten . Natur 515, 563-567. (doi:10.1038/nature14011) Crossref, PubMed, ISI, Google Scholar

. 2016 Prädiktive Marker für die Wirksamkeit von Anti-PD-1/PD-L1-Antikörpern bei Lungenkrebs . J. Thorac. Onkol. 11, 976-988. (doi:10.1016/j.jtho.2016.02.015) Crossref, PubMed, ISI, Google Scholar

2015 PD-1-Blockade bei Tumoren mit Mismatch-Repair-Mangel . N. Engl. J. Med. 372, 2509-2520. (doi:10.1056/NEJMoa150596) Crossref, PubMed, ISI, Google Scholar

Tang H, Wang Y, Chlewicki LK, Zhang Y, Guo J, Liang W, Wang J, Wang X, Fu YX

. 2016 Die Erleichterung der T-Zell-Infiltration in der Tumormikroumgebung überwindet die Resistenz gegen die PD-L1-Blockade . Krebszelle 30, 500. (doi:10.1016/j.ccell.2016.08.011) Crossref, PubMed, ISI, Google Scholar

Dong ZY, Wu SP, Liao RQ, Huang SM, Wu YL

. 2016 Potenzieller Biomarker für Checkpoint-Blockade-Immuntherapie und Behandlungsstrategie . Tumorbiol. 37, 4251-4261. (doi:10.1007/s13277-016-4812-9) Crossref, PubMed, Google Scholar

2013 Epidemiologie und Risikofaktoren des Urothelblasenkarzinoms . EUR. Urol. 63, 234-241. (doi:10.1016/j.eururo.2012.07.033) Crossref, PubMed, ISI, Google Scholar

Kamat AM, Hahn NM, Efstathiou JA, Lerner SP, Malmstrom PU, Choi W, Guo CC, Lotan Y, Kassouf W

2013 Mutationsheterogenität bei Krebs und die Suche nach neuen krebsassoziierten Genen . Natur 499, 214-218. (doi:10.1038/nature12213) Crossref, PubMed, ISI, Google Scholar

2017 Umfassende molekulare Charakterisierung von muskelinvasivem Blasenkrebs . Zelle 171, 540-556. (doi:10.1016/j.cell.2017.09.007) Crossref, PubMed, ISI, Google Scholar

Casey RG, Catto JW, Cheng L, Cookson MS, Herr H, Shariat S, Witjes JA, Black PC

. 2015 Diagnose und Management des Urothelkarzinoms vor Ort der unteren Harnwege: eine systematische Übersicht. EUR. Urol. 67, 876-888. (doi:10.1016/j.eururo.2014.10.040) Crossref, PubMed, ISI, Google Scholar

2014 MPDL3280A (Anti-PD-L1)-Behandlung führt zu klinischer Aktivität bei metastasierendem Blasenkrebs. Natur 515, 558-562. (doi:10.1038/nature13904) Crossref, PubMed, ISI, Google Scholar

Scheurer ME, Tortolero-Luna G, Adler-Storthz K

. 2005 Humane Papillomavirus-Infektion: Biologie, Epidemiologie und Prävention . Int. J. Gynecol. Krebs 15, 727-746. (doi:10.1111/j.1525-1438.2005.00246.x) Crossref, PubMed, ISI, Google Scholar

2017 Die genetische Konservierung von HPV16 E7 ist entscheidend für die Karzinogenese. Zelle 170, 1164-1174. (doi:10.1016/j.cell.2017.08.001) Crossref, PubMed, ISI, Google Scholar

. 2005 Der Lebenszyklus von Papillomaviren. J. Clin. Virol. 32 (Beilage 1), S7-S15. (doi:10.1016/j.jcv.2004.12.006) Crossref, PubMed, Google Scholar

2012 EUROGIN-Roadmap 2011 zur Prävention und Behandlung von HPV-bedingten Erkrankungen . Int. J. Krebs 131, 1969-1982.(doi:10.1002/ijc.27650) Crossref, PubMed, ISI, Google Scholar

2013 HPV-Infektion bei Plattenepithelkarzinomen, die von verschiedenen Schleimhautstellen der Kopf-Hals-Region ausgehen. Ist die p16-Immunhistochemie ein zuverlässiger Surrogatmarker? Gebr. J. Krebs 108, 1157-1162. (doi:10.1038/bjc.2013.55) Crossref, PubMed, ISI, Google Scholar

Arbyn M, Weiderpass E, Bruni L, de Sanjose S, Saraiya M, Ferlay J, Bray F

. 2020 Schätzungen der Inzidenz und Mortalität von Gebärmutterhalskrebs im Jahr 2018: eine weltweite Analyse . Lancet-Glob. Gesundheit 8, e191-e203. (doi:10.1016/S2214-109X(19)30482-6) Crossref, PubMed, ISI, Google Scholar

Harden ME, Prasad N, Griffiths A, Munger K

. 2017 Modulation von microRNA-mRNA-Zielpaaren durch humane Papillomavirus-16-Onkoproteine ​​. mBio 8, e02170-16. (doi:10.1128/mBio.02170-16) Crossref, PubMed, ISI, Google Scholar

Vartanian JP, Guetard D, Henry M, Wain-Hobson S

. 2008 Nachweis für die Bearbeitung von humaner Papillomavirus-DNA durch APOBEC3 in benignen und präkanzerösen Läsionen. Wissenschaft 320, 230-233. (doi:10.1126/science.1153201) Crossref, PubMed, ISI, Google Scholar

. 2013 APOBEC3B-Mutagenese bei Krebs . Nat. Genet. 45, 964-965. (doi:10.1038/ng.2736) Crossref, PubMed, ISI, Google Scholar

. 2015 Humane Papillomavirus-Karzinogenese: eine Identitätskrise im Retinoblastom-Tumorsuppressorweg . J. Virol. 89, 4708-4711. (doi:10.1128/JVI.03486-14) Crossref, PubMed, ISI, Google Scholar

2016 Der klassische NF-kappaB-Signalweg ist für die APOBEC3B-Expression in Krebszellen verantwortlich. Biochem. Biophys. Res. Komm. 478, 1466-1471. (doi:10.1016/j.bbrc.2016.08.148) Crossref, PubMed, ISI, Google Scholar

. 2018 Apolipoprotein B mRNA Editing Enzym katalytische Polypeptid-ähnliche Familiengene Aktivierung und Regulation während der Tumorentstehung . Krebs Sci. 109, 2375-2382. (doi:10.1111/cas.13658) Crossref, PubMed, ISI, Google Scholar

Warren CJ, Xu T, Guo K, Griffin LM, Westrich JA, Lee D, Lambert PF, Santiago ML, Pyeon D

. 2015 APOBEC3A fungiert als Restriktionsfaktor des humanen Papillomavirus. J. Virol. 89, 688-702. (doi:10.1128/JVI.02383-14) Crossref, PubMed, ISI, Google Scholar

. 2018 Der kuriose Fall der APOBEC3-Aktivierung durch krebsassoziierte humane Papillomaviren . PLoS-Pathog. 14, e1006717. (doi:10.1371/journal.ppat.1006717) Crossref, PubMed, ISI, Google Scholar

2016 Ein RB-EZH2-Komplex vermittelt die Stummschaltung repetitiver DNA-Sequenzen . Mol.-Nr. Zelle 64, 1074-1087. (doi:10.1016/j.molcel.2016.10.021) Crossref, PubMed, ISI, Google Scholar

. 2015 Breaking Bad: R-Loops und Genomintegrität . Trends Zellbiol. 25, 514-522. (doi:10.1016/j.tcb.2015.05.003) Crossref, PubMed, ISI, Google Scholar

Mori S, Takeuchi T, Ishii Y, Kukimoto I

. 2015 Identifizierung von APOBEC3B-Promotorelementen, die für die Aktivierung durch das humane Papillomavirus Typ 16 E6 verantwortlich sind. Biochem. Biophys. Res. Komm. 460, 555-560. (doi:10.1016/j.bbrc.2015.03.068) Crossref, PubMed, ISI, Google Scholar

Mori S, Takeuchi T, Ishii Y, Yugawa T, Kiyono T, Nishina H, Kukimoto I

. 2017 Humanes Papillomavirus 16 E6 reguliert APOBEC3B über den TEAD-Transkriptionsfaktor hoch. J. Virol. 91, e02413-16. (doi:10.1128/JVI.02413-16) Crossref, PubMed, ISI, Google Scholar

2014 Humanes Papillomavirus E6 löst eine Hochregulation der antiviralen und genomischen Krebs-DNA-Deaminase APOBEC3B aus. mBio 5, e02234-14. (doi:10.1128/mBio.02234-14) Crossref, PubMed, ISI, Google Scholar

Chakravarthy A, Henderson S, Thirdborough SM, Ottensmeier CH, Su X, Lechner M, Feber A, Thomas GJ, Fenton TR

. 2016 Humanes Papillomavirus treibt die Tumorentwicklung im gesamten Kopf-Hals-Bereich an: Eine verbesserte Prognose ist mit einer weitgehend auf den Oropharynx beschränkten Immunantwort verbunden . J. Clin. Onkol. 34, 4132-4141. (doi:10.1200/JCO.2016.68.2955) Crossref, PubMed, ISI, Google Scholar

2019 Humanes Papillomavirus und die Landschaft sekundärer genetischer Veränderungen bei Mundkrebs. Genom-Res. 29, 1-17. (doi:10.1101/gr.241141.118) Crossref, PubMed, ISI, Google Scholar

2018 Ausgedrückte HNSCC-Varianten nach HPV-Status in einer gut charakterisierten Michigan-Kohorte . Wissenschaft Repräsentant 8, 11458. (doi:10.1038/s41598-018-29599-w) Crossref, PubMed, ISI, Google Scholar

2014 Landschaft genomischer Veränderungen bei Zervixkarzinomen . Natur 506, 371-375. (doi:10.1038/nature12881) Crossref, PubMed, ISI, Google Scholar

Westrich JA, Warren CJ, Klausner MJ, Guo K, Liu CW, Santiago ML, Pyeon D

. 2018 Humanes Papillomavirus 16 E7 stabilisiert das APOBEC3A-Protein, indem es den Cullin 2-abhängigen Proteinabbau hemmt. J. Virol. 92, e01318-17. (doi:10.1128/JVI.01318-17) Crossref, PubMed, ISI, Google Scholar

2017 APOBEC3A assoziiert mit der Integration des humanen Papillomavirus-Genoms bei oropharyngealen Karzinomen. Onkogen 36, 1687-1697. (doi:10.1038/onc.2016.335) Crossref, PubMed, ISI, Google Scholar

. 2005 Östrogen trägt in einem humanen Papillomavirus-transgenen Mausmodell zur Entstehung, Persistenz und malignen Progression von Gebärmutterhalskrebs bei. Proz. Natl Acad. Wissenschaft Vereinigte Staaten von Amerika 102, 2490-2495. (doi:10.1073/pnas.0409883102) Crossref, PubMed, ISI, Google Scholar

2017 Strukturelle Grundlagen für die gezielte DNA-Cytosin-Deaminierung und -Mutagenese durch APOBEC3A und APOBEC3B . Nat. Struktur. Mol.-Nr. Biol. 24, 131-139. (doi:10.1038/nsmb.3344) Crossref, PubMed, ISI, Google Scholar

Silvas TV, Hou S, Myint W, Nalivaika E, Somasundaran M, Kelch BA, Matsuo H, Kurt Yilmaz N, Schiffer CA

. 2018 Die Selektivität der Substratsequenz von APOBEC3A impliziert intra-DNA-Interaktionen . Wissenschaft Repräsentant 8, 7511. (doi:10.1038/s41598-018-25881-z) Crossref, PubMed, ISI, Google Scholar

Wang Z, Wakae K, Kitamura K, Aoyama S, Liu G, Koura M, Monjurul AM, Kukimoto I, Muramatsu M

. 2014 APOBEC3-Deaminasen induzieren eine Hypermutation in der DNA des humanen Papillomavirus 16 nach Beta-Interferon-Stimulation. J. Virol. 88, 1308-1317. (doi:10.1128/JVI.03091-13) Crossref, PubMed, ISI, Google Scholar

Herdman MT, Pett MR, Roberts I, Alazawi WO, Teschendorff AE, Zhang XY, Stanley MA, Coleman N

. 2006 Die Interferon-beta-Behandlung zervikaler Keratinozyten, die natürlicherweise mit Episomen des humanen Papillomavirus 16 infiziert sind, fördert eine schnelle Reduktion der Episomenzahl und das Auftreten latenter Integranten . Karzinogenese 27, 2341-2353. (doi:10.1093/carcin/bgl172) Crossref, PubMed, ISI, Google Scholar

Chang YE, Pena L, Sen GC, Park JK, Laimins LA

. 2002 Langzeitwirkung von Interferon auf Keratinozyten, die das humane Papillomavirus Typ 31 erhalten. J. Virol. 76, 8864-8874. (doi:10.1128/jvi.76.17.8864-8874.2002) Crossref, PubMed, ISI, Google Scholar

Terenzi F, Saikia P, Sen GC

. 2008 Das Interferon-induzierbare Protein P56 hemmt die HPV-DNA-Replikation durch Bindung an das virale Protein E1 . EMBO J. 27, 3311-3321. (doi:10.1038/emboj.2008.241) Crossref, PubMed, ISI, Google Scholar

Warren CJ, Griffin LM, Little AS, Huang IC, Farzan M, Pyeon D

. 2014 Die antiviralen Restriktionsfaktoren IFITM1, 2 und 3 hemmen die Infektion mit humanem Papillomavirus, Cytomegalovirus und Adenovirus nicht . Plus eins 9, e96579. (doi:10.1371/journal.pone.0096579) Crossref, PubMed, ISI, Google Scholar

Pyeon D, Lambert PF, Ahlquist P

. 2005 Produktion von infektiösen humanen Papillomaviren unabhängig von Virusreplikation und Epithelzelldifferenzierung. Proz. Natl Acad. Wissenschaft Vereinigte Staaten von Amerika 102, 9311-9316. (doi:10.1073/pnas.0504020102) Crossref, PubMed, ISI, Google Scholar

D'Souza G, Agrawal Y, Halpern J, Bodison S, Gillison ML

. 2009 Orales Sexualverhalten im Zusammenhang mit einer weit verbreiteten oralen humanen Papillomavirus-Infektion. J. Infizieren. Dis. 199, 1263-1269. (doi:10.1086/597755) Crossref, PubMed, ISI, Google Scholar

2001 Humanes Papillomavirus mit hohem Risiko wird sexuell übertragen: Beweise aus einer Folgestudie an Jungfrauen, die sexuelle Aktivitäten (Geschlechtsverkehr) beginnen . Krebs Epidemiol. Biomarker Zurück 10, 101-106. PubMed, ISI, Google Scholar

Conner KL, Shaik AN, Ekinci E, Kim S, Ruterbusch JJ, Cote ML, Patrick SM

. 2020 HPV-Induktion von APOBEC3-Enzymen vermittelt das Gesamtüberleben und die Reaktion auf Cisplatin bei Kopf- und Halskrebs. DNA-Reparatur (Amst) 87, 102802. (doi:10.1016/j.dnarep.2020.102802) Crossref, PubMed, ISI, Google Scholar

Schumacher TN, Schreiber RD

. 2015 Neoantigene in der Krebsimmuntherapie . Wissenschaft 348, 69-74. (doi:10.1126/science.aaa4971) Crossref, PubMed, ISI, Google Scholar

2016 Klonale Neoantigene rufen T-Zell-Immunreaktivität und Empfindlichkeit gegenüber Immun-Checkpoint-Blockade hervor. Wissenschaft 351, 1463-1469. (doi:10.1126/science.aaf1490) Crossref, PubMed, ISI, Google Scholar

2017 Entwicklung der Neoantigen-Landschaft während der Immun-Checkpoint-Blockade bei nicht-kleinzelligem Lungenkrebs . Krebs-Disc. 7, 264-276. (doi:10.1158/2159-8290.CD-16-0828) Crossref, PubMed, ISI, Google Scholar

2017 Landschaft immunogener Tumorantigene in der erfolgreichen Immuntherapie von viral induziertem Epithelkarzinom . Wissenschaft 356, 200-205. (doi:10.1126/science.aak9510) Crossref, PubMed, ISI, Google Scholar

Mezache L, Paniccia B, Nyinawabera A, Nuovo GJ

. 2015 Verstärkte Expression von PD L1 bei zervikalen intraepithelialen Neoplasien und Zervixkarzinomen . Mod. Pathol. 28, 1594-1602. (doi:10.1038/modpathol.2015.108) Crossref, PubMed, ISI, Google Scholar