Name: using phylogenetic analysis to investigate eukaryotic gene origin
Uploaded: 2018-08-14T12:30:00.000+00:00
Duration: 8 min 57 s
Description: Watch this Scientific Journal Video about Using Phylogenetic Analysis to Investigate Eukaryotic Gene Origin at JoVE.com

Este trabajo fue apoyado por la Fundación Nacional de Ciencias naturales de China (31371596), el centro de investigación de biotecnología, Universidad de China tres gargantas (2016KBC04) y la Fundación de Ciencias naturales de la provincia de Jiangsu, China (BK20151424).

1. alineación de la secuencia
<ol><li>
Recoge secuencias de aminoácidos de dulce eucariótico y procariótico SemiSWEET en documentos separados y lista en formato FASTA. Descargar secuencias del centro nacional para información biotecnológica (NCBI), laboratorio de Biología Molecular europeo (EMBL) y el Banco de datos de ADN de bases de datos de Japón (DDBJ) por la búsqueda de similitud con la herramienta básica Local herramienta alineación de la búsqueda (BLAST).
	<ol>
<li>En los archivos de ejemplo, recoger secuencias de proteína dulce supuesta 228 que poseen dos dominios de MtN3/saliva (7 hélices transmembranales) de 57 secuencias de proteína semidulce que posee un único dominio MtN3/saliva (3 hélices transmembranales) de procariotas y eucariotas 13.</li>
		<li>Para simplificar el proceso, seleccione 35 proteínas dulces de candidato de organismos eucariotas unicelulares entre los 228 dulces putativos para la construcción del árbol filogenético. Estas secuencias se unen para que el lector puede practicar en un conjunto de datos real.</li>
	</ol>
</li>
	<li>
Alinear las secuencias dulce 35 por introducir en Clustal Omega (http://www.ebi.ac.uk/Tools/msa/clustalo/).
	<ol>
<li>Copiar y pegar las secuencias de la proteína en formato FASTA en el cuadro de entrada o cargar un archivo de secuencia en formato FASTA. Especificar que son secuencia de aminoácidos haciendo clic en el icono en el menú desplegable en la sección de 'Paso 1'.</li>
		<li>Especificar el formato de salida y otros parámetros en la sección "Paso 2", si es necesario. Para este estudio, ajuste el formato de salida como "clustal sin número" y dejar los demás parámetros por defecto. En la mayoría de los casos, los parámetros por defecto funcionan bien sin ninguna especificación.</li>
	</ol>
</li>
	<li>Presentar y ejecutar la alineación en la sección "Paso 3". Puede llevar en cualquier lugar de varios segundos a minutos, hasta que haya terminado la alineación. En el panel de "Resumen de resultado", haga clic en el enlace bajo "Alineación en formato CLUSTAL" y guardar las secuencias alineadas como "35.clustal" (figura 1).</li>
	<li>
Abra el archivo de resultado de la alineación en BioEdit.
	<ol>
<li>En el panel principal de BioEdit, "Secuencia" y seleccionar "Editar humor" en el primer menú desplegable, haga clic en "Editar residuos" en el submenú (figura 2).</li>
		<li>Seleccionar las secuencias que sobresale en el lado izquierdo de la alineación con el cursor (la secuencia seleccionada se mostrará en negro) y haga clic en el icono "Eliminar" en el menú "Editar" para quitar las secuencias seleccionadas (figura 3).</li>
		<li>Seleccionar y eliminar las secuencias que sobresale en el lado derecho del primer dominio MtN3/saliva y guardar las secuencias de dominio MtN3/saliva primer recortadas como 35-I.fas (figura 4). Asimismo, eliminar la izquierda y derecha que sobresalen las secuencias del segundo dominio MtN3/saliva y guárdelo como II.fas 35. La primera y las segunda secuencias de dominio MtN3/saliva pueden predecirse con ritmo (http://proteinformatics.charite.de/rhythm/inndex.php?site=helix) o TMHMM (http://www.cbs.dtu.dk/services/TMHMM/) de antemano.</li>
	</ol>
</li>
	<li>
Abra el archivo 35-I.fas con MEGA y haga clic en "alinear" cuando se le solicite. Bajo el menú "Edición", "Seleccionar todo", haga clic en "Seleccionar secuencias"; los nombres y las secuencias de los taxa, se seleccionarán en negro (figura 5).
	<ol>
<li>Elija "Copiar" del menú "Editar" para copiar las secuencias en el portapapeles y luego pegar las secuencias copiadas a un archivo doc.</li>
		<li>En el archivo doc, reemplace todas "#" ">" y luego borrar los caracteres sin relación para convertirlos a formato FASTA. Añadir "-I" al final de cada nombre del taxón para marcarlos como las primeras secuencias de dominio MtN3/saliva. La segunda secuencia de dominio MtN3/saliva siguiendo el mismo método de procesar y agregar "-II" después de cada nombre de taxón.</li>
	</ol>
</li>
	<li>
Combinan las primeras y segunda MtN3/saliva dominio las secuencias en formato FASTA en un archivo doc.
	<ol>
<li>Cargar las secuencias combinadas en Clustal Omega otra vez y alinear las secuencias como se describió anteriormente. Guarde el resultado como "35 realigned.clustal".</li>
		<li>Abra el archivo "35 realigned.clustal" en BioEdit, eliminar los residuos de aminoácidos (saliente) desigual en cualquier extremo de las secuencias alineadas y guarde las secuencias como "35 realigned.fas". Haga clic en "Sí" cuando advirtió que no se pueden guardar algunos caracteres no estándar.</li>
	</ol>
</li>
</ol>2. cómputo del árbol filogenético
<ol><li>
Abrir "realigned.fas 35" en MEGA.
	<ol>
<li>Haga clic en el menú "Datos" y elija "Exportar la alineación" y guardar la alineación en el formato PAUP (nexus) como "35.nex" para su uso posterior en MrBayes (figura 6).</li>
		<li>Mientras tanto, haga clic en el icono de "Modelos" en el panel principal de MEGA, elija "buscar mejor ADN/proteína modelos (ML)" y haga clic en "Aceptar" en la ventana emergente. Haga clic en "Calcular" para iniciar el modelo de búsqueda proceso (figura 7). Se abrirá un nuevo panel de progreso; Este proceso dura varios minutos a varios días, dependiendo de la complejidad de las secuencias de carga y rendimiento del equipo. Nota: Una tabla que muestra que los resultados se abrirán después de que termine el proceso de búsqueda de modelo ( figura 8). La menor puntuación de BIC figurarán en primer lugar, seguido por una serie de diferentes modelos con aumentando poco a poco las partituras BIC. El primer modelo "LG + G + F" con la menor puntuación de BIC es el modelo recomendado para ML árbol basado en el archivo "35 realigned.fas".</li>
	</ol>
</li>
	<li>
Haga clic en el icono de "Filogenia" en el panel principal de MEGA, haga clic en "Prueba de construir la máxima probabilidad árbol" y luego haga clic en "Sí" en el panel emergente. Una nueva ventana abrirá mostrando diferentes parámetros que deben ser especifican (figura 9).
	<ol>
<li>En primer lugar, establecer el valor de bootstrap en la prueba de la caja de la filogenia; 500 o 1000 es adecuado en la mayoría de los casos. Bajo el modelo de sustitución, seleccione "aminoácido" como el tipo de sustitución. El propósito de elegir un modelo de sustitución es estimar la verdadera diferencia entre secuencias basadas en sus Estados presentes3.</li>
		<li>Seleccione "LG con Freqs. (+F) modelo "(LG + F) en el cuadro de modelo o método. En el cuadro patrón y tarifas, seleccione "Gamma distribuida" (G) para describir las variaciones de la tasa en todos los sitios, es decir., dando más peso a los cambios en evolución lentamente sitios3. En el cuadro de subconjunto de datos, seleccione "Eliminación completa" para eliminar todas las columnas que contienen guiones.</li>
		<li>Mantenga todos los otros parámetros en su estado por defecto (figura 9). Después de la especificación de estos parámetros, haga clic en el icono de "Calcular" para iniciar el cálculo.</li>
	</ol>
</li>
</ol>3. presentación del árbol filogenético
Nota: Un árbol filogenético de ML se presentará cuando termine el cómputo usando MEGA (figura 10).
<ol><li>En el menú desplegable del icono de "Archivo" en el panel de árbol, elija "Guardar sesión" para guardar el resultado (.mas es el tipo de archivo por defecto). En el presente estudio, el resultado se guarda como "35.mas". En el panel de árbol, muchos parámetros incluyendo longitud de clade, estilo árbol, topología de árbol, fuente del nombre del taxón, tamaño y color, se muestran y pueden ajustarse a diferentes opciones.</li>
	<li>Guarde el archivo final del árbol haciendo clic en el icono de imagen y guardar la figura en diferentes formatos o copiar la imagen como fuente para edición de fotos.</li>
</ol>4. Análisis de la relación de dulces y SemiSWEETs con alineamiento de secuencias
Nota: Este paso no necesite en el análisis de la secuencia ordinaria.
<ol><li>Alinee los 228 dulces eucariotas y 57 SemiSWEETs procariotas Clustal Omega como se describió anteriormente. Los resultados de la alineación se pueden demostrar en Jalview, que está integrada en Clustal Omega y copiado para guardar en un editor de fotos (figura 11). Nota: En la alineación de ejemplo, algunos SemiSWEETs de α-proteobacterias se alinean con el primer dominio MtN3/saliva de las secuencias del dulce, mientras que SemiSWEETs de Methanobacteria (archaea) se alinean con el segundo dominio MtN3/saliva de las secuencias del dulce.</li>
</ol>5. construcción de árbol filogenético con MrBayes
<ol><li>Inferencias bayesianas con MrBayes, abra el archivo ejecutable de MrBayes y una interfaz de DOS surgirá una nueva ventana. El primer paso es leer el archivo de datos de nexus. Entrada "execute 35.nex" después del símbolo del sistema (recuerda guardar el archivo de nex 35 en el mismo directorio del archivo ejecutable MrBayes, o señalar el camino del archivo antes de cargarlo). Se mostrará un mensaje de "éxito leer matriz" tras el último de los taxa mencionados (figura 12). El archivo de nex 35 ha sido preparado y guardado en MEGA (véase 2.1 supra).</li>
	<li>
Establecer el modelo evolutivo.
	<ol>
<li>Después el símbolo del sistema, escriba "prset aamodelpr = fixed(lg); LSet tarifas = g ". El "lg" y "g" corresponden al modelo "LG" y "G" que se encuentra en MEGA. Después de configurar correctamente el modelo, tipo "nchains mcmc = 4 ngen = 5.000.000" después el símbolo del sistema. El uso de la "nchains = 4" significa de entrada un número de una cadena de frío y tres cadenas calientes para el acoplamiento de la metrópoli. "ngen = 5.000.000" significa ejecutar generaciones 5.000.000 de acoplamiento de la metrópoli para la convergencia de las cadenas de frías y calientes. En este estudio, promedio desviación estándar de dividir las frecuencias por debajo de 0.01 fue mirado como la convergencia de las cadenas de frías y calientes.</li>
		<li>Tenga en cuenta que el número de ngen no se puede predecir con precisión el comienzo del proceso y generalmente es necesario ajustarse basado en el cambio en la desviación estándar promedio de las frecuencias de split. Además, el número de ngen de convergencia puede ser diferente cada vez cuando ejecuta el programa basado en los mismos datos.</li>
	</ol>
</li>
	<li>
Realizar el análisis: Este paso dura desde varios minutos a varios días, dependiendo de la complejidad de los datos de entrada y el rendimiento del ordenador. Después de completar el cómputo preestablecido, un mensaje preguntará "Continuar con el análisis (sí/no)?" Si "no" se ha escrito después del símbolo del sistema, la informática se detiene (figura 13), de lo contrario seguirá calcular después de entrada el número de generaciones más. Terminado el cómputo (con una desviación estándar promedio de frecuencias de split < 0.01 o 0.05), parar el cómputo escribiendo "no" después de la indicación de consulta. Nota: 0.01 es un criterio estricto, 0.05 es moderado y generalmente adecuada.</li>
	<li>
Resumir las muestras: Tipo "sumidero" después el símbolo del sistema para resumir muestras de parámetros del modelo (figura 14). Escriba "sumt relburnin = sí burninfrac = 0.25" después el indicador para resumir las muestras del árbol. Toda la información sobre la construcción del árbol filogenético se mostrará como en la figura 15, seguido por dos figuras de árbol que aparecen en la pantalla, un mostrando clade credibilidad y las otras longitudes de rama de Mostrar código ASC II. Al mismo tiempo, se guardarán automáticamente un archivo de árbol con el nombre de "35.nex.con".</li>
	<li>Para una mejor presentación del árbol filogenético, abra el archivo de árbol de "35.nex.con" con la herramienta de FigTree (http://tree.bio.ed.ac.uk/software/figtree/), seleccione un estilo o el tamaño para mostrar el resultado (figura 16) o incluso editar en un editor de fotos para que sea más fácil de leer.</li>
</ol>

<ol>
	<li>Nei, M., Kumar, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Molecular Evolution and Phylogenetics. , (2000).</li><li>Foth, B. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Phylogenetic+analysis+to+uncover+organellar+origins+of+nuclear-encoded+genes.">Phylogenetic analysis to uncover organellar origins of nuclear-encoded genes.</a> Methods Mol Biol. 390, 467-488 (2007).</li><li>Baldauf, S. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Phylogeny+for+the+faint+of+heart:+a+tutorial.">Phylogeny for the faint of heart: a tutorial.</a> Trends Genet. 19, 345-351 (2003).</li><li>Feng, D. F., Doolittle, R. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Progressive+sequence+alignment+as+a+prerequisite+to+correct+phylogenetic+trees.">Progressive sequence alignment as a prerequisite to correct phylogenetic trees.</a> J Mol Evol. 25, 351-360 (1987).</li><li>Persson, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Bioinformatics+in+protein+analysis.">Bioinformatics in protein analysis.</a> EXS. 88, 215-231 (2000).</li><li>Sievers, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fast,+scalable+generation+of+high-quality+protein+multiple+sequence+alignments+using+Clustal+Omega.">Fast, scalable generation of high-quality protein multiple sequence alignments using Clustal Omega.</a> Mol Syst Biol. 7, 539 (2011).</li><li>Sievers, F., Higgins, D. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Clustal+omega.">Clustal omega.</a> Curr Protoc Bioinformatics. 48, 1-16 (2014).</li><li>Yang, Z., Rannala, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Molecular+phylogenetics:+principles+and+practice.">Molecular phylogenetics: principles and practice.</a> Nat Rev Genet. 13, 303-314 (2012).</li><li>Hall, B. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comparison+of+the+accuracies+of+several+phylogenetic+methods+using+protein+and+DNA+sequences.">Comparison of the accuracies of several phylogenetic methods using protein and DNA sequences.</a> Mol Biol Evol. 22, 792-802 (2005).</li><li>Tamura, K., Stecher, G., Peterson, D., Filipski, A., Kumar, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=MEGA6:+Molecular+Evolutionary+Genetics+Analysis+version+6.0.">MEGA6: Molecular Evolutionary Genetics Analysis version 6.0.</a> Mol Biol Evol. 30, 2725-2729 (2013).</li><li>Ronquist, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=MrBayes+3.2:+efficient+Bayesian+phylogenetic+inference+and+model+choice+across+a+large+model+space.">MrBayes 3.2: efficient Bayesian phylogenetic inference and model choice across a large model space.</a> Syst Biol. 61, 539-542 (2012).</li><li>Chen, L. Q., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Sugar+transporters+for+intercellular+exchange+and+nutrition+of+pathogens.">Sugar transporters for intercellular exchange and nutrition of pathogens.</a> Nature. 468, 527-532 (2010).</li><li>Xuan, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Functional+role+of+oligomerization+for+bacterial+and+plant+SWEET+sugar+transporter+family.">Functional role of oligomerization for bacterial and plant SWEET sugar transporter family.</a> Proc Natl Acad Sci USA. 110, 3685-3694 (2013).</li><li>Hu, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Phylogenetic+evidence+for+a+fusion+of+archaeal+and+bacterial+SemiSWEETs+to+form+eukaryotic+SWEETs+and+identification+of+SWEET+hexose+transporters+in+the+amphibian+chytrid+pathogen+Batrachochytrium+dendrobatidis.">Phylogenetic evidence for a fusion of archaeal and bacterial SemiSWEETs to form eukaryotic SWEETs and identification of SWEET hexose transporters in the amphibian chytrid pathogen Batrachochytrium dendrobatidis.</a> FASEB J. 30, 3644-3654 (2016).</li><li>Holder, M. T., Zwickl, D. J., Dessimoz, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Evaluating+the+robustness+of+phylogenetic+methods+to+among-site+variability+in+substitution+processes.">Evaluating the robustness of phylogenetic methods to among-site variability in substitution processes.</a> Philos Trans R Soc Lond B Biol Sci. 363, 4013-4021 (2008).</li><li>Alfaro, M. E., Holder, M. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+Posterior+and+the+Prior+in+Bayesian+Phylogenetics.">The Posterior and the Prior in Bayesian Phylogenetics.</a> Annu Rev Ecol Evol Syst. 37, 19-42 (2006).</li><li>Suchard, M., Rambaut, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Many-core+algorithms+for+statistical+phylogenetics.">Many-core algorithms for statistical phylogenetics.</a> Bioinformatics. 25, 1370-1376 (2009).</li><li>Zierke, S., Bakos, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=FPGA+acceleration+of+the+phylogenetic+likelihood+function+for+Bayesian+MCMC+inference+methods.">FPGA acceleration of the phylogenetic likelihood function for Bayesian MCMC inference methods.</a> BMC Bioinformatics. 11, 184 (2010).</li></ol>

Los autores no tienen nada que revelar.

Es cada vez más popular en la investigación biológica para hacer un árbol filogenético basado en nucleótido o aminoácido secuencias8. Generalmente, hay tres etapas críticas de la práctica incluyendo la alineación de la secuencia, evaluación de las secuencias alineadas con el método apropiado o algoritmo y visualización de los resultados computacionales como un árbol filogenético. En el estudio presentado, se llevaron a cabo tres rondas de la alineación de la secuencia: en primer lu...

Secuencias de ADN o ARN llevan la información genética de fenotipos subyacentes que pueden ser analizados mediante métodos fisiológicos y bioquímicos u observada a través de pruebas morfológicas y fósiles. En cierto sentido, la información genética es más confiable que evaluar fenotipos externos porque el primero es la base para el último. En el estudio evolutivo, la evidencia fósil es muy directa y convincente. Sin embargo, muchos organismos, tales como microorganismos, tienen pocas posibilidades para formar un fósil durante edades del tiempo geológicas. Por lo tanto, información molecular como secuencias del nucleotide y del aminoácido secuencias de organismos existentes relacionados son de valor para explorar relaciones evolutivas1. En el presente estudio, una simple introducción de un protocolo fácil de aprender y conocimientos filogenéticos básicos fue proporcionada para los recién llegados que necesitan para construir un árbol filogenético por cuenta propia.
ADN (nucleótidos) y secuencias de la proteína (aminoácidos) pueden utilizarse para inferir relaciones filogenéticas entre genes homólogos, organelos o incluso organismos2. Secuencias de ADN son más propensos a ser afectados por los cambios durante la evolución. Por el contrario, secuencias de aminoácidos son mucho más estables ya que sinónimo de mutaciones en secuencias de nucleótidos no causan mutaciones en secuencias de aminoácidos. Como resultado, las secuencias de ADN son útiles para la comparación de genes homólogos de organismos estrechamente relacionados, mientras que secuencias de aminoácidos son apropiadas para los genes homólogos de organismos distante relacionados3.
Un análisis filogenético se inicia con la alineación de aminoácidos o nucleótidos secuencias4 Obtenido de un genoma anotado secuenciación base de datos5 listados en formato FASTA, es decir, expresa o supuesta proteína secuencias, secuencias de ARN , o secuencias de ADN. Cabe destacar que es fundamental reunir secuencias de alta calidad para el análisis y secuencias homólogas sólo pueden utilizarse para analizar las relaciones filogenéticas. Muchas plataformas diferentes como Clustal W, Clustal X, músculo, T-coffee, MAFFT, puede ser utilizado para alineamiento de secuencias. El más ampliamente utilizado es Clustal Omega6,7 (http://www.ebi.ac.uk/Tools/msa/clustalo/), que puede ser utilizado en línea o puede descargarse gratis de forma gratuita. La herramienta de alineación tiene muchos parámetros que el usuario puede ajustar antes de comenzar la alineación, pero los parámetros predeterminados funcionan bien en la mayoría de los casos. Una vez finalizado el proceso, las secuencias alineadas se guardará en el formato correcto para el siguiente paso. Que entonces deben ser editados o recortan utilizando un software de edición, como BioEdit, porque la construcción del árbol filogenético por MEGA requiere las secuencias de igual longitud (incluyendo las abreviaturas del aminoácido y guiones. En la secuencia alineada, cualquier posición sin aminoácidos o nucleótidos es representado por un guión "-"). En general, todos los que sobresalen los aminoácidos o nucleótidos en los extremos de la alineación se deben retirar. Además, se pueden eliminar columnas que contienen secuencias mal alineadas en la alineación porque transmiten poca información valiosa y a veces puede dar información confusa o falsa3. En este momento o en la posterior etapa de construcción de árbol se pueden eliminar las columnas que contienen uno o más guiones. Alternativamente, puede utilizarse para cómputo filogenética. Cuando termine el alineamiento de secuencias y el ajuste, las secuencias alineadas se guardará en formato FASTA, o en el formato deseado, para su uso posterior.
Muchas plataformas de software proporcionan funciones de construcción de árbol utilizando diferentes métodos o algoritmos. En general, los métodos se pueden clasificar como métodos de matriz de distancia o métodos de datos discretos. Métodos de matriz de distancia son sencillos y rápidos de calcular, mientras que los métodos de datos discretos son complicados y lentos. Para taxa estrechamente relacionados con un alto grado de intercambio de identidad de secuencia de aminoácidos o nucleótidos, un método de la matriz de distancia (Neighbor Joining: NJ; Método de grupo par no ponderado con la media aritmética: UPGMA) es apropiado; para taxa lejanamente relacionados, un método de datos discretos (máxima verosimilitud: ML; Máxima parsimonia: MP; Inferencia bayesiana) es optimo3,8. En este estudio, se aplicaron los métodos de ML en MEGA (6.0.6) y la inferencia bayesiana (MrBayes 3.2) para construir árboles filogenéticos9. Idealmente, cuando el modelo correcto y los parámetros se utilizan, los resultados derivados de métodos pueden ser consistentes, y son así más fiable y convincente.
Un árbol filogenético de ML construidos con MEGA10, debe cargarse en el archivo de alineación de la secuencia en formato FASTA en el programa. Entonces el primer paso es seleccionar el modelo de sustitución óptima de los datos cargados. Todos los modelos de sustitución disponible se comparan en base a las secuencias subidas, y sus puntuaciones finales se mostrarán en una tabla de resultados. Seleccione el modelo con el menor puntaje de criterio de información Bayesiano (BIC) (aparece primero en la tabla), ajustar parámetros de ML según el modelo recomendado y comenzar el cómputo. El tiempo de cálculo varía desde varios minutos a varios días, dependiendo de la complejidad de los datos cargados (longitud de las secuencias y el número de taxones) y el rendimiento de la computadora en la cual se ejecutan los programas. Cuando haya terminado el cómputo, un árbol filogenético se mostrará en una ventana nueva. Guarde el archivo como "FileName.mat". Tras la configuración de parámetros para especificar el aspecto del árbol, excepto una vez más. Usando este método, MEGA puede generar cifras de publicación grado árbol filogenético.
Para la construcción del árbol con MrBayes11, el primer paso es transformar la secuencia alineada, que generalmente aparece en formato FASTA, en formato nexus (.nex como el tipo de archivo). Transformar archivos FASTA en formato nexus puede ser procesado en MEGA. A continuación, la secuencia alineada en formato nexus puede cargarse en MrBayes. Cuando el archivo es cargado con éxito, especificar parámetros detallados para el cómputo del árbol. Estos parámetros incluyen detalles como el modelo de sustitución de aminoácido, tasas de variación, número de cadena de cadena de Markov Monte Carlo (MCMC), enganche, número de ngen, promedio desviación estándar de división de frecuencias y así sucesivamente. Después de han sido especificados estos parámetros, iniciar el cómputo. Al final, dos figuras de árbol en código ASC II, un mostrando clade credibilidad y las otras longitudes de rama de mostrar, aparecerá en la pantalla.
El resultado del árbol se guardará automáticamente como "FileName.nex.con". Este archivo de árbol puede ser abierto y editado por FigTree, y la cifra que se muestra en FigTree puede modificarse para que sea más conveniente para su publicación.
En este estudio, se analizaron 228 proteínas dulces, incluyendo 35 dulces de eucariotas unicelulares y 57 SemiSWEETs de procariotas, por ejemplo. Los dulces y SemiSWEETs fueron caracterizados como glucosa, fructosa o sacarosa transportistas a través de las membranas12,13. Análisis filogenético sugiere que los dos dominios MtN3/saliva que contiene dulces podrían ser derivados de una fusión evolutiva de un SemiSWEET bacteriana y de un archaeon14.

<table><tbody><tr><td>Adobe Illustration</td><td></td><td></td><td>a graphical tool developed by Adobe Systems Software Ireland Ltd. Copyright &amp;copy; 2017</td></tr><tr><td>BioEdit</td><td></td><td></td><td>a biological sequence alignment editor written for Windows 95/98/NT/2000/XP/7. Copyright &amp;copy; Tom Hall</td></tr><tr><td>Clustal Omega</td><td></td><td></td><td>a package for making multiple sequence alignments of amino acid or nucleotide sequences.&amp;nbsp; http://www.clustal.org/</td></tr><tr><td>CorelDRAW</td><td></td><td></td><td>a graphic design software. Copyright &amp;copy; 2017 Corel Corporation</td></tr><tr><td>FigTree</td><td></td><td></td><td>a graphical viewer of phylogenetic trees designed by the University of Edinburgh</td></tr><tr><td>MEGA</td><td></td><td></td><td>MolecularEvolutionary Genetics Analysis version6.0 http://www.megasoftware.net/home</td></tr><tr><td>MrBayes</td><td></td><td></td><td>an Bayesian phylogenetic inference tool</td></tr><tr><td>NVIDIA</td><td></td><td></td><td>a company designs graphics processing units (GPUs) for the gaming and professional markets. Corporation Copyright &amp;copy; 2017</td></tr><tr><td>PAUP</td><td></td><td></td><td>Phylogenetic Analysis Using Parsimony. David Swofford&#039;s program implements the maximum likelihood method under a number of nucleotide models.</td></tr><tr><td>Photoshop</td><td></td><td></td><td>a raster graphics editor developed and published by Adobe Systems Software Ireland Ltd. Copyright &amp;copy; 2017</td></tr><tr><td>RHYTHM</td><td></td><td></td><td>a knowledge based prediction of hekix contacts. Charit&amp;eacute; Berlin &amp;ndash; Protein Formatics Group - Copyright 2007-2009</td></tr><tr><td>TMHMM</td><td></td><td></td><td>a tool for prediction of transmembrane helices in proteins. http://www.cbs.dtu.dk/services/TMHMM/</td></tr><tr><td>Compter</td><td></td><td></td><td>4 GB memory, Core 2 or above CPU. Windows 7, Windows 10</td></tr></tbody></table>

using phylogenetic analysis to investigate eukaryotic gene origin

El análisis filogenético utiliza nucleótido o aminoácido secuencias u otros parámetros, tales como secuencias de dominio y estructura tridimensional, para construir un árbol para mostrar la relación evolutiva entre diferentes taxones (unidades de clasificación) en el molecular nivel. El análisis filogenético puede utilizarse también para investigar las relaciones de dominio dentro de un taxón individual, particularmente para los organismos que han sufrido importantes cambian en morfología y fisiología, pero para que los investigadores carecen de evidencia fósil debido a la organismos larga historia evolutiva o escasez de fosilización.
En este texto, se describe un protocolo detallado para el método filogenético incluyendo alineamiento de secuencias de aminoácidos usando Clustal Omega y construcción subsecuente árbol filogenético usando ambos máxima probabilidad (ML) de la genética evolutiva Molecular Análisis (MEGA) y la inferencia bayesiana través de MrBayes. Para investigar el origen de genes eucarióticos Azúcares será eventualmente ser exportado transportadores (dulce), se analizaron 228 dulces incluyendo 35 dulce proteínas de eucariotas unicelulares y 57 semidulces proteínas de procariotes. Curiosamente, SemiSWEETs se encuentra en procariotas, pero dulces se encuentran en eucariotas. Dos árboles filogenéticos construidos mediante métodos teóricamente distintos han sugerido consistentemente que el primer eucariota gen dulce podría provienen de la fusión de un gen bacteriano semidulce y un gen de archaeal semidulce. Cabe señalar que uno debe ser cauteloso al sacar una conclusión basada solo en el análisis filogenético, aunque es útil explicar la relación subyacente entre diferentes taxones, que es difícil o incluso imposible de discernir a través de medios experimentales .

Árboles filogenéticos muestran que todos los dominios MtN3/saliva primera de las secuencias dulce 35 agrupan como un clado y los dominios MtN3/saliva segundo de las dulces secuencias agrupadas como otro clado. Además, resultados de alineación de los dulces y SemiSWEETs muestran que algunos SemiSWEETs de α-proteobacterias alineación con el primer dominio MtN3/saliva de las secuencias del dulce, mientras que SemiSWEETs de Methanobacteria (archaea) alineación con la segunda MtN3/saliv...

Watch this Scientific Journal Video about Using Phylogenetic Analysis to Investigate Eukaryotic Gene Origin at JoVE.com

Using Phylogenetic Analysis to Investigate Eukaryotic Gene Origin

Se describe un método de construir un árbol filogenético basado en la homología de la secuencia de dulces de eucariotas y SemiSWEETs de procariotas. El análisis filogenético es una herramienta útil para explicar la relación evolutiva entre genes o proteínas homólogas de grupos de organismo diferente.

Utilizando el análisis filogenético para investigar origen de genes eucariotas

Phylogenetic analysis uses nucleotide or amino acid sequences or other parameters, such as domain sequences and three-dimensional structure, to construct ...

using-phylogenetic-analysis-to-investigate-eukaryotic-gene-origin

Research

Education

JoVE Journal

JoVE Core

Molecular Biology

Immunology and Infection

Unit 2

Genomes and Evolution

SCIENTISTS IN ACTION

15.8K vistas.  China Three Gorges University. Se describe un método de construir un árbol filogenético basado en la homología de la secuencia de dulces de eucariotas y SemiSWEETs de procariotas. El análisis filogenético es una herramienta útil para explicar la relación evolutiva entre genes o proteínas homólogas de grupos de organismo diferente.

Video: Using Phylogenetic Analysis to Investigate Eukaryotic Gene Origin

Heuristic Mining of Hierarchical Genotypes and Accessory Genome Loci in Bacterial Populations

Routine and systematic use of bacterial whole-genome sequencing (WGS) is enhancing the accuracy and resolution of epidemiological investigations carried out by Public Health laboratories and regulatory agencies. Large volumes of publicly available WGS data can be used to study pathogenic populations at a large scale. Recently, a freely available computational platform called ProkEvo was published to enable reproducible, automated, and scalable hierarchical-based population genomic analyses using bacterial WGS data. This implementation of ProkEvo demonstrated the importance of combining standard genotypic mapping of populations with mining of accessory genomic content for ecological inference. In particular, the work highlighted here used ProkEvo-derived outputs for population-scaled hierarchical analyses using the R programming language. The main objective was to provide a practical guide for microbiologists, ecologists, and epidemiologists by showing how to: i) use a phylogeny-guided mapping of hierarchical genotypes; ii) assess frequency distributions of genotypes as a proxy for ecological fitness; iii) determine kinship relationships and genetic diversity using specific genotypic classifications; and iv) map lineage differentiating accessory loci. To enhance reproducibility and portability, R markdown files were used to demonstrate the entire analytical approach. The example dataset contained genomic data from 2,365 isolates of the zoonotic foodborne pathogen Salmonella Newport. Phylogeny-anchored mapping of hierarchical genotypes (Serovar -&#62; BAPS1 -&#62; ST -&#62; cgMLST) revealed the population genetic structure, highlighting sequence types (STs) as the keystone differentiating genotype. Across the three most dominant lineages, ST5 and ST118 shared a common ancestor more recently than with the highly clonal ST45 phylotype. ST-based differences were further highlighted by the distribution of accessory antimicrobial resistance (AMR) loci. Lastly, a phylogeny-anchored visualization was used to combine hierarchical genotypes and AMR content to reveal the kinship structure and lineage-specific genomic signatures. Combined, this analytical approach provides some guidelines for conducting heuristic bacterial population genomic analyses using pan-genomic information.

This analytical computational platform provides practical guidance for microbiologists, ecologists, and epidemiologists interested in bacterial population genomics. Specifically, the work presented here demonstrated how to perform: i) phylogeny-guided mapping of hierarchical genotypes; ii) frequency-based analysis of genotypes; iii) kinship and clonality analyses; iv) identification of lineage differentiating accessory loci.

Minería heurística de genotipos jerárquicos y loci del genoma accesorio en poblaciones bacterianas

Routine and systematic use of bacterial whole-genome sequencing (WGS) is enhancing the accuracy and resolution of epidemiological investigations carried ...

Investigación

Genética

Single Cell Multiplex Reverse Transcription Polymerase Chain Reaction After Patch-clamp

The cerebral cortex is composed of numerous cell types exhibiting various morphological, physiological, and molecular features. This diversity hampers easy identification and characterization of these cell types, prerequisites to study their specific functions. This article describes the multiplex single cell reverse transcription polymerase chain reaction (RT-PCR) protocol, which allows, after patch-clamp recording in slices, to detect simultaneously the expression of tens of genes in a single cell. This simple method can be implemented with morphological characterization and is widely applicable to determine the phenotypic traits of various cell types and their particular cellular environment, such as in the vicinity of blood vessels. The principle of this protocol is to record a cell with the patch-clamp technique, to harvest and reverse transcribe its cytoplasmic content, and to detect qualitatively the expression of a predefined set of genes by multiplex PCR. It requires a careful design of PCR primers and intracellular patch-clamp solution compatible with RT-PCR. To ensure a selective and reliable transcript detection, this technique also requires appropriate controls from cytoplasm harvesting to amplification steps. Although precautions discussed here must be strictly followed, virtually any electrophysiological laboratory can use the multiplex single cell RT-PCR technique.

This protocol describes the critical steps and precautions required to perform single cell multiplex reverse transcription polymerase chain reaction after patch-clamp. This technique is a simple and effective method to analyze the expression profile of a predetermined set of genes from a single cell characterized by patch-clamp recordings.

Sola célula Multiplex transcripción reversa reacción en cadena polimerasa después de Patch-clamp

The cerebral cortex is composed of numerous cell types exhibiting various morphological, physiological, and molecular features. This diversity hampers ...

Neurociencias

Comprehensive Workflow for the Genome-wide Identification and Expression Meta-analysis of the ATL E3 Ubiquitin Ligase Gene Family in Grapevine

Classification and nomenclature of genes in a family can significantly contribute to the description of the diversity of encoded proteins and to the prediction of family functions based on several features, such as the presence of sequence motifs or of particular sites for post-translational modification and the expression profile of family members in different conditions. This work describes a detailed protocol for gene family characterization. Here, the procedure is applied to the characterization of the Arabidopsis T&#243;xicos in Levadura (ATL) E3 ubiquitin ligase family in grapevine. The methods include the genome-wide identification of family members, the characterization of gene localization, structure, and duplication, the analysis of conserved protein motifs, the prediction of protein localization and phosphorylation sites as well as gene expression profiling across the family in different datasets. Such procedure, which could be extended to further analyses depending on experimental purposes, could be applied to any gene family in any plant species for which genomic data are available, and it provides valuable information to identify interesting candidates for functional studies, giving insights into the molecular mechanisms of plant adaptation to their environment.

This article describes the procedure for the identification and characterization of a gene family in grapevine applied to the family of Arabidopsis T&#243;xicos in Levadura (ATL) E3 ubiquitin ligases.

Flujo de trabajo integral para la identificación de todo el genoma y Meta-análisis de la expresión de la familia del Gene del ATL E3 ubiquitina ligasa en Grapevine

Classification and nomenclature of genes in a family can significantly contribute to the description of the diversity of encoded proteins and to the ...

Biología

A Bioinformatics Pipeline for Investigating Molecular Evolution and Gene Expression using RNA-seq

Distilling and reporting large datasets, such as whole genome or transcriptome data, is often a daunting task. One way to break down results is to focus on one or more gene families that are significant to the organism and study. In this protocol, we outline bioinformatic steps to generate a phylogeny and to quantify the expression of genes of interest. Phylogenetic trees can give insight into how genes are evolving within and between species as well as reveal orthology. These results can be enhanced using RNA-seq data to compare the expression of these genes in different individuals or tissues. Studies of molecular evolution and expression can reveal modes of evolution and conservation of gene function between species. The characterization of a gene family can serve as a springboard for future studies and can highlight an important gene family in a new genome or transcriptome paper.

The purpose of this protocol is to investigate the evolution and expression of candidate genes using RNA sequencing data.

Una Tubería Bioinformática Para La Investigación De La Evolución Molecular Y La Expresión Génica Usando RNA-seq

Distilling and reporting large datasets, such as whole genome or transcriptome data, is often a daunting task. One way to break down results is to focus ...

An Integrated Approach for Microprotein Identification and Sequence Analysis

Next-generation sequencing (NGS) has propelled the field of genomics forward and produced whole genome sequences for numerous animal species and model organisms. However, despite this wealth of sequence information, comprehensive gene annotation efforts have proven challenging, especially for small proteins. Notably, conventional protein annotation methods were designed to intentionally exclude putative proteins encoded by short open reading frames (sORFs) less than 300 nucleotides in length to filter out the exponentially higher number of spurious noncoding sORFs throughout the genome. As a result, hundreds of functional small proteins called microproteins (&#60;100 amino acids in length) have been incorrectly classified as noncoding RNAs or overlooked entirely.
Here we provide a detailed protocol to leverage free, publicly available bioinformatic tools to query genomic regions for microprotein-coding potential based on evolutionary conservation. Specifically, we provide step-by-step instructions on how to examine sequence conservation and coding potential using Phylogenetic Codon Substitution Frequencies (PhyloCSF) on the user-friendly University of California Santa Cruz (UCSC) Genome Browser. Additionally, we detail steps to efficiently generate multiple species alignments of identified microprotein sequences to visualize amino acid sequence conservation and recommend resources to analyze microprotein characteristics, including predicted domain structures. These powerful tools can be used to help identify putative microprotein-coding sequences in noncanonical genomic regions or to rule out the presence of a conserved coding sequence with translational potential in a noncoding transcript of interest.

The protocol described here provides detailed instructions on how to analyze genomic regions of interest for microprotein-coding potential using PhyloCSF on the user-friendly UCSC Genome Browser. Additionally, several tools and resources are recommended to further investigate sequence characteristics of identified microproteins to gain insight into their putative functions.

Un enfoque integrado para la identificación de microproteínas y el análisis de secuencias

Next-generation sequencing (NGS) has propelled the field of genomics forward and produced whole genome sequences for numerous animal species and model ...

Evolutionary Relationships

Humans have been attempting to properly classify living things since Aristotle made the first attempt during the 4th century BC. Aristotle&#8217;s system was improved upon during the Renaissance and then, subsequently, by Carolus Linnaeus in the mid 1700&#8217;s. These more formal classification and organization systems grouped species by their physical similarity to one another. For example, all vertebrates have a backbone, but invertebrates do not. Traits like the backbone are called synapomorphies, which are traits that are shared by a group of organisms, presumably because they were derived from a common ancestor. As we will explore, this method has been shown to have limitations and has more recently been amended to include genetic analysis. Still, scientists construct trees called dendrograms to create a visual representation of how species are related to one another and share common ancestors. These dendrograms can aid in our understanding of the evolutionary processes that drive these relationships. Genetic comparisons have added an important tool guiding the analysis of evolutionary relationships.
<h4>Types of Dendrogram</h4>
A type of dendrogram, called a cladogram, depicts the hypothetical genealogical relationships between species with the tips (or leaves) of the tree representing a species and the branches showing how species are related to each other. A slightly more complicated type of tree, called a phylogram, differs from a cladogram in that the branches leading to the species are of different lengths. The length of a branch in this type of tree represents the degree of change between species: the longer the branch, the more time since the species have diverged from a common ancestor. In both types of tree, the common ancestor of a group of species is indicated by a node, which is the point where a series of branches meet. Species that are more closely related to each other (most recently shared a common ancestor) will be located closest to the node. The two species that share a node are called a sister group1.
<h4>Understanding Evolutionary Relationships using Genetic Data</h4>
Historically, cladograms were constructed by comparing the morphology (physical structure) of organisms. This method is still practiced but the techniques have been modernized to include comparison of DNA (deoxyribonucleic acid) sequences between species. Using DNA for building trees has several advantages over relying solely on morphology, including being able to calculate an estimate of how long ago different species shared a common ancestor1. However, using DNA is not always feasible, especially when trees include extinct organisms. DNA is best found in soft tissues, which are not preserved during the fossilization process, and therefore it is uncommon for a DNA sample of an extinct species to be available.
DNA is passed on from parents to their offspring in hereditary units called genes. The nucleotide (A, G, C, and T) sequence of genes found in different species are frequently quite similar, likely due to their having come from a common ancestor. This fact allows researchers to align sequences from different species with one another to build the trees described above. Species with more similarity between their nucleotide sequences will be placed next to each other in a tree, and species with less sequence similarity will be placed further apart from each other.
Bioinformatics are the tools used by biologists to analyze large datasets using a combination of computer science, mathematical modeling, and statistics. One such tool is called BLAST (Basic Local Alignment Search Tool), which can be used to quickly search the entire genome of any species that is available in the NCBI (National Center for Biotechnology Information) database2. The NCBI database combines several different databases that hold different types of DNA sequence information. The process of a BLAST search includes complex computer algorithms, but basically, BLAST aligns sequences of each nucleotide base from a submitted DNA sequence (known as the query sequence) with sequences in the data base that most closely match it. The DNA sequences that are found will be listed in order of similarity to the sequence in question, and will therefore be from species closely related to the species containing the query gene. This comparison may or may not depict the actual evolutionary relationship between species because genes evolve at different rates. Additionally, genomes sometimes contain more than one instance of a similar sequence.
Comparison of DNA sequences of genes is valuable beyond consideration of evolutionary relationships. Frequently, genes are identified in model organisms, such as the fruit fly, Drosophila melanogaster, or the mouse3. Integral to studying a gene, the function of its product is commonly identified and analyzed. If a researcher is interested in studying that function in a different organism (humans for example), BLAST or other bioinformatic tools can be used to find candidate genes based on their similarities to the genes of known function from model organisms.
Human genes can also be used as the starting point to find homologs in model organisms. In fact, human disease research depends heavily on this. Once a human gene of interest is identified, mice can be genetically manipulated to have the homologous gene disrupted, or &#8220;knocked out,&#8221; creating a model of the human disease that can be studied in order to understand and treat the disease. There are many of these mouse strains currently available. For example, there is a mouse model for human Cystic Fibrosis (CF) called the Cftr knockout mouse and another modeling atherosclerosis, called the Apoe knockout3. 
 
<h4>References:</h4>
<ol class="references">
	<li>Annenberg Learner. Online Textbook: Unit 3 Evolution and Phylogenetics. Rediscovering Biology. [Online] 2017. [Cited: August 23, 2018.] https://www.learner.org/courses/biology/textbook/compev/compev_3.html.</li>
	<li>National Center for Biotechnology Information, U.S. National Library of Medicine. BLAST: Basic Local Alignment Search Tool. [Online] https://blast.ncbi.nlm.nih.gov/Blast.cgi.</li>
	<li>National Human Genome Research Institute. Background on Mouse as a Model Organism. National Human Genome Research Institute. [Online] December 2002. [Cited: August 23, 2018.] <a href="https://www.genome.gov/10005834/background-on-mouse-as-a-model-organism/" target="__blank">https://www.genome.gov/10005834/background-on-mouse-as-a-model-organism/</a>.</li>
</ol>

Evolutionary Relationships: Using BLAST to Test Evolutionary Hypotheses - Concept

Relaciones evolutivas

Humans have been attempting to properly classify living things since Aristotle made the first attempt during the 4th century BC. Aristotle&#8217;s system ...

Educación

JoVE Lab Manual

Evolución

Evolutionary Relationships through Genome Comparisons

Genome comparison is one of the excellent ways to interpret the evolutionary relationships between organisms. The basic principle of genome comparison is that if two species share a common feature, it is likely encoded by the DNA sequence conserved between both species. The advent of genome sequencing technologies in the late 20th century enabled scientists to understand the concept of conservation of domains between species and helped them to deduce evolutionary relationships across diverse organisms.
Genome comparison can reveal three levels of evolutionary relationships. The first level provides deep insight into sequences and protein domains that are conserved across diverse groups of organisms, such as humans and fishes. The second level increases the resolution further to identify the unique DNA elements present in the closely related species, such as humans and chimpanzees. The third level with even higher data resolution distinguishes the genetic differences within a species, such as different variants and subtypes of an organism. This high-level resolution may identify mutations particular to individual microbial strains or clusters of infected cases, helping to track the disease outbreaks.
<h4>DNA sequencing tools</h4>
Several methods can be used to obtain the DNA sequence data required to deduce evolutionary relationships. Among them, whole-genome sequencing or WGS is a widely used technique. It provides high-resolution data extremely helpful to analyze mutations and conserved sequences among several organisms. It can also identify the cause of genetic disorders by comparing the DNA sequence of affected individuals to those of other unaffected subjects.
<h4>Data analysis tools</h4>
The data obtained by WGS or similar sequencing methods is analyzed by appropriate software tools to deduce evolutionary relationships. Molecular Evolutionary Genetics Analysis (MEGA) is one of the most widely used software tools. The programs present in the MEGA, such as assembly sequence alignment, building evolutionary trees, estimating genetic distances, and computation of evolutionary time trees, allow the users to curate and interpret the raw data obtained from sequencing techniques.

Relaciones evolutivas por comparaciones  genómicas

Genome comparison is one of the excellent ways to interpret the evolutionary relationships between organisms. The basic principle of genome comparison is ...

Biología Molecular

Genomas y Evolución

TÉRMINOS Y CONCEPTOS CLAVES

Genomic DNA in Eukaryotes

Eukaryotes have large genomes compared to prokaryotes. To fit their genomes into a cell, eukaryotic DNA is packaged extraordinarily tightly inside the nucleus. To achieve this, DNA is tightly wound around proteins called histones, which are packaged into nucleosomes that are joined by linker DNA and coil into chromatin fibers. Additional fibrous proteins further compact the chromatin, which is recognizable as chromosomes during certain phases of cell division.

<h4>The Human Genome Measured in Meters</h4>

Most cells in the human body contain about 6 billion base pairs of DNA packaged into 23 pairs of chromosomes. It is hard to imagine exactly how much DNA these numbers represent, and therefore it is difficult to grasp how densely packed DNA must be to fit into a cell. We can gain some insight by expressing the genome in terms of length. If we were to arrange the DNA of a single diploid cell into a straight line, it would be about two meters long!

Note that humans do not have unusually large genomes. Many fish, amphibians, and flowering plants have much larger genomes than humans. For example, the haploid genome of the Japanese flowering plant Paris japonica contains about 50 times more DNA than the human haploid genome. These figures emphasize the astonishing work that histones and other chromatin remodeling proteins must do to package DNA.

Compaction of GenomIc DNA in Eukaryotes

ADN genómico en eucariotas

Eukaryotes have large genomes compared to prokaryotes. To fit their genomes into a cell, eukaryotic DNA is packaged extraordinarily tightly inside the ...

PROCESOS CELULARES

Ciclo Celular y División

Eukaryotic Evolution

The endosymbiont theory is the most widely accepted theory of eukaryotic evolution; however, its progression is still somewhat debated. According to the nucleus-first hypothesis, the ancestral prokaryote first evolved a membrane to enclose DNA and form the nucleus. Conversely, the mitochondria-first hypothesis suggests that the nucleus was formed after endosymbiosis of mitochondria.
Contrary to the endosymbiont theory, the eukaryote-first hypothesis proposes that the simpler prokaryotic and archaeal life forms evolved from the already existing complex eukaryotic cells.
Evidence for Endosymbiont Theory 
Evidence for the endosymbiont theory comes from the many similarities that the eukaryotic organelles, like mitochondria and chloroplast, share with prokaryotic cells. Like the prokaryotic cells, mitochondria and chloroplasts contain circular, double-stranded genomes devoid of histones. These organelles also divide by the process of fission, similar to bacterial cell division, rather than by mitosis. Of the two membranes that surround them, the inner membranes resemble the bacterial plasma membrane in lipid and protein composition. Finally, the structure of genes, genetic code, and translational machinery (such as ribosomes) in these organelles are more similar to the prokaryotic machinery than eukaryotic.
LECA - Last Eukaryotic Common Ancestor
All eukaryotes are believed to have evolved from the Last Eukaryotic Common Ancestor or LECA about 1100 to 2300 million years ago. It is thought that LECA had already acquired endosymbionts like mitochondria and chloroplast by this stage. The new organelles made these ancestral cells more efficient and powerful, which allowed them to evolve novel characteristics such as multicellularity and cellular specialization. Their large cell size and internal compartmentalization also allowed their genomes to increase in size during the course of evolution. However, only a small portion of this genome encoded proteins; the major portion was non-coding DNA mostly involved in regulatory processes. The ability to turn genes on and off when required was key to cell specialization and responding to environmental changes. Phylogenetic and comparative genomic studies show five to six eukaryotic supergroups that evolved from LECA and later diverged into the plethora of life forms we see today.

Evolución de eucariotas

The endosymbiont theory is the most widely accepted theory of eukaryotic evolution; however, its progression is still somewhat debated. According to the ...

Biología Celular

Unit 1

Células, genomas y evolución

Gene Evolution - Fast or Slow?

The genomes of eukaryotes are punctuated by long stretches of sequence which do not code for proteins or RNAs. Although some of these regions do contain crucial regulatory sequences, the vast majority of this DNA serves no known function. Typically, these regions of the genome are the ones in which the fastest change, in evolutionary terms, is observed, because there is typically little to no selection pressure acting on these regions to preserve their sequences.
In contrast, regions which code for a protein might experience high selection pressure, because any changes in their sequence are likely to result in a protein which is less capable of performing its function optimally. However, occasionally a mutation in one of these regions will result in a beneficial outcome that contributes to the overall fitness of the organism, and such mutations often persist and may even become fixed in populations. When comparing the frequency of these mutation events to the relatively regular changes seen in non-coding sequences, this is exceedingly rare, and so in general coding regions are considered as evolving slowly.
It is also true that there is a measurable amount of variation in the levels of sequence conservation within coding sequences, and this is seen across all organisms. For instance, take the example of a receptor protein. Such proteins typically have different regions that may perform functions such as ligand binding, or intracellular signaling, or membrane integration. In this case, a mutation in the region that is involved in ligand binding may produce a protein that is less efficient at binding the ligand. Therefore, selection pressure would likely be high on the particular nucleotides coding for this part of the protein. However, in the section of the protein which spans the membrane, there may be less effect seen if an amino acid substitution occurs, and therefore lower levels of selection pressure. Under these conditions, we might see that two regions of the same protein-coding gene might have different rates of evolution.
Sequencing Genes or Genomic Regions to Build Phylogenies
This variation in the speed of genome evolution over different regions can be studied to answer questions about evolutionary relationships. Genes and gene regions can be selected and sequenced over groups of individuals to answer questions as narrow as &#8220;are these populations potentially different species?&#8221; or as broad as &#8220;how do these phyla place into the tree of life?&#8221;. For the former, selecting a gene that has a relatively lightly conserved region would help to identify population-level differences. Conversely, to answer questions over groups as diverse as phyla, a highly conserved gene region may provide enough homology to produce a phylogeny of such groups. Commonly used regions for molecular phylogenetic analyses such as these include ribosomal rRNA genes (such as 16s rRNA, 18s rRNA, or 28s rRNA), or genomic regions known as ITS (Internal Transcribed Spacers, I or II) which sit between the ribosomal rRNA subunit genes.

Gene Evolution and Sequencing Genomic Regions to Build Phylogenies

Evolución de genes: ¿rápida o lenta?

The genomes of eukaryotes are punctuated by long stretches of sequence which do not code for proteins or RNAs. Although some of these regions do contain ...