인식과 기능유전체학

Epistasis and functional genomics

경구(Epistasis)는 한 유전자의 돌연변이가 다른 위치에서의 돌연변이의 표현형 효과를 가리는 유전적 상호작용을 말한다.[1]이러한 인식적 상호작용에 대한 체계적 분석은 유전적 경로의 구조와 기능에 대한 통찰력을 제공할 수 있다.돌연변이 쌍으로 인한 표현형을 검사하는 것은 이러한 유전자의 기능이 어떻게 교차하는지를 이해하는 데 도움이 된다.유전적 상호작용은 일반적으로 양성/알레비제이션 또는 음성/아그비제이션으로 분류된다.피트니스 인식증(비알렐릭 유전자의 상호작용)은 주어진 두 유전자의 기능 돌연변이가 유해한 돌연변이의 개별적인 영향에서 예측한 적합성을 초과하게 될 때 양성이며(즉, 감소, 길항 또는 완충이 될 때), 음성이 될 때(즉, 강화, 상승 또는 악화)이다.그것은 건강을 감소시킨다.[2]리자드 코로나와 루카스 자스노스는 사카로마이오스 세레비시아에서 인식 효과가 보통 양성이라는 것을 보여주었다.보통 양성 상호작용의 경우에도 이중 돌연변이는 단일 돌연변이보다 체력이 작다.[2]양성 상호작용은 종종 두 유전자가 동일한[3] 경로 내에 있을 때 발생한다. 반대로, 음성 상호작용은 두 개의 단일 돌연변이의 경우 예상할 수 있는 것보다 훨씬 더 강한 결함으로 특징지어지며, 가장 극단적인 경우(합성 병/사) 이중 돌연변이는 치명적이다.이 가중된 표현형은 보상 경로에 있는 유전자가 둘 다 도태될 때 발생한다.null

이러한 유형의 상호작용을 분석하는 고처리 방법은 유전자 상호작용에 대한 우리의 지식을 넓히는 데 유용했다.합성 유전자 배열(SGA), 미세조영(dSLAM)에 대한 디플로이드 기반 합성 치사율 분석, 인식 미니어레이 프로파일(E-MAP)은 유전적 상호작용의 체계적 분석과 매핑을 위해 개발된 세 가지 중요한 방법이다.게놈을 광범위하게 연구하기 위한 이러한 체계적인 접근방식은 기능성 게놈학에도 상당한 영향을 미친다.알려진 경로 내에서 미지의 유전자와 정해진 유전자 사이의 부정적이고 긍정적인 상호작용을 확인함으로써, 이러한 방법들은 대사 경로나 발달 경로의 맥락 안에서 이전에 특성화되지 않았던 유전자의 기능을 해명할 수 있다.null

유추 기능: 돌연변이를 완화 및 악화시키는 기능

인식적 상호작용에 대한 정보가 유전자 경로와 어떻게 관련되는지 이해하기 위해, C. 엘레간에서 외음세포 분화의 간단한 예를 고려해보자.세포는 Pn세포에서 Pn.p세포, VP세포에서 불벌세포로 분화한다.lin-26의[4] 돌연변이는 Pn 세포와 Pn.p 세포의 분화를 차단한다.lin-36[5] 돌연변이는 VP세포로의 전환 시 분화를 차단하면서 유사하게 행동한다.두 경우 모두 분화 경로에 업스트림 블록이 있기 때문에 결과 표현형은 불발세포의 부재로 표시된다.이 두 유전자가 모두 교란된 이중 돌연변이는 어느 하나의 돌연변이보다 더 나쁜 것은 아닌 동등한 표현형을 나타낸다.lin-26의 업스트림 붕괴는 lin-36의 돌연변이의 표현형 효과를 완화적 인식 상호작용의 전형적인 예에서 가린다.null

반면에 변이를 악화시키는 것은 각각의 변이의 누적 효과보다 더 나쁜 표현형을 낳는다.이 가중된 표현형은 보상 경로에서 두 개의 유전자를 나타낸다.단일 돌연변이의 경우 병렬 경로로 인해 중단된 경로의 손실을 보상할 수 있지만, 이중 돌연변이의 경우 이 보상 경로의 작용도 손실되어 관찰된 표현 유형이 더 극적으로 나타난다.이러한 관계는 보다 미묘한 완화적 표현형보다 훨씬 더 쉽게 감지할 수 있었고 성장률이 현저히 감소된 이중 돌연변이를 식별하는 합성병/유사(SSL) 화면을 통해 S. 세레비시아에서 광범위하게 연구되어 왔다.null

이중 뮤턴트 분석에서 나온 이러한 결론은 많은 경로와 돌연변이에 적용되나 보편적인 것은 아니라는 점을 지적해야 한다.예를 들어, 유전자는 경로에서 반대 방향으로 작용할 수 있기 때문에 양쪽을 모두 때려눕히는 것은 거의 정상적인 표현형을 만들어 내는 반면, 각각의 돌연변이는 (반대 방향에서) 심각한 영향을 받는다.잘 연구된 예는 난자에 꼽추와 나노스 유전자의 유전자 생산물이 존재하는 드로소필라에서 초기 발달 과정에서 발생하며, 반대 방향으로 작용하여 전-후반 패턴 형성을 지시한다.신호 전달 경로에서 유사한 일이 종종 일어나는데, 여기서 경로의 음의 조절기를 두드리는 것은 초활성화 표현형을 유발하는 반면, 긍정적으로 작용하는 구성 요소를 두드리는 것은 반대 표현형을 생성한다.단일 "출력"이 있는 선형 경로에서, 반대방향으로 작용하는 두 유전자의 녹아웃 돌연변이가 동일한 개인에 결합될 때, 이중 돌연변이의 표현형은 일반적으로 정상적인 유전자 생산물이 경로에서 하류로 작용하는 단일 돌연변이의 표현형과 동일하다.null

SSL 돌연변이를 탐지하는 방법

SGA 및 dSLAM

합성 유전자 배열(SGA)과 디플로이드 기반의 마이크로아레이(dSLAM) 합성 치사율 분석은 합성 병든 치명적인 돌연변이를 식별하고 음의 인식 관계를 특성화하는 데 사용된 두 가지 핵심 방법이다.전체 효모 게놈의 염기서열 분석은 게놈의 거의 모든 유전자에 대해 녹아웃 돌연변이 라이브러리를 생성하는 것을 가능하게 했다.이러한 분자 바코드형 돌연변이는 고투입 인식 연구를 크게 용이하게 하는데, 이는 그것들이 풀링되어 필요한 이중 돌연변이를 발생시키는 데 사용될 수 있기 때문이다.SGA와 DSLAM 접근법은 모두 하플로이드 이중 돌연변이를 생성하기 위해 변형/복제되는 효모 녹아웃 변종에 의존한다.마이크로 어레이 프로파일링은 이러한 단일 돌연변이와 이중 돌연변이의 적합성을 비교하는 데 사용된다.SGA의 경우, 검사된 이중 돌연변이는 하플로이드로 되어 있으며, 돌연변이 변종과 짝짓기를 한 후 여러 번 선택한 후 수집된다. 단일 돌연변이와 이중 돌연변이의 dSLAM 변종은 동일한 diploid 이형성 변종("dSLAM"의 "diploid"로 표시)에서 유래한다.DSLAM 분석의 경우, 단일 돌연변이와 이중 돌연변이의 적합성은 성장 경쟁 분석의 마이크로 어레이 분석을 통해 평가된다.null

에피스타틱 미니어레이 프로필(E-MAP)

유전적 상호작용에 대한 보다 풍부한 이해를 발전시키기 위해, 실험적인 접근법은 표현형을 야생형이나 합성 치사형으로 이항 분류하는 것에서 벗어나고 있다.E-MAP 접근법은 완화 효과와 악화 효과 모두를 강조할 수 있는 능력 때문에 특히 설득력이 있으며, 이 능력은 이 방법을 SGA와 DSLAM과 같은 다른 방법들과 구별하는 것이다.또한 E-MAP는 두 가지 유형의 상호작용을 모두 식별하는 것은 물론, 이러한 상호작용을 통한 등급화와 각각의 유전자 쌍에 적용되는 상호작용을 나타내는 마스크된 표현형의 심각성을 인식한다.null

E-MAP는 유전자 상호작용을 고투입 방식으로 분석하기 위해 SGA 접근방식을 이용한다.이 방법은 특히 S. 세레비시아의 인식장애를 검사하기 위해 개발되었지만, 다른 모델 유기체에도 적용될 수 있다.E-MAP는 이중 돌연변이 균주의 체계적 생성에서 생성된 데이터를 명확하게 정의된 대규모 유전자 그룹에 대해 취합한다.각각의 표현형 반응은 성장률을 결정하기 위해 서식지 크기를 영상화함으로써 정량화된다.이 피트니스 점수는 각각의 돌연변이에 대한 예측된 적합성과 비교되어 유전적 상호작용 점수를 얻는다.유사한 상호작용 프로파일을 가진 유전자를 그룹화하기 위한 이 데이터의 계층적 군집화는 알려진 기능이 있는 유전자와 없는 유전자 사이의 인식적 관계를 식별할 수 있게 한다.이러한 방식으로 데이터를 분류함으로써, 상호작용을 하는 것으로 알려진 유전자는 유사한 상호작용 패턴을 보이지만 아직 기능이 확인되지 않은 유전자와 함께 함께 군집할 것이다.따라서 E-MAP 데이터는 유전자를 잘 특성화된 경로 내에서 새로운 기능에 배치할 수 있다.콜린스 등이 제시한 E-MAP를 예로 들어보자. 이 E-MAP는 전사적 규제에 관여하는 중재자 단지의 중간 영역의 구성요소와 함께 전사적 신장 인자 Dst1을[6] 군집화한다.[7]이것은 Dst1이 중재자와 협력하여 기능하는 새로운 역할을 시사한다.null

주어진 E-MAP 내에서 조사된 유전자의 선택은 결실을 맺는 데 매우 중요하다.특히 조사된 유전자의 중요한 부분집합이 문헌에서 잘 확립되어 있다는 것이 중요하다.따라서 이러한 유전자들은 E-MAP의 조정기 역할을 할 수 있어 특성화되지 않은 유전자의 데이터를 더 확실하게 분석할 수 있다.서브 셀룰러 국산화 및 일반 셀룰러 공정(예: 셀 사이클)에 의해 구성된 클러스터는 S. 세레비시아에서 수익성 있는 결과를 낳았다.단백질-단백질 상호작용 연구의 데이터는 또한 E-MAP 데이터에 대한 유전자 그룹을 선택하는데 유용한 기초를 제공할 수 있다.우리는 물리적 상호작용을 보이는 유전자가 유전적 수준에서 상호작용을 증명할 것으로 예상하며, 따라서 이러한 유전자가 E-MAP 데이터에 대한 적절한 통제장치로 작용할 수 있다.콜린스 외 연구진(2007) 대규모 선호도 정화 방법(AP-MS)의 E-MAP 점수 및 물리적 상호작용 데이터의 비교를 수행했으며, 이들의 데이터는 E-MAP 접근방식이 AP-MS와 같은 기존 방법과 동등한 특수성을 가진 단백질-단백질 상호작용을 식별한다는 것을 보여준다.

그러나 가능한 유전자 쌍의 수가 극히 많고(S. 세레비시아에서 약 2천만 개) 유전자 상호작용의 추정 밀도가 상당히 낮기 때문에 인식적 관계를 조사하는 높은 처리량 방법은 어려움에 직면한다.[8]이러한 어려움은 전체 게놈에 걸친 쌍을 검사하기보다는 하나의 유전자 군집 내에서 가능한 모든 상호작용을 검사함으로써 반박될 수 있다.잘 선택된다면, 이러한 기능 군집은 게놈의 다른 영역보다 유전적 상호작용의 밀도가 상당히 높기 때문에 검사할 유전자 쌍의 수를 급격하게 감소시키면서 더 높은 검출률을 허용한다.[8]null

돌연변이 균주 생성: DAmP

E-MAP에 대한 데이터를 생성하는 것은 수천 개의 이중 돌연변이 변종의 생성에 달려 있다. 예를 들어 483개의 알레르기에 대한 연구는 최대 10만 개의 구별되는 이중 돌연변이 쌍을 가진 E-MAP를 만들었다.그러나 본질적인 유전자 돌연변이의 도서관 세대는 치명적인 표현형을 가지고 있기 때문에 상당한 어려움을 나타낸다.따라서 E-MAP 연구는 이러한 유전자의 중간 표현 수준을 가진 변종에 의존한다.메신저 RNA 섭동(DAmP) 전략에 의한 풍부성 감소는 이러한 종류의 분석에 필요한 돌연변이의 고투과 생성에 특히 흔하며 생존능력의 손실 없이 필수 유전자의 부분적인 붕괴를 가능하게 한다.[9]DAmP는 항생제 선택 가능한 마커를 3's에 통합함으로써 mRNA 대본의 불안정화에 의존한다.정지 코돈의 다운스트림인 UTR(그림 2). 3' 확장된 대본을 가진 mRNA는 급속하게 분해의 대상이 되며, 그 결과는 본래의 추진자의 통제 하에 있는 동안 관심 유전자의 하향 조절이 된다.비필수 유전자의 경우 삭제 균주를 사용할 수 있다.분자 바코드로 삭제 현장에서 태그를 지정하면 고유한 20-bp 시퀀스로 각 돌연변이 변종의 상대적 건강 수준을 식별하고 연구할 수 있다.null

참조

  1. ^ a b Roth, F.; Lipshitz, H. & Andrews, B. (2009). "Q&A: Epistasis". J. Biol. 8 (4): 35. doi:10.1186/jbiol144. PMC 2688915. PMID 19486505.
  2. ^ a b Jasnos L, Korona R (Apr 2007). "Epistatic buffering of fitness loss in yeast double deletion strains". Nature Genetics. 39 (4): 550–554. doi:10.1038/ng1986. PMID 17322879.
  3. ^ Fiedler, D.; et al. (2009). "Functional Organization of the S. cerevisiae Phosphorylation Network". Cell. 136 (5): 952–963. doi:10.1016/j.cell.2008.12.039. PMC 2856666. PMID 19269370.
  4. ^ "Lin-26 Transcription factor lin-26 [Caenorhabditis elegans] - Gene - NCBI".
  5. ^ "Lin-36 Protein lin-36 [Caenorhabditis elegans] - Gene - NCBI".
  6. ^ "DST1 Dst1p [Saccharomyces cerevisiae S288C] - Gene - NCBI".
  7. ^ Collins; et al. (2007). "Functional dissection of protein complexes involved in yeast chromosome biology using a genetic interaction map". Nature. 446 (12): 806–810. Bibcode:2007Natur.446..806C. doi:10.1038/nature05649. PMID 17314980.
  8. ^ a b Schuldiner; et al. (2005). "Exploration of the Function and Organization of the Yeast Early Secretory Pathway through an Epistatic Miniarray Profile". Cell. 123 (3): 507–519. doi:10.1016/j.cell.2005.08.031. PMID 16269340.
  9. ^ Schuldiner; et al. (2006). "Quantitative genetic analysis in Saccharomyces cerevisiae using epistatic miniarray profiles (E-MAPs) and its application to chromatin functions". Methods. 40 (4): 344–352. doi:10.1016/j.ymeth.2006.07.034. PMID 17101447.