Avanços metodológicos em museômica e homologia dinâmica: Integrando a montagem de reads de DNA histórico e alinhamento por árvore

Resumo

Museômica tem permitido a obtenção de DNA histórico (hDNA) de espécies raras e extintas, de modo que problemas evolutivos de outra forma intratáveis sejam resolvidos. Contudo, desafios precisam ser superados para incorporar sequências de hDNA em análises filogenéticas. Primeiro, hDNA tende a ser degradado, resultando em mapeamento pobre ou ambíguo à sequência de referência. Consequentemente, diferentes referências e parâmetros de montagem podem resultar em diferentes sequências-consenso, e não há um critério para escolher entre elas. Segundo, a degradação de DNA dificulta a obtenção de uma cobertura suficiente para montar porções contínuas de DNA, o que resulta em sequências fragmentadas e ambíguas (i.e. contendo mais nucleotídeos de identidade desconhecida, IUPAC "N") do que o DNA moderno. Estas características dificultam a análise filogenética devido às relações de homologia desconhecidas entre nucleotídeos de terminais de hDNA e não-hDNA. Tree-alignment, o qual avalia a homologia de nucleotídeos dinamicamente ao integrar alinhamento e busca de árvores em uma única análise em POY/PhyG, é uma ferramenta poderosa que resulta em soluções mais ótimas do que alinhamento por similaridade. Contudo, o alto grau de fragmentação e Ns espúrios são problemáticos no tree-alignment, porque Ns e variações no tamanho das sequências são necessariamente interpretados como características das sequências a serem contadas como eventos evolutivos. Portanto, faz-se necessário eliminar artefatos da montagem antes do tree-alignment. O problema da fragmentação de sequências pode ser resolvido quebrando as sequências em blocos de nucleotídeos homólogos, inserindo Ns para estender sequências incompletas, e/ou deletando nucleotídeos-órfãos dentro de blocos incompletos. Similarmente, variação de tamanho de sequências devido à inserção errônea de Ns durante a montagem podem ser resolvidos manualmente trimando Ns espúrios ausentes em espécies próximas. Contudo, a arbitrariedade e o impacto da formatação das sequências aumentam com o grau de fragmentação e ambiguidade. Até hoje, não há uma função objetiva para obter sequências ótimas formatadas para homologia dinâmica. Portanto, o objetivo desta pesquisa é desenvolver e testar uma pipeline para gerar a sequência consenso de reads de hDNA, corrigindo erros e incorporando-a em arquivos formatados automaticamente para POY/PhyG ao otimizar a inserção de breaks e Ns, e deleção de Ns e nucleotídeos-órfãos dentro dos blocos.