Utilização de sistema multiplex de marcadores do tipo INDELs em identificação humana por DNA

Os INDELs são polimorfismos de comprimento, gerados a partir de inserções e/ou deleções de um ou mais nucleotídeos. Os marcadores INDELs, que estão amplamente distribuídos pelo genoma e se caracterizam pela alta estabilidade devido à baixa taxa mutacional (10-9), podem ser analisados a partir da amplificação por PCR (Reação em Cadeia da Polimerase). A facilidade de análise e a possibilidade de construção de sistemas multiplex capazes de gerar amplicons curtos (menores que 100 pb) tornam os INDELs uma importante ferramenta para identificação humana por DNA. Para avaliar a eficiência e validar a metodologia que emprega os polimorfismos de inserção/deleção na identificação humana, utilizamos o sistema Indel-plex ID, capaz de amplificar simultaneamente 38 loci INDELs bialélicos de cromossomos autossomos. Diferentes amostras biológicas (cabelo, saliva, sangue, sêmen e urina) foram genotipadas apresentando reprodutibilidade entre todas as tipagens. A concentração mínima de DNA necessária para amplificação dos 38 loci INDELs foi de 0,5 ng. Artefatos do tipo split peaks foram observados em algumas amostras. Os produtos da PCR foram purificados em resina Sephadex proporcionando melhores condições de análise, redução de artefatos e aumento na intensidade média de fluorescência dos alelos amplificados. A eficiência do sistema Indel-plex ID na amplificação de DNA degradado foi verificada durante as análises das amostras de DNA extraídas de restos mortais (ossos e dentes). Comparativamente ao sistema Identifiler, o Indel-plex ID, se mostrou mais eficiente em termos de número de loci genotipados e qualidade de amplificação. Nas investigações de vínculos genéticos realizadas com o sistema Indel-plex ID foi possível corroborar resultados anteriores obtidos pela análise de marcadores STR. Nas análises com amostras in vivo foram obtidos valores máximos de Probabilidades de Paternidade de 99,99998%. Para casos envolvendo supostos pais falecidos, o sistema Indel-plex ID reforçou resultados obtidos com o sistema Identifiler e Minifiler. A Probabilidade de Paternidade de 99,953%, obtida com o sistema Indel-plex ID, conjugada com a Probabilidade de Paternidade de 99,957%, obtida como o sistema Minifiler, possibilitou um índice final de 99,99998%. Os resultados evidenciaram que os loci INDELs do sistema Indel-plex ID são altamente informativos, constituindo uma ferramenta importante em estudos de identificação humana e de relações de parentesco

A set of primers for plastid indels and nuclear microsatellites in the invasive plant Heracleum mantegazzianum (Apiaceae) and their transferability to Heracleum sphondylium

This study reports the isolation and polymorphism characterization of four plastid indels and six nuclear microsatellite loci in the invasive plant Heracleum mantegazzianum. These markers were tested in 27 individuals from two distant H. mantegazzianum populations. Plastid indels revealed the presence of five chlorotypes while five nuclear microsatellite loci rendered polymorphism. Applications of these markers include population genetics and phylogeography of H. mantegazzianum. A very good transferability of markers to Heracleum sphondylium was demonstrated.

Análise de polimorfismos INDELs na identificação humana

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Bird evolution: testing the Metaves clade with six new mitochondrial genomes

Background Evolutionary biologists are often misled by convergence of morphology and this has been common in the study of bird evolution. However, the use of molecular data sets have their own problems and phylogenies based on short DNA sequences have the potential to mislead us too. The relationships among clades and timing of the evolution of modern birds (Neoaves) has not yet been well resolved. Evidence of convergence of morphology remain controversial. With six new bird mitochondrial genomes (hummingbird, swift, kagu, rail, flamingo and grebe) we test the proposed Metaves/Coronaves division within Neoaves and the parallel radiations in this primary avian clade. Results Our mitochondrial trees did not return the Metaves clade that had been proposed based on one nuclear intron sequence. We suggest that the high number of indels within the seventh intron of the β-fibrinogen gene at this phylogenetic level, which left a dataset with not a single site across the alignment shared by all taxa, resulted in artifacts during analysis. With respect to the overall avian tree, we find the flamingo and grebe are sister taxa and basal to the shorebirds (Charadriiformes). Using a novel site-stripping technique for noise-reduction we found this relationship to be stable. The hummingbird/swift clade is outside the large and very diverse group of raptors, shore and sea birds. Unexpectedly the kagu is not closely related to the rail in our analysis, but because neither the kagu nor the rail have close affinity to any taxa within this dataset of 41 birds, their placement is not yet resolved. Conclusion Our phylogenetic hypothesis based on 41 avian mitochondrial genomes (13,229 bp) rejects monophyly of seven Metaves species and we therefore conclude that the members of Metaves do not share a common evolutionary history within the Neoaves.

Whole-genome sequencing reveals untapped genetic potential in Africa’s indigenous cereal crop sorghum

Sorghum is a food and feed cereal crop adapted to heat and drought and a staple for 500 million of the world’s poorest people. Its small diploid genome and phenotypic diversity make it an ideal C4 grass model as a complement to C3 rice. Here we present high coverage (16–45 × ) resequenced genomes of 44 sorghum lines representing the primary gene pool and spanning dimensions of geographic origin, end-use and taxonomic group. We also report the first resequenced genome of S. propinquum, identifying 8 M high-quality SNPs, 1.9 M indels and specific gene loss and gain events in S. bicolor. We observe strong racial structure and a complex domestication history involving at least two distinct domestication events. These assembled genomes enable the leveraging of existing cereal functional genomics data against the novel diversity available in sorghum, providing an unmatched resource for the genetic improvement of sorghum and other grass species.

RNASeqBrowser: A genome browser for simultaneous visualization of raw strand specific RNAseq reads and UCSC genome browser custom tracks

Background Strand specific RNAseq data is now more common in RNAseq projects. Visualizing RNAseq data has become an important matter in Analysis of sequencing data. The most widely used visualization tool is the UCSC genome browser that introduced the custom track concept that enabled researchers to simultaneously visualize gene expression at a particular locus from multiple experiments. Our objective of the software tool is to provide friendly interface for visualization of RNAseq datasets. Results This paper introduces a visualization tool (RNASeqBrowser) that incorporates and extends the functionality of the UCSC genome browser. For example, RNASeqBrowser simultaneously displays read coverage, SNPs, InDels and raw read tracks with other BED and wiggle tracks -- all being dynamically built from the BAM file. Paired reads are also connected in the browser to enable easier identification of novel exon/intron borders and chimaeric transcripts. Strand specific RNAseq data is also supported by RNASeqBrowser that displays reads above (positive strand transcript) or below (negative strand transcripts) a central line. Finally, RNASeqBrowser was designed for ease of use for users with few bioinformatic skills, and incorporates the features of many genome browsers into one platform. Conclusions The features of RNASeqBrowser: (1) RNASeqBrowser integrates UCSC genome browser and NGS visualization tools such as IGV. It extends the functionality of the UCSC genome browser by adding several new types of tracks to show NGS data such as individual raw reads, SNPs and InDels. (2) RNASeqBrowser can dynamically generate RNA secondary structure. It is useful for identifying non-coding RNA such as miRNA. (3) Overlaying NGS wiggle data is helpful in displaying differential expression and is simple to implement in RNASeqBrowser. (4) NGS data accumulates a lot of raw reads. Thus, RNASeqBrowser collapses exact duplicate reads to reduce visualization space. Normal PC’s can show many windows of NGS individual raw reads without much delay. (5) Multiple popup windows of individual raw reads provide users with more viewing space. This avoids existing approaches (such as IGV) which squeeze all raw reads into one window. This will be helpful for visualizing multiple datasets simultaneously. RNASeqBrowser and its manual are freely available at http://www.australianprostatecentre.org/research/software/rnaseqbrowser webcite or http://sourceforge.net/projects/rnaseqbrowser/ webcite

Whole-genome sequencing reveals untapped genetic potential in Africa’s indigenous cereal crop sorghum

Sorghum is a food and feed cereal crop adapted to heat and drought and a staple for 500 million of the world’s poorest people. Its small diploid genome and phenotypic diversity make it an ideal C4 grass model as a complement to C3 rice. Here we present high coverage (16-45 × ) resequenced genomes of 44 sorghum lines representing the primary gene pool and spanning dimensions of geographic origin, end-use and taxonomic group. We also report the first resequenced genome of S. propinquum, identifying 8 M high-quality SNPs, 1.9 M indels and specific gene loss and gain events in S. bicolor. We observe strong racial structure and a complex domestication history involving at least two distinct domestication events. These assembled genomes enable the leveraging of existing cereal functional genomics data against the novel diversity available in sorghum, providing an unmatched resource for the genetic improvement of sorghum and other grass species.

An analysis of substitution, deletion and insertion mutations in cancer genes

Cancer-associated mutations in cancer genes constitute a diverse set of mutations associated with the disease. To gain insight into features of the set, substitution, deletion and insertion mutations were analysed at the nucleotide level, from the COSMIC database. The most frequent substitutions were c -> t, g -> a, g -> t, and the most frequent codon changes were to termination codons. Deletions more than insertions, FS (frameshift) indels more than I-F (in-frame) ones, and single-nucleotide indels, were frequent. FS indels cause loss of significant fractions of proteins. The 5'-cut in FS deletions, and 5'-ligation in FS insertions, often occur between pairs of identical bases. Interestingly, the cut-site and 3'-ligation in insertions, and 3'-cut and join-pair in deletions, were each found to be the same significantly often (p < 0.001). It is suggested that these features aid the incorporation of indel mutations. Tumor suppressors undergo larger numbers of mutations, especially disruptive ones, over the entire protein length, to inactivate two alleles. Proto-oncogenes undergo fewer, less-disruptive mutations, in selected protein regions, to activate a single allele. Finally, catalogues, in ranked order, of genes mutated in each cancer, and cancers in which each gene is mutated, were created. The study highlights the nucleotide level preferences and disruptive nature of cancer mutations.

Elucidating the cancer-specific genetic alteration spectrum of glioblastoma derived cell lines from whole exome and RNA sequencing

Cell lines derived from tumor tissues have been used as a valuable system to study gene regulation and cancer development. Comprehensive characterization of the genetic background of cell lines could provide clues on novel genes responsible for carcinogenesis and help in choosing cell lines for particular studies. Here, we have carried out whole exome and RNA sequencing of commonly used glioblastoma (GBM) cell lines (U87, T98G, LN229, U343, U373 and LN18) to unearth single nucleotide variations (SNVs), indels, differential gene expression, gene fusions and RNA editing events. We obtained an average of 41,071 SNVs out of which 1,594 (3.88%) were potentially cancer-specific. The cell lines showed frequent SNVs and indels in some of the genes that are known to be altered in GBM-EGFR, TP53, PTEN, SPTA1 and NF1. Chromatin modifying genes-ATRX, MLL3, MLL4, SETD2 and SRCAP also showed alterations. While no cell line carried IDH1 mutations, five cell lines showed hTERT promoter activating mutations with a concomitant increase in hTERT transcript levels. Five significant gene fusions were found of which NUP93-CYB5B was validated. An average of 18,949 RNA editing events was also obtained. Thus we have generated a comprehensive catalogue of genetic alterations for six GBM cell lines.

Elucidating the cancer-specific genetic alteration spectrum of glioblastoma derived cell lines from whole exome and RNA sequencing

Cell lines derived from tumor tissues have been used as a valuable system to study gene regulation and cancer development. Comprehensive characterization of the genetic background of cell lines could provide clues on novel genes responsible for carcinogenesis and help in choosing cell lines for particular studies. Here, we have carried out whole exome and RNA sequencing of commonly used glioblastoma (GBM) cell lines (U87, T98G, LN229, U343, U373 and LN18) to unearth single nucleotide variations (SNVs), indels, differential gene expression, gene fusions and RNA editing events. We obtained an average of 41,071 SNVs out of which 1,594 (3.88%) were potentially cancer-specific. The cell lines showed frequent SNVs and indels in some of the genes that are known to be altered in GBM-EGFR, TP53, PTEN, SPTA1 and NF1. Chromatin modifying genes-ATRX, MLL3, MLL4, SETD2 and SRCAP also showed alterations. While no cell line carried IDH1 mutations, five cell lines showed hTERT promoter activating mutations with a concomitant increase in hTERT transcript levels. Five significant gene fusions were found of which NUP93-CYB5B was validated. An average of 18,949 RNA editing events was also obtained. Thus we have generated a comprehensive catalogue of genetic alterations for six GBM cell lines.

Estudo do polimorfismo Ser49Gly do gene do receptor beta adrenérgico 1 (β-adr 1) na população do estado do Rio de Janeiro, Brasil estratificada por cor da pele e ancestralidade genômica

As doenças cardiovasculares possuem a maior taxa de óbitos no mundo, e notavelmente nos últimos anos as pesquisas genéticas sobre as mesmas estão baseadas em estudos de associação, no qual o gene suspeito que esteja em maior frequência entre os pacientes passa a ser considerado um possível fator causal. Os polimorfismos genéticos que ocorrem no receptor beta-adrenérgico podem resultar em mudanças significativas na função do receptor, podendo acarretar fisiopatologias. Neste trabalho, o objetivo foi estimar a diversidade e a frequência do polimorfismo Ser49Gly do gene do receptor beta-adrenérgico 1 a partir de uma amostra de 188 indivíduos da população do Estado do Rio de Janeiro. As frequências também foram analisadas a partir da estratificação da amostra por critério fenotípico em função do padrão de cor da pele em (negros e não negros) ou ancestralidade genética em (afrodescendente e não afrodescendente), definida através da informação dos marcadores de ancestralidade Indels e SNP de cromossomo Y, para avaliar se os padrões de ancestralidade ou cor da pele são fundamentais para a diferenciação e distanciamento genético. Fragmentos de interesse foram amplificados por PCR (reação de cadeia de polimerase) com primers específicos para o marcador Ser49Gly e as reações de genotipagem foram realizadas com enzimas de restrição Eco0109I. Os valores da heterozigosidade variaram entre 0,25-0,50 e 0,20-0,41 nos grupos estratificados por ancestralidade e cor da pele, respectivamente. No que diz respeito à análise do equilíbrio de Hardy-Weinberg, não houve um desvio significativo na distribuição do marcador nas amostras gerais do Estado do Rio de Janeiro, ou mesmo nas amostras estratificadas. A distribuição dos alelos na amostra dos 188 indivíduos da população geral do Rio de Janeiro (AC_RJ) mostrou uma frequência de 80,30% e 19,70% para o alelo selvagem e mutado Ser49Gly, respectivamente. A comparação das análises sobre a distribuição das frequências alélicas para este marcador mostrou a ocorrência de diferenças significativas na distribuição das frequências alélicas entre negros e não negros e afrodescendentes e não afrodescendentes. A diferença significativa observada entre os negros e afrodescendentes, foi em menor grau de distanciamento. A informação obtida em relação à ancestralidade foi crucial para a obtenção dos dados sobre o aumento da variável mutada do polimorfismo Ser49Gly nas populações negras e afrodescendentes do Estado Rio de Janeiro. Tal evidência, em combinação com estudos clínicos podem contribuir para uma análise pormenorizada do padrão de susceptibilidade à doença em questão, em falhas do mecanismo deste receptor.

Marcadores Inserção/Deleção (Indel): estudo de ancestralidade e identificação humana na população brasileira

Os polimorfismos denominados Indels são variações de comprimento geradas por inserção ou deleção de um ou mais nucleotídeos em uma sequência de DNA. Estes marcadores genéticos vêm apresentando um grande potencial para fins forenses e populacionais por combinar características dos marcadores SNPs, tais como a capacidade de analisar fragmentos curtos (menores que 250pb) e baixas taxas de mutação, com a facilidade da genotipagem dos STR em uma única PCR, seguida de detecção dos fragmentos amplificados por eletroforese. Com o objetivo de avaliar a eficiência dos Indels em aplicações forenses e esclarecer os detalhes da formação de diferentes populações brasileiras através de dados genéticos, amostras populacionais de diferentes estados brasileiros foram genotipadas através de dois sistemas multiplex. O primeiro (indelplex-HID) foi otimizado para fins de Identificação Humana (HID) e inclui um grupo de 38 marcadores Indels selecionados por apresentarem altos valores de diversidade genética dentro das principais populações continentais. Já o segundo (46-AI-indels), foi selecionado para estudos de ancestralidade e é composto por um conjunto de 46 marcadores informativos de ancestralidade (AIMs). Nesse último caso, ao contrário do anterior, o sistema multiplex inclui marcadores com alta divergência nas frequências alélicas entre populações continentais. Na primeira etapa, o multiplex HID foi aplicado em uma amostra populacional do Rio de Janeiro e em uma amostra populacional dos índios Terena. Um banco de dados de frequências alélicas foi construído para essas duas amostras populacionais. Os valores das frequências alélicas foram utilizados nas comparações estatísticas e parâmetros de vínculos genéticos e forenses foram calculados. O Poder de Discriminação acumulado na população do Rio de Janeiro para os 38 loci testados foi de 0,9999999999999990 e na população dos índios Terena de 0,9999999999997, validando o uso desse sistema numa população heterogênea como a brasileira. A eficiência do indelplex-HID também mostrou-se elevada nas amostras de casos forenses comprometidas, apresentando melhor resultados que marcadores STR em termos de número de loci genotipados e de qualidade de amplificação. Na segunda etapa, o multiplex 46-AI-indels foi aplicado com objetivo de avaliar a ancestralidade em amostras de diferentes estados do Brasil por permitir a identificação de diferenças entre frequências alélicas de grupos populacionais separados geograficamente. A maioria das populações analisadas apresentou elevada herança européia. As populações do Rio de Janeiro, Pernambuco, Mato Grosso do Sul, Amazonas, Alagoas, Minas Gerais e São Paulo apresentaram cerca de 50% de ancestralidade européia, enquanto que nas populações que formam o sul do país e o Espírito Santo este percentual girou em torno de 70%. De uma maneira geral, as contribuições ameríndias e africanas variaram um pouco de acordo com a região. As amostras de Santa Isabel do Rio Negro e dos índios Terena (amostras indicadas como ameríndio-descendentes) de fato mostraram majoritariamente ancestralidade ameríndia (>70%). Os resultados obtidos indicaram que os dados gerados a partir da tipagem dos AIMs estão em estreita concordância com os registros históricos e com outros estudos genéticos acerca da formação da população brasileira e os loci do sistema HID evidenciaram que os são altamente informativos, constituindo uma ferramenta importante em estudos de identificação humana e de relações de parentesco.

Can the occurrence of rare insertion/deletion polymorphisms in human mtDNA be verified from phylogeny?

Due to its specific characteristics, such as maternal inheritance and absence of recombination, each mtDNA belongs to certain monophyletic clade in the rooted mtDNA tree (haplogroup) according to the mutations it harbors. Rare mutation (excluding parallel mutation) occurring at multiple times in different haplogroups could thus be a potential reading error according to the mtDNA phylogeny. This experience has been widely used in double-checking the credibility of the rare mutations in human mtDNA sequences. However, no test has been performed so far for the feasibility of applying this strategy to the rare insertion/deletion (indel) events in mtDNA sequences. In this study, we attempted to relate the rare indels in mtDNAs to their haplogroup status in a total of 2352 individuals from 50 populations in China. Our results show that the insertion of A at position 16259 is restricted to a subclade of haplogroup C and can be verified. The other indel polymorphisms, which occur in the repeat of the deleted or inserted nucleotide(s), may not be distinguished from phantom mutations from a phylogenetic point of view. Independently and multiply sequencing the fragment with the indel is the best and the most reliable way for confirmation.

Origin and evolution of new exons in rodents

Gene number difference among organisms demonstrates that new gene origination is a fundamental biological process in evolution. Exon shuffling has been universally observed in the formation of new genes. Yet to be learned are the ways new exons originate and evolve, and how often new exons appear. To address these questions, we identified 2695 newly evolved exons in the mouse and rat by comparing the expressed sequences of 12,419 orthologous genes between human and mouse, using 743,856 pig ESTs as the outgroup. The new exon origination rate is about 2.71 x 10(-3) per gene per million years. These new exons have markedly accelerated rates both of nonsynonymous substitutions and of insertions/ deletions (indels). A much higher proportion of new exons have Kappa(a)/Kappa(s) ratios > 1 (where K-a is the nonsynonymous substitution rate and K-s is the synonymous substitution rate) than K do the old exons shared by human and mouse, implying a role of positive selection in the rapid evolution. The majority of these new exons have sequences unique in the genome, suggesting that most new exons might originate through "exonization" of intronic sequences. Most of the new exons appear to be alternative exons that are expressed at low levels.