Información

24.3: El enlace reduce la frecuencia de recombinación - Biología

24.3: El enlace reduce la frecuencia de recombinación - Biología


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.

Habiendo considerado los loci no vinculados anteriormente, pasemos a la situación opuesta, en la que dos loci están tan juntos en un cromosoma que las combinaciones parentales de alelos siempre se segregan juntas (Figura ( PageIndex {3} )). Este es completo (o absoluto) enlace y es raro, ya que los loci deben estar tan juntos que nunca se detecten cruces entre ellos.


Los mapas genéticos y físicos ultradensos basados ​​en secuencias revelan variaciones estructurales de los genomas del algodón alopoliploide

Los SNP son el tipo de polimorfismo más abundante y se han explorado en muchos estudios genómicos de cultivos, incluidos el arroz y el maíz. El descubrimiento de SNP en genomas de algodón alotetraploides se ha retrasado con respecto a otros cultivos debido a su complejidad y poliploidía. En este estudio, los SNP de todo el genoma se detectan sistemáticamente mediante la secuenciación de próxima generación y métodos eficaces de genotipado de SNP, y se utilizan para construir un mapa de ligamiento y caracterizar las variaciones estructurales en los genomas del algodón poliploide.

Resultados

Construimos un mapa genético interespecífico ultradenso que comprende 4.999.048 loci SNP distribuidos de manera desigual en 26 grupos de enlace de algodón alotetraploide y que cubren 4.042 cM. El mapa se utiliza para solicitar andamios de genoma de algodón tetraploide para un montaje preciso de G. hirsutum acc. TM-1. Las tasas de recombinación y los puntos críticos se identifican en todo el genoma del algodón comparando la secuencia de borrador ensamblada y el mapa genético. Usando este mapa, los reordenamientos del genoma y las regiones centroméricas se identifican en el algodón tetraploide mediante la combinación de información de los disponibles públicamente G. raimondii genoma con fluorescente en el lugar análisis de hibridación.

Conclusiones

Divulgamos el método de secuenciación de genotipo utilizado para identificar millones de SNP entre G. hirsutum y G. barbadense. Construimos y usamos un mapa SNP ultradenso para corregir ensamblajes erróneos de secuencias, fusionar andamios en pseudomoléculas correspondientes a cromosomas, detectar reordenamientos genómicos e identificar regiones centroméricas en algodones alotetraploides. Encontramos que la secuencia de elementos retro centroméricos del algodón tetraploide derivada del progenitor del subgenoma D podría haber invadido los centrómeros del subgenoma A después de la formación de alotetrapoliploides. Este estudio sirve como un valioso recurso genómico para la investigación genética y el mejoramiento del algodón.


Experimento Morgan & # 8217s

Morgan escogió Drosophila melanogaster como su tema por las siguientes razones:

  • Notó una drosophila macho de ojos blancos en lugar de los ojos rojos normales.
  • Era de tamaño pequeño
  • Tienen una vida útil corta y muchas generaciones se pueden estudiar en un período de tiempo corto.
  • Tienen una alta tasa de reproducción.

Cruzó un macho de ojos blancos de pura raza con una hembra de ojos rojos de pura raza. Como se esperaba siguiendo las leyes de Mendel & # 8217, la progenie F1 nació con ojos rojos. Cuando la generación F1 se cruzó entre sí, la relación entre la progenie de ojos rojos y la de ojos blancos fue de 3: 1. Sin embargo, notó que no había ninguna mujer de ojos blancos en la generación F2.

Para comprender mejor, realizó un cruce entre una hembra heterocigota de ojos rojos con un macho de ojos blancos. Esto dio una proporción de 1: 1: 1: 1 en la progenie (1 hembra de ojos blancos, 1 hembra de ojos rojos, 1 macho de ojos blancos y 1 macho de ojos rojos). Esto hizo que Morgan pensara en el vínculo entre los rasgos y los cromosomas sexuales. Realizó muchos más cruces y determinó que el gen responsable del color de ojos estaba situado en el cromosoma X.

Puede descargar la hoja de referencia de los principios de herencia y variación haciendo clic en el botón de descarga a continuación


Desequilibrio de recombinación y ligamiento en Arabidopsis thaliana

El desequilibrio de ligamiento (LD) es un aspecto importante de la organización de la variación genética en poblaciones naturales. Aquí describimos el patrón de LD en todo el genoma en una muestra de 19 Arabidopsis thaliana accesiones que utilizan 341.602 SNP no singleton. LD decae dentro de los 10 kb en promedio, considerablemente más rápido de lo estimado previamente. Los algoritmos de selección de etiquetas de SNP y las simulaciones 'ocultar-el-SNP' sugieren que el mapeo de asociación de todo el genoma requerirá solo del 40% al 50% de los SNP observados, una reducción similar a las estimaciones en una muestra de afroamericanos. Se ha diseñado una matriz de genotipado de Affymetrix que contiene 250.000 SNP en base a estos resultados, demostramos que debería tener una cobertura más que adecuada para el mapeo de asociación de todo el genoma. El grado de LD es muy variable y encontramos una clara evidencia de puntos calientes de recombinación, que parecen ocurrir preferentemente en regiones intergénicas. LD también refleja la acción de selección, y es más extenso entre polimorfismos no sinónimos que entre polimorfismos sinónimos.


Discusión

Historia del orangután

El modelo demográfico que mejor se ajusta (M6) sugiere que los dos Pongo las especies divergieron entre 650 y 1000 kya y experimentaron un estallido de mezcla de alrededor de 300 kya. Dada la historia del Pleistoceno de cambios periódicos del nivel del mar en el sudeste asiático [26], tal escenario de contacto secundario parece biogeográficamente más plausible que la migración continua. De manera tranquilizadora, nuestras estimaciones del tiempo de divergencia en M6 son consistentes con estimaciones anteriores basadas en el SMC [8, 24] y concuerdan bien con las divisiones de especies estimadas para otros mamíferos endémicos de islas en el sudeste asiático [26].

En general, nuestros resultados coinciden en general con los análisis anteriores sobre la ausencia de un flujo de genes reciente (& lt 250 kya) entre los orangutanes de Borneo y Sumatra [13]. Asimismo, nuestra inferencia de un mayor nortemi en Sumatra, en comparación con los orangutanes de Borneo, está de acuerdo con las medidas relativas de la diversidad de nucleótidos y los análisis previos utilizando varios tipos de datos [12, 19, 23, 25]. Si bien inferimos una contracción para la población de Borneo en M3, de acuerdo con los modelos más simples explorados por [25], se requeriría un muestreo a escalas espaciales más finas para resolver la subestructura tanto en las poblaciones de Sumatra como en las de Borneo.

De manera tranquilizadora, el tiempo de la mezcla secundaria bajo M6 concuerda con el tiempo dividido estimado entre los dos Pongo especies para modelos más simples M1-M4 (Tabla 1) que son similares a los considerados por Locke et. Alabama. [23]. Usando el conjunto SFS (δaδI, [3]), Locke et. Alabama. [23] estiman un tiempo de divergencia de especies de 400 kya, que es algo más antiguo que nuestro estimado (250-300 kya) bajo M1-M4. Sin embargo, una diferencia similar en las estimaciones ya ha sido notada por el enfoque del Modelo Oculto de Markov de Mailund et. Alabama. [13] (ver texto complementario S2 en [13]) que modela una demografía simplificada de especiación con flujo continuo de genes y recombinación utilizando datos del genoma completo.

Finalmente, el reciente descubrimiento de una nueva especie (P. tapanuliensis, [33]) en Sumatra no afecta significativamente nuestros resultados generales como lo ilustra el análisis cbSFS excluyendo al individuo de esa población (Archivo adicional 2: Tabla S5). Observamos que los tamaños de población efectivos recién inferidos son más bajos que nuestras estimaciones anteriores, lo cual es de esperar, ya que la eliminación del individuo KB9258 (del sur del lago Toba) se habrá reducido significativamente (dado su estado "atípico", [37 ]) el polimorfismo general contenido en el cbSFS. En este análisis, que intenta dar cuenta de la nueva especie, la tasa de recombinación de todo el genoma se mantuvo fija (2 × 10 −8 / pb / generación) para compensar la pérdida de información. Esto podría explicar las estimaciones más bajas de los tiempos de divergencia obtenidos con el cbSFS de bloques de 500 pb.

Ajuste absoluto del modelo y efecto de la selección

Como la mayoría de los métodos de inferencia demográfica, ABLE asume neutralidad selectiva. Además, el cálculo o la aproximación eficiente de la bSFS se basa en la suposición de que los bloques son estadísticamente intercambiables, lo que ignora la heterogeneidad en las tasas de mutación y recombinación.

Podemos visualizar el ajuste absoluto de nuestro modelo demográfico a los datos comparando la distribución observada de las configuraciones de bSFS con la esperada en M6 (obtenida usando 50 millones de ARG simulados por bloques). Si los datos fueran generados en su totalidad por el historial demográfico inferido, esperaríamos que las configuraciones de bSFS más comunes se ajustaran más a esta expectativa (consulte el archivo adicional 1: Figura S11). En contraste, la Figura 7 muestra que, independientemente del modelo demográfico que asumamos, algunos aspectos de los datos están mal capturados. En particular, las configuraciones de bSFS con pocas (o ninguna) mutaciones (mostradas en azul) son comunes y están sobrerrepresentadas en los datos. Este desajuste es compatible con la selección de fondo [38] y / o la selección positiva que reduce la diversidad genética en una fracción de bloques.

Ajuste absoluto del modelo al bSFS de 2 kb observado para las configuraciones más comunes. Cada punto representa una configuración mutacional única que forma el bSFS. El bSFS esperado (X-axis) se generó con ABLE utilizando 50 millones de ARG en el MCLE para cada modelo (Tabla 1) y se representó frente a la bSFS observada (y-eje) de los datos del orangután. La línea diagonal negra indica la combinación perfecta entre lo esperado y lo observado. Los colores representan el número total de SNP contenidos en cada configuración.

La selección vinculada puede reducir las estimaciones de ancestrales nortemi bajo supuestos neutrales. Lo que podría explicar por qué obtuvimos un tamaño efectivo mucho más pequeño para la población ancestral (Tabla 1 y Archivo adicional 2: Tabla S1) que los estudios anteriores [12, 19, 23, 25], mientras que nuestro nortemi las estimaciones para las dos poblaciones actuales concuerdan bastante bien [13]. Como era de esperar, esta firma de selección vinculada desaparece cuando consideramos un bSFS con un tamaño de bloque más corto (archivo adicional 1: Figura S12). Será interesante explorar la posibilidad de inferir conjuntamente la demografía y varias formas de selección utilizando el bSFS [39].

Efecto de la longitud del bloque y el tamaño de la muestra

Una propiedad interesante del bSFS es que colapsa al SFS tanto en los límites de la longitud mínima del bloque (una base) como en la longitud máxima del bloque (todos los datos en un solo bloque). En ambos extremos, toda la información de enlace se pierde y, por lo tanto, la información contenida en la distribución de los tipos de bSFS debe maximizarse en una longitud de bloque intermedia. Mientras que ABLE se basa en una partición arbitraria del genoma en bloques de una longitud fija, los puntos de corte de recombinación en el ARG definen "bloques" reales de secuencia que son idénticos por descendencia (IBD) con una distribución de longitud que depende de la historia demográfica en un complejo. camino. Debido a que la distancia de los bloques de EII es una función directa de la longitud de las ramas genealógicas, la información sobre diferentes procesos demográficos se maximiza en diferentes escalas físicas. Por ejemplo, una ráfaga de mezcla reciente genera un exceso de bloques largos que comparten descendencia a través del evento de mezcla, pero tienen ascendencia diferente antes de la mezcla. El hecho de que uno generalmente tenga poco conocimiento previo sobre la demografía hace que sea difícil decidir cuál es la longitud de bloque más informativa para un conjunto de datos en particular.

Sin embargo, dado el conocimiento de la proporción relativa de mutación sobre eventos de recombinación μ/ρ y asumiendo que la información en el bSFS se maximiza si los bloques contienen en promedio un pequeño número X de los tractos de EII, la longitud del bloque se puede definir heurísticamente para un X. Por ejemplo, asumiendo μ/ρ≈1 para Great Apes, nuestros bloques de 2 kb contienen un promedio de dos a tres eventos de recombinación dentro de cada Pongo especie (dado θW= 2,19 y 2,91 en bloques de 2 kb para las poblaciones de Borneo y Sumatra respectivamente). Un límite superior sensible (pero igualmente heurístico) para la longitud del bloque es la longitud a la que se maximiza el número de configuraciones bSFS únicas, que es de alrededor de 5 kb para el historial inferido para las dos especies de orangután (Archivo adicional 1: Figura S13). Sin embargo, los intentos de dividir los datos del orangután en bloques mucho más largos de 2 kb llevaron a una pérdida sustancial de datos (dada la modesta cobertura general), por lo que no exploramos esto más a fondo.

El hecho de que los enfoques ABLE y multilocus en general se basen en una longitud de bloque fija (y necesariamente arbitraria) es una limitación definida. Por lo tanto, una dirección interesante para el trabajo futuro sería integrar las estimaciones de CL basadas en el bSFS sobre un rango de tamaños de bloque que deberían mejorar el poder de inferir eventos demográficos recientes. Recientemente se implementó un esquema de inferencia relacionado que se integra en un rango de tamaños de ventana [20].

Nuestro hallazgo de mayor r Las estimaciones al usar bloques más cortos para los datos de orangután fueron sorprendentes. Dado que nuestro método ignora la heterogeneidad en ambos r y μ, que aumentan la autocorrelación en distancias cortas, esperábamos encontrar lo contrario, es decir, una disminución en r estimaciones para bloques más cortos. Sin embargo, nuestro análisis de simulación mostró que ABLE da estimaciones relativamente insesgadas de r para bloques cortos (500 pb) cuando la inferencia se realizó con dos o más muestras diploides por población (Archivo adicional 2: Tabla S3). Una explicación plausible de la gran r Las estimaciones para los datos de orangután podrían ser la conversión de genes porque los eventos de conversión que se extienden por los límites de los bloques son indistinguibles de los eventos cruzados. Los resultados de una simple simulación de un bSFS de bloques de 500 pb con conversión génica destacan esto como una causa probable para obtener estimaciones de tasa de recombinación más altas (archivo adicional 2: Tabla S3). Además, la conversión de genes debe tener un efecto decreciente en la bSFS para bloques que son más largos que la longitud del tracto de conversión típico de varios cientos de bases (ver Tabla 2 en [40]). En el futuro, debería ser posible utilizar esta dependencia de la longitud del bloque para desarrollar estimadores explícitos para la conversión de genes y las tasas de cruzamiento.

Incluso en una demografía compleja como M6, nuestros análisis de potencia basados ​​en simulación indican que la mayoría de los parámetros demográficos pueden recuperarse razonablemente con un solo genoma diploide por población (Archivo adicional 2: Tabla S3). El aumento del tamaño de la muestra a dos genomas diploides redujo a más de la mitad la desviación estándar en las estimaciones de algunos parámetros, en particular la tasa de recombinación (archivo adicional 1: Figura S2). Sin embargo, un aumento adicional en el tamaño de la muestra dio una mejora insignificante, a pesar del considerable costo computacional (archivo adicional 1: Figura S3) involucrado: el número de configuraciones bSFS únicas aumentó más de tres veces con tres en lugar de dos genomas diploides por población. Este rendimiento decreciente con el aumento del tamaño de la muestra (en términos de secuencias) es una propiedad fundamental del coalescente [41, 42]: retrocediendo en el tiempo, es probable que muestras más grandes de cada especie se hayan fusionado hasta un pequeño número de linajes (ver Fig. 3 en [42]) antes del evento de mezcla y, por lo tanto, es poco probable que contribuyan con mucha información adicional sobre los procesos demográficos más antiguos.

El SFS, el bSFS y el cbSFS

En este artículo, hemos explorado la intuición de que el uso de la información de vinculación contenida en el bSFS debería mejorar la inferencia demográfica en comparación con el SFS, que es sólo una función de la longitud esperada de las ramas genealógicas [5, 6]. Anteriormente se ha demostrado que el bSFS para una pequeña muestra (norte= 5) contiene significativamente más información sobre cuellos de botella pasados ​​que el SFS para una muestra grande (norte= 20, consulte la Fig. 3 en [22]). Asimismo, nuestro análisis comparando ABLE con el basado en SFS ai [3] para escenarios de población subdivididos progresivamente complejos (M1, M2 y M6) resultó en inferencias mejoradas (con el bSFS) de tamaños de poblaciones ancestrales, tiempos de divergencia y tasas de mezcla, aunque con una mayor variación en las estimaciones (archivo adicional 1: Figura S8, Figura S9 y Figura S10).

Sin embargo, solo utilizamos un subconjunto de dos genomas diploides para el análisis ABLE en comparación con la muestra completa de cinco genomas diploides utilizados por aI. Este aumento en el rendimiento puede explicarse por el hecho de que el bSFS es un resumen de variación de secuencia de mayor dimensión y, por lo tanto, mucho más rico que el SFS [18, 22]. Sin embargo, este aumento en la información tiene un costo computacional (archivo adicional 1: Figura S3) y, en general, puede ser fructífero reducir el espacio de parámetros utilizando enfoques basados ​​en SFS como ai [3] antes de un análisis ABLE. Finalmente, el esquema cbSFS proporciona una alternativa al considerar todos los subconjuntos de la muestra original que permite el análisis de muestras arbitrariamente grandes con un costo computacional mínimo.

Límites a la inferencia

Si bien nuestra elección de modelos se basó en el conocimiento previo de la historia demográfica de los orangutanes [13, 23-25], queda por determinar cuáles son los límites de la complejidad e identificabilidad del modelo con nuestro enfoque y en qué medida la distribución de los patrones bSFS supera la no identificabilidad del SFS [7, 43, 44]. A diferencia de los cálculos de probabilidad analítica (por ejemplo, [18]), no hay un aumento significativo en el costo computacional con el aumento de la complejidad del modelo cuando se aproxima la probabilidad de un punto dado en el espacio de parámetros. Sin embargo, la búsqueda de espacio de parámetros conlleva un costo obvio y que aumenta rápidamente con una mayor complejidad del modelo. Como todos los enfoques de probabilidad aproximada, ABLE requiere que el usuario haga elecciones cuidadosas sobre el número de parámetros, el número de genealogías para muestrear por punto en el espacio de parámetros y los límites de búsqueda del MCLE, todos los cuales son elementos cruciales de la estrategia de optimización. [4]. En este sentido, sugerimos que análisis piloto simples que varíen algunos o todos los factores mencionados anteriormente (ver archivo adicional 1: Figura S14 y Figura S13) deberían ayudar a informar la estrategia de inferencia.

También está claro que, independientemente del enfoque de la inferencia, la información en los datos es finita, por lo que debe haber un límite estricto sobre qué tan realista se puede esperar inferir una historia. Por lo tanto, el hecho de que ABLE pueda, en principio, usarse para ajustar cualquier modelo demográfico impone la responsabilidad de restringir la inferencia a escenarios que son tanto estadísticamente identificables como biológicamente interpretables para el usuario. La evaluación del ajuste relativo de modelos anidados más simples es una importante verificación de cordura sobre los límites de la información en los datos. Por ejemplo, nuestra comparación de análisis basados ​​en bloques de 2 kb y 500 pb (Fig. 5 y Archivo adicional 1: Figura S15, respectivamente) destaca los límites de nuestro esquema de inferencia para longitudes de bloque cortas.

El enfoque inferencial implementado en ABLE hace uso del simulador coalescente Sra [45] para muestrear genealogías por bloques o ARG. En principio, ABLE puede acomodar otros simuladores y, por lo tanto, es susceptible de incluir procesos adicionales como la selección vinculada [46, 47]. Otra vía interesante para futuras investigaciones es aplicar probabilidades compuestas aproximadas basadas en la bSFS a lo largo del genoma. Este enfoque no solo ayudaría a mejorar los mapas de recombinación para organismos no modelo, sino que también podría proporcionar un marco sólido para identificar regiones atípicas del genoma bajo selección positiva y / o afectado por introgresión de otra especie.


Inferir el panorama de la recombinación utilizando redes neuronales recurrentes

Inferir con precisión el panorama genómico de las tasas de recombinación en poblaciones naturales es un objetivo central en la genómica, ya que los patrones de vinculación influyen en todo, desde el mapeo genético hasta la comprensión de la historia evolutiva. Aquí describimos ReLERNN, un método de aprendizaje profundo para estimar con precisión un panorama de recombinación en todo el genoma utilizando tan solo cuatro muestras. En lugar de utilizar resúmenes del desequilibrio de ligamiento como entrada, ReLERNN considera columnas de un alineamiento de genotipo, que luego se modelan como una secuencia a través del genoma utilizando una red neuronal recurrente. Demostramos que ReLERNN mejora la precisión y reduce el sesgo en relación con los métodos existentes y mantiene una alta precisión frente a la especificación incorrecta del modelo demográfico. Aplicamos ReLERNN a poblaciones naturales de África Drosophila melanogaster y muestran que los paisajes de recombinación de todo el genoma, aunque están en gran parte correlacionados entre poblaciones, exhiben importantes diferencias específicas de la población. Por último, conectamos los patrones inferidos de recombinación con las frecuencias de las inversiones principales que se segregan en Drosophila poblaciones.


Resultados

Epistasis positiva (antagonista o de rendimiento decreciente)

Como consecuencia de la entrada de mutaciones deletéreas en los diferentes genes, la dirección de la epistasis es positiva, lo que significa que las mutaciones tienen un efecto más débil sobre la aptitud de las protocélulas cuando se combinan (Sección 3 en el Texto S1, ver Fig. S1). En esta condición, siempre se favorece la disminución de la recombinación [17, 29]. Vale la pena mencionar que la epistasis antagonista se ha predicho a partir de estudios del efecto de mutaciones en el plegamiento del ARN [30] y análisis de virus ARN [31], así como en mi. coli y S. cerevisiae utilizando análisis de balance de flujo y estudios in silico de redes metabólicas [32].

Cromosomatización y expansión del genoma

Primero resumimos los hallazgos principales y luego nos enfocamos en un escenario particular para comprender la dinámica del sistema. En todas las situaciones analizadas, los cromosomas siempre se diseminan a pesar de una fuerte selección intraprotocelular contra ellos. Incluso si un cromosoma largo se rompe, un conjunto diverso de cromosomas más pequeños con diferente número de genes puede estar presente en equilibrio. Sin embargo, en todos los casos, los cromosomas con conjuntos completos de genes dominan el sistema. Si el tamaño dividido S es bajo (es decir, si el número máximo de genes en el momento de la división de las protoceldas es bajo), los cromosomas con un conjunto completo de genes esenciales están presentes en una concentración relativamente alta. Con el aumento del tamaño de división aumenta la concentración de cromosomas con dos (o más) conjuntos completos de genes, es decir, observamos una expansión del genoma de genes ligados en función del tamaño de división. La rotura de los cromosomas produce genes solitarios y cromosomas más cortos que no contienen conjuntos completos de genes, lo que reduce la longitud media de los cromosomas y la aptitud de las protoceldas. Sin embargo, en el período transitorio la rotura cromosómica introduce la variación necesaria para alcanzar una composición óptima de genes en el cromosoma. Sin la rotura de los cromosomas, el sistema podría congelarse en un estado subóptimo y, en equilibrio, solo quedan unos pocos tipos de cromosomas en el sistema, lo que excluye una mayor optimización. Finalmente, hemos encontrado que la recombinación intracelular no afecta cualitativamente los resultados.

Ahora nos enfocamos en un caso particular asumiendo D = 3 genes esenciales (A, B y C). La Tabla 1 muestra el número y la proporción de diferentes tipos de genes en los cromosomas con diferentes números de genes en equilibrio. El cromosoma más frecuente (

50%) en la población estaba perfectamente equilibrado con los genes ABC, y el segundo más frecuente (

21%) cromosoma con genes ABCABC. Cromosomas balanceados ABCABCABC (

1,5%) también estuvieron presentes. En otros casos, la composición de genes estaba menos equilibrada, pero en general hay un equilibrio casi perfecto en la composición de genes a nivel de población. Las rupturas producen genes solitarios de forma recurrente y, debido a la carga de surtido, la proporción de genes solitarios de diferentes tipos no está bien equilibrada.


Introducción al análisis genético. 7ª edición.

Si se producen dos roturas en un cromosoma, a veces la región entre las roturas gira 180 grados antes de reunirse con los dos fragmentos finales. Tal evento crea una mutación cromosómica llamada inversión. A diferencia de las deleciones y duplicaciones, las inversiones no cambian la cantidad total de material genético, por lo que las inversiones son generalmente viables y no muestran anomalías particulares a nivel fenotípico. En algunos casos, una de las rupturas cromosómicas se encuentra dentro de un gen de función esencial, y luego ese punto de ruptura actúa como una mutación genética letal vinculada a la inversión. En tal caso, la inversión no se puede combinar con homocigosidad. Sin embargo, muchas inversiones pueden volverse homocigóticas y, además, pueden detectarse inversiones en organismos haploides. En estos casos, el punto de ruptura claramente no está en una región esencial. En la figura 17-14 se muestran algunos de los posibles resultados de la inversión a nivel del ADN.

Figura 17-14.

Efectos de las inversiones a nivel del ADN. Los genes están representados por A, B, C, y D. La hebra de plantilla es la hebra sin plantilla de color verde oscuro, las líneas dentadas de color verde claro indican rotura en el ADN. La letra P significa promotor, la flecha gruesa indica la posición (más.)

La mayoría de los análisis de inversiones utilizan inversiones heterocigotas y diploides en los que un cromosoma tiene la secuencia estándar y el otro lleva la inversión. La observación microscópica de meiosis en heterocigotos de inversión revela la ubicación del segmento invertido porque un cromosoma se retuerce una vez en los extremos de la inversión para emparejarse con el otro cromosoma sin torcer, de esta manera los homólogos emparejados forman un bucle de inversión (Figura 17-15).

Figura 17-15.

Los cromosomas de los heterocigotos de inversión se emparejan en un bucle en la meiosis. (a) Representación esquemática: cada cromosoma es en realidad un par de cromátidas hermanas. (b) Micrografías electrónicas de complejos sinaptonémicos en la profase I de la meiosis en un ratón heterocigoto (más.)

La ubicación del centrómero en relación con el segmento invertido determina el comportamiento genético del cromosoma. Si el centrómero está fuera de la inversión, se dice que la inversión es paracéntrico mientras que las inversiones que abarcan el centrómero son pericéntrico:

¿Cómo se comportan genéticamente las inversiones? El cruce dentro del bucle de inversión de una inversión paracéntrica conecta centrómeros homólogos en un puente dicéntrico mientras que también produce un fragmento acéntrico& # x02014a fragmento sin centrómero. Luego, a medida que los cromosomas se separan en la anafase I, los centrómeros permanecen unidos por el puente, que orienta los centrómeros de modo que las cromátidas no cruzadas se encuentren más separadas. El fragmento acéntrico no puede alinearse ni moverse y, en consecuencia, se pierde. La tensión finalmente rompe el puente y forma dos cromosomas con deleciones terminales (figura 17-16). Los gametos que contienen tales cromosomas eliminados pueden ser inviables pero, incluso si son viables, los cigotos que eventualmente forman son inviables. Por lo tanto, un evento cruzado, que normalmente genera la clase recombinante de productos meióticos, en cambio produce productos letales. El resultado general es una frecuencia recombinante más baja. De hecho, para los genes dentro de la inversión, el RF es cero. Para los genes que flanquean la inversión, la RF se reduce en proporción al tamaño relativo de la inversión.

Figura 17-16

Productos meióticos resultantes de un solo cruce dentro de un bucle de inversión paracéntrico. Dos cromátidas no hermanas se cruzan dentro del bucle.

Las inversiones también afectan a la recombinación de otra manera. Los heterocigotos de inversión a menudo tienen problemas de emparejamiento mecánico en la región de la inversión. Estos problemas de emparejamiento reducen la frecuencia de entrecruzamiento y, por lo tanto, la frecuencia recombinante en la región.

El efecto genético neto de una inversión pericéntrica es el mismo que el de una paracéntrica & # x02014 los productos cruzados no se recuperan & # x02014 pero por diferentes razones. En una inversión pericéntrica, debido a que los centrómeros están contenidos dentro de la región invertida, los cromosomas que se han cruzado se separan de manera normal, sin la creación de un puente. Sin embargo, el cruce produce cromátidas que contienen una duplicación y una deficiencia para diferentes partes del cromosoma (figura 17-17). En este caso, si se fertiliza un núcleo que lleva un cromosoma cruzado, el cigoto muere debido a su desequilibrio genético. Una vez más, el resultado es la recuperación selectiva de cromosomas no cruzados en la progenie viable.

Figura 17-17.

Productos meióticos resultantes de una meiosis con un solo cruce dentro de un bucle de inversión pericéntrico.

MENSAJE

Dos mecanismos reducen el número de productos recombinantes entre la progenie de heterocigotos de inversión: eliminación de los productos de cruces en el bucle de inversión e inhibición del apareamiento en la región de la inversión.

Vale la pena agregar una nota sobre inversiones homocigotas. En tales casos, los cromosomas invertidos homólogos se emparejan y se cruzan normalmente, no hay puentes y los productos meióticos son viables. Sin embargo, un efecto interesante es que el mapa de vinculación mostrará el orden de genes invertido.

Los genetistas utilizan inversiones para crear duplicaciones de regiones cromosómicas específicas con diversos fines experimentales. Por ejemplo, considere una inversión pericéntrica heterocigótica con un punto de ruptura en la punta (T) del cromosoma, como se muestra en la figura 17-18. Un cruce en el bucle produce un tipo de cromátida en el que todo el brazo izquierdo se duplica si la punta no es esencial, se genera un stock de duplicación para la investigación. Otra forma de hacer una duplicación (y una deficiencia) es usar dos inversiones paracéntricas con puntos de corte superpuestos (Figura 17-19). Se forma un bucle complejo y un cruce dentro de la inversión produce la duplicación y la eliminación. Estas manipulaciones solo son posibles en organismos con cromosomas mapeados minuciosamente para los que se dispone de grandes conjuntos de reordenamientos estándar.

Figura 17-18.

Generación de una duplicación no tándem viable a partir de una inversión pericéntrica cercana a una punta de cromosoma prescindible.

Figura 17-19.

Generación de una duplicación no tándem mediante el cruce entre dos inversiones superpuestas.

Hemos visto que el análisis genético y la citología cromosómica meiótica son buenas formas de detectar inversiones. Como ocurre con la mayoría de los reordenamientos, también existe la posibilidad de detección mediante análisis de cromosomas mitóticos. Una característica operativa clave es buscar nuevas relaciones de brazos. Considere un cromosoma que ha mutado de la siguiente manera:

Tenga en cuenta que la relación entre el brazo largo y el corto ha cambiado de aproximadamente 4 a aproximadamente 1 por la inversión pericéntrica. Las inversiones paracéntricas no alteran la proporción de los brazos, pero pueden detectarse microscópicamente si se dispone de bandas u otros puntos de referencia cromosómicos.

MENSAJE

Las principales características de diagnóstico de las inversiones son bucles de inversión, reducción de la frecuencia recombinante y reducción de la fertilidad de productos meióticos desequilibrados o eliminados, todos observados en individuos heterocigotos para inversiones. Algunas inversiones pueden observarse directamente como una disposición invertida de puntos de referencia cromosómicos.

Las inversiones se encuentran en aproximadamente el 2 por ciento de los humanos. Los portadores de inversión heterocigotos generalmente no muestran un fenotipo adverso, pero producen la gama esperada de productos meióticos anormales a partir del cruzamiento en el bucle de inversión. Consideremos las inversiones pericéntricas como ejemplo. Las personas heterocigotas para inversiones pericéntricas producen descendencia con los cromosomas de duplicación y supresión predichos que muestran diversos grados de anomalías dependiendo de la longitud de las regiones cromosómicas afectadas. Algunos fenotipos causados ​​por cromosomas por duplicación y supresión son tan anormales que no pueden sobrevivir al nacimiento y se pierden como abortos espontáneos. However, there is a way to study the abnormal meiotic products that does not depend on survival to term. Human sperm placed in contact with unfertilized eggs of the golden hamster penetrate the eggs but fail to fertilize them. The sperm nucleus does not fuse with the egg nucleus, and, if the cell is prepared for cytogenetic examination, the human chromosomes are easily visible as a distinct group (Figure 17-20). This technique makes it possible to study the chromosomal products of a male meiosis directly and is particularly useful in the study of meiotic products of men who have chromosome mutations.

Figure 17-20

Human sperm and hamster oocytes are fused to permit study of the chromosomes in the meiotic products of human males. (After original art by Renພ Martin.)

In one case, a man heterozygous for an inversion of chromosome 3 underwent sperm analysis. The inversion was a large one with a high potential for crossing-over in the loop. Four chromosome 3 types were found in the man’s sperm—normal, inversion, and two recombinant types (Figure 17-21). The sperm contained the four types in the following frequencies:

Figure 17-21

(a) Four different chromosomes 3 found in sperm of a man heterozygous for a large pericentric inversion. The duplication-deletion types result from a crossover in the inversion loop. (b) Two complete sperm chromosome sets containing the two duplication�letion (more. )

The duplication-q�letion-p recombinant chromosome had been observed previously in several abnormal children, but the duplication-p�letion-q type had never been seen, and probably zygotes receiving it are too abnormal to survive to term. Presumably, deletion of the larger q fragment has more severe consequences than deletion of the smaller p fragment.

By agreement with the publisher, this book is accessible by the search feature, but cannot be browsed.


Gene Mapping

The chromosome mapping or gene mapping is based on two important assumptions:(i) that genes are arranged on a chromosome in a linear fashion, and (ii) that the percentage of crossing over (recombination frequencies) between the two genes is an index of their distance apart. A chromosome map is a line on which the genes are represented points that are separated by distance proportional to the amount of crossing over. The gene mapping is based on the percentage of crossing over between genes, it is sometimes known as a crossing over map. The relationship between the cross over frequency and the distance between loci was first suggested in 1913 by A. I. Sturtevant. Thus, the chromosome map is a condensed graphic representation of relative distances between the linked genes, expressed in percentage of recombination among the genes in one linkage group. Distances between genes can be expressed in map units, where one map unit is defined as 1 per cent recombination. So, The representation in figure of relative position of genes on the chromosome is known as chromosome map in the process of identifying gene loci is called gene mapping.

Explanation of Gene Mapping

The amount of crossing over, on which the gene mapping is prepared, has been drawn from Test crosses. There is no direct microscopic examination of the chromosome. The gene mapping is based on two assumptions which are very easy to understand, those are: i) The genes are arranged in a liner fashion on the chromosome. ii) The percentage of crossing over between the two genes is an index of their distance in the chromosome.

Recombination frequency or Cross over value = Total number of recombinants in Test Cross / Total number of progeny of the Test Cross. The value is generally represented as a per cent of the total population. The variation in recombination frequency is governed by the distance between the genes. Closer the distance between the two genes, the less are the chances of crossing over. As a result there is lower frequency of recombination. The greater is the distance between the genes, the higher is the percentage of crossing over between them.

Construction of gene mapping

To construct the gene mapping of an animal or plant, its chromosomes are first represented by straight lines and then the positions of genes are determined from the percentage of crossing over data. The percentage of crossing over is governed by the distance between the genes concerned. If the two genes are closer then the chance of crossing over will be less I which will be reflected in the recombination frequency.

Technique of gene mapping

The assumption of consistent gene order along the chromosome, coupled with the fact that crossing occurs, makes it almost certain that gene loci can be determined in relation to each other. If genes are located in a consistent linear order along a chromosome, then the distance between any two genes and the amount of (Tossing over that occurs between them should be in direct proportion. Homologous chromosomes cross over each other and such cross over occasionally lead to an exchange of chromosome segments between the pairs. When such an exchange occurs, the linkage between certain genes is broken and new gamete possibilities arise. Higher the number of such gametes, greater will be the portion of the offspring showing the cross over phenotype. This percentage, therefore, gives direct measure of the amount of chromosomal crossing over. In other word, it provides a direct measure of the distance between the genes involved.

Factors Affecting Gene Mapping

(i) Double Crossing Over : This phenomenon occurs between two genes which are situated by long distance on the same chromosome. It has been observed, though there is double crossing over yet the two genes are remaining on the same chromosome. There is no apparent sign of crossing over. So, calculation of crossing over percentage may cause mistakes in the chromosome map. (ii) Interference : One chiasma may interfere to form another chiasma formation in the vicinity. As a result, one crossing over may reduces the crossing over in the vicinity. (iii) Temperature : High and low temperatures increase the frequency of crossing over. Hence, the temperature causes fluctuations in the location of genes on chromosome. (iv) X-ray : This ray increases the frequency of crossing over and disturb the location of genes on chromosome mapping. (v) Age : Experiment of Bridges shows that crossing over is more frequent in older females of Drosophila. Thus age also affects the frequency of crossing over. Hence, ageing also cause fluctuations in loci of genes on chromosome. (vi) Location : Crossing over is less frequent near centromere and near the terminal ends of chromosome. (vii) Sex : The males of many organisms show less frequency of crossing over. In male Drosophila there is no crossing over. Thus, sex may also affect the frequency of crossing over.

Utility or Importance of Gene Mapping

(i) Chromosome mapping or gene mapping are very useful in the study of genetic engineering. (ii) Chromosome maps are very helpful to find out the exact location of new mutant gene in chromosome. (iii) Chromosome maps have established the validity that genes are arranged in a linrar fashion in chromosome. (iv) Gene Mapping have established the concept that the specific genes occupy the specific loci in the specific chromosome.


Ver el vídeo: Reparación y Recombinación Homologa BT5 4 (Julio 2022).


Comentarios:

  1. Accalon

    Disculpe, no en esa sección .....

  2. Muzshura

    ¡Felicitaciones al administrador y lectores Feliz Navidad!

  3. Akinogore

    Muchas gracias por la explicación, ahora lo sabré.

  4. Mazugul

    ¿Probablemente estés equivocado?

  5. Mezitilar

    Algo no sale así

  6. Kody

    Perdón por fuera de tema, ¿quién vio videos en youtube sobre el fin del mundo? Bueno, sobre el colisionador de hadrones. ¡Da miedo!

  7. Desiderio

    Abrazo a la gente



Escribe un mensaje