Investigadores de las universidades de Princeton y Harvard han desarrollado una forma de producir las herramientas para descubrir la función de los genes más rápido y más barato que los métodos actuales, según una nueva investigación en la revista Comunicaciones de la naturaleza .
La función de fragmentos considerables del genoma de muchos organismos es un misterio y descubrir cómo llenar estos vacíos de información es una de las preguntas centrales en la investigación genética, dijo el autor correspondiente del estudio, Buz Barstow, miembro investigador del Fondo Burroughs-Wellcome enEl departamento de química de Princeton: "No tenemos idea de lo que hace una gran fracción de genes", dijo.
Una de las mejores estrategias que los científicos tienen para determinar qué hace un gen en particular es eliminarlo del genoma y luego evaluar lo que el organismo ya no puede hacer. El resultado final, conocido como una colección completa de genoma completo, proporciona conjuntos completos decopias genómicas, o mutantes, en los que los genes individuales han sido eliminados o "eliminados". Los investigadores luego prueban toda la colección knockout contra una reacción química específica. Si un organismo mutante no realiza la reacción, eso significa que le falta el gen particularresponsable de esa tarea.
Puede llevar varios años y millones de dólares construir una colección de eliminación de genoma completo a través de la eliminación selectiva de genes. Debido a que es tan costoso, las colecciones de eliminación de genoma completo solo existen para un puñado de organismos modelo como la levadura y la bacteria Escherichia coli . Sin embargo, estas colecciones han demostrado ser increíblemente útiles ya que se han realizado miles de estudios sobre la colección de eliminación de genes de levadura desde su lanzamiento.
Los investigadores de Princeton y Harvard son los primeros en crear una colección de manera rápida y asequible, haciéndolo en menos de un mes por varios miles de dólares. Su estrategia, llamada "Knockout Sudoku", se basa en una combinación de eliminación aleatoria de genes y un poderosoalgoritmo de reconstrucción. Aunque otros grupos de investigación han intentado este enfoque aleatorio, ninguno se ha acercado a la velocidad y el costo del Knockout Sudoku.
"Lo vemos como una democratización de estas poderosas herramientas de genética", dijo Michael Baym, coautor del trabajo e investigador postdoctoral de la Facultad de Medicina de Harvard. "Esperemos que permita la exploración de la genética fuera de los organismos modelo," él dijo.
Su enfoque comenzó con facturas de pizza empinadas y una técnica llamada mutagénesis de transposón que 'elimina' genes al insertar aleatoriamente una secuencia de ADN disruptivo en el genoma. Esta técnica se aplica a grandes colonias de microbios para garantizar la probabilidad de que cada genestá interrumpido. Por ejemplo, el equipo comenzó con una colonia de aproximadamente 40,000 microbios para la bacteria Shewanella oneidensis que tiene aproximadamente 3.600 genes en su genoma.
Barstow reclutó a estudiantes universitarios y estudiantes de posgrado para transferir manualmente 40,000 mutantes de las placas de Petri a pozos separados usando palillos de dientes. Ofreció pizza como incentivo, pero después de un día completo de trabajo, solo lograron mover un par de miles de mutantes ". Ipensé: 'Espera un segundo, esta pizza me va a arruinar' ", dijo Barstow.
En cambio, decidieron alquilar un robot recolector de colonias. En solo dos días, el robot pudo transferir cada microbio mutante a hogares individuales en placas de 96 pocillos, 417 placas en total.
Pero el verdadero desafío y oportunidad para la innovación fue identificar y catalogar los mutantes que podrían comprender una colección completa de genoma completo de una manera rápida y práctica.
La amplificación y secuenciación del ADN es una forma sencilla de identificar a cada mutante, pero hacerlo individualmente rápidamente se vuelve muy costoso y requiere mucho tiempo. Por lo tanto, los investigadores propusieron un esquema en el que los mutantes podrían combinarse en grupos que solo requerirían 61 reacciones de amplificacióny una sola secuencia de ejecución.
Pero aún así, después de secuenciar cada uno de los grupos, los investigadores tenían una cantidad increíble de datos. Conocían las identidades de todos los mutantes, pero ahora tenían que averiguar exactamente de dónde provenía cada mutante en la cuadrícula de placas. Esto esdonde entró el aspecto Sudoku del método. Los investigadores crearon un algoritmo que podría deducir la ubicación de mutantes individuales a través de su aparición repetida en varios grupos de filas, columnas, filas de placas y columnas de placas.
Pero hay un problema. Debido a que el proceso inicial de disrupción génica es aleatorio, es posible que se forme el mismo mutante más de una vez, lo que significa que jugar Sudoku no sería simple. Para encontrar una solución para este problema, Barstow recordóviendo la película, "The Imitation Game", sobre el trabajo de Alan Turing en el código del enigma, en busca de inspiración.
"Sentí que el problema en algunos aspectos era muy similar al descifrado de códigos", dijo. Hay códigos simples que sustituyen una letra por otra que se pueden resolver fácilmente al observar la frecuencia de la letra, dijo Barstow ".Por ejemplo, en inglés, la letra A se usa el 8,2 por ciento de las veces. Entonces, si encuentra que la letra X aparece en el mensaje aproximadamente el 8,2 por ciento del tiempo, puede decir que se supone que está decodificada como A. Estoes un ejemplo muy simple de inferencia bayesiana "
Con esa misma lógica, Barstow y sus colegas desarrollaron una imagen estadística de cómo debería ser una asignación de ubicación real basada en un mutante que solo apareció una vez y lo usó para calificar la probabilidad de que las posibles ubicaciones sean reales.
"Una de las cosas que realmente me gusta de esta técnica es que es un excelente ejemplo de diseño de una técnica con las matemáticas en mente desde el principio que le permite hacer cosas mucho más poderosas de lo que podría hacer de otra manera", dijo Baym ".Debido a que fue diseñado con las matemáticas integradas, nos permite obtener mucha, mucha más información de muchos menos experimentos ", dijo.
Utilizando su estrategia conveniente, los investigadores crearon una colección para el microbio Shewanella oneidensis. Estos microbios son especialmente buenos para transferir electrones y comprender que sus poderes podrían ser muy valiosos para desarrollar fuentes de energía sostenibles, como la fotosíntesis artificial, y para la remediación ambiental en elneutralización de residuos radiactivos.
Utilizando la colección resultante, el equipo pudo recapitular 15 años de investigación, dijo Barstow, reforzando su confianza en su método. En una prueba de validación temprana, notaron una tasa de precisión sorprendentemente baja. Después de no encontrar fallas en las matemáticas,observaron las placas originales para darse cuenta de que uno de los investigadores había tomado la muestra equivocada. "La parte menos confiable de esto es el humano", dijo Barstow.
Fuente de la historia :
Materiales proporcionados por Universidad de Princeton . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :