Los grupos de genes metabólicos o grupos de genes biosintéticos son conjuntos estrechamente vinculados de genes en su mayoría no homólogos que participan en una vía metabólica común y discreta . Los genes están físicamente próximos entre sí en el genoma y su expresión a menudo está corregulada. [1] [2] [3] Los grupos de genes metabólicos son características comunes de los genomas bacterianos [4] y de la mayoría de los hongos [5] . Se encuentran con menos frecuencia en otros [6] organismos. Son más conocidos por producir metabolitos secundarios , la fuente o base de la mayoría de los compuestos farmacéuticos , toxinas naturales , comunicación química y guerra química entre organismos. Los grupos de genes metabólicos también participan en la adquisición de nutrientes, la degradación de toxinas, [7] la resistencia a los antimicrobianos y la biosíntesis de vitaminas. [5] Dadas todas estas propiedades de los grupos de genes metabólicos, desempeñan un papel clave en la configuración de los ecosistemas microbianos, incluidas las interacciones entre el microbioma y el huésped. Por tanto , se han desarrollado varias herramientas de genómica computacional para predecir grupos de genes metabólicos.
Bases de datos
MIBiG, BiG-FAM
Herramientas bioinformáticas
Herramientas basadas en reglas
Se han desarrollado herramientas bioinformáticas para predecir y determinar la abundancia y expresión de este tipo de grupos de genes en muestras de microbiomas, a partir de datos metagenómicos. [8] Dado que el tamaño de los datos metagenómicos es considerable, el filtrado y la agrupación de los mismos son partes importantes de estas herramientas. Estos procesos pueden consistir en técnicas de reducción de dimensionalidad, como Minhash , [9] y algoritmos de clusterización como k-medoids y propagación por afinidad . También se han desarrollado varias métricas y similitudes para compararlas.
La minería del genoma para grupos de genes biosintéticos (BGC) se ha convertido en una parte integral del descubrimiento de productos naturales. Los más de 200.000 genomas microbianos ahora disponibles públicamente contienen información sobre abundante química novedosa. Una forma de navegar por esta vasta diversidad genómica es mediante el análisis comparativo de BGC homólogos, que permite la identificación de patrones entre especies que pueden relacionarse con la presencia de metabolitos o actividades biológicas. Sin embargo, las herramientas actuales se ven obstaculizadas por un cuello de botella causado por el costoso enfoque basado en redes utilizado para agrupar estos BGC en familias de grupos de genes (GCF). BiG-SLiCE (motor de agrupación superlineal de genes biosintéticos), una herramienta diseñada para agrupar cantidades masivas de BGC. Al representarlos en el espacio euclidiano, BiG-SLiCE puede agrupar BGC en GCF de forma casi lineal y no por pares.
Satria et al., 2021 [10] en BiG-SLiCE demuestran la utilidad de dichos análisis al reconstruir un mapa global de diversidad metabólica secundaria en toda la taxonomía para identificar un potencial biosintético inexplorado, abre nuevas posibilidades para acelerar el descubrimiento de productos naturales y ofrece un primer paso. hacia la construcción de una red interconectada global y con capacidad de búsqueda de BGC. A medida que se secuencian más genomas de taxones poco estudiados, se podrá extraer más información para resaltar su química potencialmente novedosa. [10]
herramientas basadas en aprendizaje automático
Evolución
El origen y la evolución de los grupos de genes metabólicos se han debatido desde la década de 1990. [11] [12] Desde entonces se ha demostrado que los grupos de genes metabólicos pueden surgir en un genoma mediante reordenamiento del genoma, duplicación de genes o transferencia horizontal de genes , [13] y algunos grupos metabólicos han evolucionado de manera convergente en múltiples especies. [14] La transferencia horizontal de grupos de genes se ha relacionado con nichos ecológicos en los que se cree que las vías codificadas proporcionan un beneficio. [15] Se ha argumentado que la agrupación de genes para funciones ecológicas resulta de tendencias reproductivas entre organismos y continúa contribuyendo a la adaptación acelerada al aumentar el refinamiento de funciones complejas en el pangenoma de una población. [dieciséis]
Referencias
- ^ Schläpfer P, Zhang P, Wang C, Kim T, Banf M, Chae L, et al. (Abril de 2017). "Predicción de todo el genoma de enzimas metabólicas, vías y grupos de genes en plantas". Fisiología de las plantas . 173 (4): 2041-2059. doi : 10.1104/pp.16.01942. PMC 5373064 . PMID 28228535.
- ^ Miller BL, Miller KY, Roberti KA, Timberlake WE (enero de 1987). "Los mecanismos dependientes e independientes de la posición regulan la expresión celular específica del grupo de genes SpoC1 de Aspergillus nidulans". Biología Molecular y Celular . 7 (1): 427–34. doi :10.1128/MCB.7.1.427. PMC 365085 . PMID 3550422.
- ^ Banf M, Zhao K, Rhee SY (septiembre de 2019). "METACLUSTER: un paquete R para análisis de expresión específico de contexto de grupos de genes metabólicos". Bioinformática . 35 (17): 3178–3180. doi : 10.1093/bioinformática/btz021. PMC 6735823 . PMID 30657869.
- ^ Cimermancic P, Medema MH, Claesen J, Kurita K, Wieland Brown LC, Mavrommatis K, et al. (Julio de 2014). "Conocimientos sobre el metabolismo secundario a partir de un análisis global de grupos de genes biosintéticos procarióticos". Celúla . 158 (2): 412–421. doi :10.1016/j.cell.2014.06.034. PMC 4123684 . PMID 25036635.
- ^ ab Ranura JC (2017). "Diversidad y evolución de grupos de genes de hongos". Filogenética y filogenómica de hongos . Avances en Genética. vol. 100, págs. 141-178. doi :10.1016/bs.adgen.2017.09.005. ISBN 978-0-12-813261-6. PMID 29153399.
- ^ Wisecaver JH, Borowsky AT, Tzin V, Jander G, Kliebenstein DJ, Rokas A (mayo de 2017). "Un enfoque de red global de coexpresión para conectar genes a vías metabólicas especializadas en plantas". La célula vegetal . 29 (5): 944–959. doi :10.1105/tpc.17.00009. PMC 5466033 . PMID 28408660.
- ^ Gluck-Thaler E, Slot JC (junio de 2018). "La bioquímica vegetal especializada impulsa la agrupación de genes en hongos". La Revista ISME . 12 (7): 1694-1705. Código Bib : 2018ISMEJ..12.1694G. doi :10.1038/s41396-018-0075-3. PMC 6018750 . PMID 29463891.
- ^ Pascal-Andreu V, Augustijn H, van den Berg K, van der Hooft J, Fischbach M, Medema M (2020). "BiG-MAP: un proceso automatizado para perfilar la abundancia y expresión de grupos de genes metabólicos en microbiomas" (PDF) . bioRxiv . 6 (5): e00937-21. doi : 10.1101/2020.12.14.422671. PMC 8547482 . PMID 34581602.
- ^ Ondov B, Treangen T, Melsted P, Mallonee A, Bergman N, Koren S, et al. (2016). "Mash: estimación rápida de la distancia del genoma y metagenoma utilizando MinHash". Biología del genoma . 17 (32): 14. doi : 10.1186/s13059-016-0997-x . PMC 4915045 . PMID 27323842.
- ^ ab Kautsar SA, van der Hooft JJ, de Ridder D, Medema MH (13 de enero de 2021). "BiG-SLiCE: una herramienta altamente escalable mapea la diversidad de 1,2 millones de grupos de genes biosintéticos". GigaCiencia . 10 (1): giaa154. doi : 10.1093/gigascience/giaa154 . PMC 7804863 . PMID 33438731.
- ^ Lawrence JG, Roth JR (1 de agosto de 1996). "Operons egoístas: la transferencia horizontal puede impulsar la evolución de los grupos de genes". Genética . 143 (4): 1843–1860. doi :10.1093/genética/143.4.1843. ISSN 0016-6731. PMC 1207444 . PMID 8844169.
- ^ Pál C, Hurst LD (1 de junio de 2004). "Evidencia contra la teoría del operón egoísta". Tendencias en Genética . 20 (6): 232–234. doi :10.1016/j.tig.2004.04.001. PMID 15145575.
- ^ Reynolds HT, Vijayakumar V, Gluck-Thaler E, Korotkin HB, Matheny PB, Slot JC (2018). "La transferencia horizontal de grupos de genes aumentó la diversidad de hongos alucinógenos". Cartas de Evolución . 2 (2): 88-101. doi :10.1002/evl3.42. ISSN 2056-3744. PMC 6121855 . PMID 30283667.
- ^ Ranura JC, Rokas A (1 de junio de 2010). "Múltiples grupos de genes de la vía GAL evolucionaron de forma independiente y mediante diferentes mecanismos en los hongos". Procedimientos de la Academia Nacional de Ciencias . 107 (22): 10136–10141. Código Bib : 2010PNAS..10710136S. doi : 10.1073/pnas.0914418107 . PMC 2890473 . PMID 20479238.
- ^ Greene GH, McGary KL, Rokas A, Slot JC (enero de 2014). "La ecología impulsa la distribución de módulos especializados del metabolismo de la tirosina en los hongos". Biología y evolución del genoma . 6 (1): 121-132. doi : 10.1093/gbe/evt208. ISSN 1759-6653. PMC 3914699 . PMID 24391152.
- ^ Ranura JC, Gluck-Thaler E (1 de octubre de 2019). "Agrupaciones de genes metabólicos, diversidad de hongos y generación de funciones accesorias". Opinión actual en genética y desarrollo . 58–59: 17–24. doi : 10.1016/j.gde.2019.07.006 . ISSN 0959-437X. PMID 31466036. S2CID 201674539.