Martínez OCM, Rivero BA

Idioma: Español
Referencias bibliográficas: 12
Paginas: 1-17
Archivo PDF: 1865.73 Kb.

RESUMEN

Los polimorfismos con número variable de repeticiones en tándem (VNTR), constituyen marcadores genéticos utilizados en áreas de la genómica como estudios evolutivos, epidemiológicos y de genética poblacional. Los bancos de secuencias genómicas y las herramientas computacionales como BLAST permiten el minado de estos marcadores sin utilizar métodos experimentales, extendiéndolo a organismos no modelos de importancia médica o económica. Debido a la baja complejidad de estas secuencias y el número de candidatos que se presentan al inspeccionar un genoma cuando el procedimiento es escalado, surgen dificultades para procesar el volumen de datos generado y detectar por inspección visual los polimorfismos en los marcadores candidatos.
Se presentan una metodología y varios software que permiten la identificación y extracción rápida y fiable de loci polimórficos de SSRs. El procesamiento se hace por la concatenación de los programas MIDAS, BLAST, y el script PSSR-Extractor. Las entradas son rutas de directorios donde se encuentren múltiples archivos de secuencia en formato FASTA o GBFF y las salidas son los SSRs, códigos de acceso al GenBank, posiciones en el genoma, número de repeticiones y el grado de polimorfismo expresado como rango de variación, frecuencia alélica, cantidad de alelos y contenido de información polimórfica (PIC). Un script opcional, SSRMerge, permite la identificación de loci únicos (no redundantes) a nivel de especie, de género o en general del conjunto las secuencias que se desee procesar.
Se procesaron 23 genomas completos (RefSeq del NCBI) pertenecientes a diversos aislamientos de Mycobacterium tuberculosis. Se detectaron 4433 SSRs extrayéndose 414 loci no redundantes dentro de la especie. Realizado el minado de polimorfismos en las salidas del servidor BLAST para estos SSRs se reportan medidas que reflejan las variaciones que presentan estos loci.

REFERENCIAS (EN ESTE ARTÍCULO)

1. Li YC, Korol AB, Fahima T, Beiles A, Nevo E. Microsatellites: Genomic distribution, putativefunctions and mutational mechanisms: A review. Molecular Ecology 2002; 11: 2453–65.

2. Ellegren, H. Microsatellites: Simple sequences with complex evolution. Nature Reviews. Genetics 2004; 5: 435–45.

3. Xu, J.S.,Wu,Y.T.,Ye,S.J.,Wang,L.,and Feng,Y.Z. SSR primer screening and assessment on pear germplasm resources. J. Central South Univ. Forest.Technol. 2012; 32, 80–5.

4. Hodel et al. Using Microsatellites in the 21st Century. Applications in Plant Sciences 2016 4(6)

5. Leclercq, S., Rivals, E., Jarne, P. Detecting Microsatellites Within Genomes: Significant Variation Among Algorithms. BMC Bioinformatics 2007, 8:125.

6. Grover A, Aishwarya V, Sharma PC. Searching Microsatellites in DNA Sequences: Approaches Used and Tools Developed. Physiol Mol Biol Plants (January–March 2012) 18(1):11–19

7. Altschul SF, Gish W, Miller W, Myers EW, Lipman DJ. Basic Local Alignment Search Tool. J. Mol. Biol. (1990) 215:403-410.

8. Martínez CM. MIDAS: Computer Application for the Identification of Exact and Inaccurate Microsatellites in Genomic Sequences. Revista Cubana de Informática Médica, Vol. 18, No. 2 (2018).

9. Fleischmann RD, Alland D, Eisen JA, Carpenter L, White O, Peterson J et AL. Whole-genome Comparison of Mycobacterium Tuberculosis Clinical and Laboratory Strains. J Bacteriol 2002, 184(19):5479-5490.

10. Sreenu V, Kumar P, Nagaraju J, Nagarajaram H. Microsatellite Polymorphism Across the M. Tuberculosis and M. Bovis Genomes: Implications on Genome Evolution and Plasticity. BMC Genomics 2006, 7:78.

11. Supply P, Marceau M, Mangenot S, Roche D, Rouanet C, Khanna V, et al. Genomic Analysis of Smooth Tubercle Bacilli Provides Insights Into Ancestry and Pathoadaptation of Mycobacterium Tuberculosis. Nat Genet. 2013 Feb; 45(2):172–179.

12. Warholm P, Light S. Identification of a Non-Pentapeptide Region Associated with Rapid Mycobacterial Evolution. PLoS ONE (2016), 11(5): e0154059.