Μελέτη προτύπων σύστασης, κατανομές και συμμετρίες νουκλεοτιδικών μοτίβων σε γονιδιωματική κλίμακα

Abstract

Chargaff's "second parity rule" (PR2) corresponds to a null expectation of DNA composition, assuming strand-symmetric evolution. Motivated by the extensive corpus of studies on deviations from PR2, the present thesis focuses on the context-dependency of strand asymmetries, in terms of nearest-neighbor preferences and codon site-specific composition. Based on a large collection of bacterial genomes, this thesis provides new insights into strand biased mutation and fixation processes and points out their far reaching evolutionary implications. Contrary to what is hitherto accepted, statistically solid evidence is provided which shows that the relative abundances of dinucleotides exhibit strand asymmetries related to DNA replication and transcription. More interestingly, through the introduction of an alignment free index (odds ratio skews), the present analysis demonstrates that these asymmetries are able to retrace phylogenetic relationships between bacteria. Thus, it can be argued that strand biases of nearest-neighbour preferences do not reflect a universal trend in sequence evolution, but are rather species-specific. The uneven distribution of nucleotides among different codon sites has been widely attributed to functional constraints reflecting the optimization of transcription or translation efficiency and the selective pressures acting at the level of protein function. Nonetheless, position-dependent biases of DNA composition can be the outcome of processes acting strictly at the nucleotide level, without accounting for codon preferences or amino-acid specific constraints in the primary structure of proteins. Through a simple model the present thesis shows that GC biases of synonymous codons suffice to yield patterns of correlations between codon usage and site-specific skews which are qualitatively identical to the ones observed in bacterial genomes. The importance of this finding lies in the realization that the GC-biased structure of genetic code per se can induce compositional asymmetries in a position-dependent manner solely as a response to GC mutational pressure. It thus provides the ground for an a priori estimation of skew patterns at each codon site given the GC content of the genome. These baseline skews should be taken into account when estimating the expected number of substitutions per site in comparative genomic analysis. Besides GC content diversity, other causes also contribute to the observed variation of compositional biases along coding sequences. In line with previous experimental data, this study shows that strand asymmetries of single base substitutions is associated to transcription-coupled repair (TCR) and that this also extends to asymmetries of neighbour-dependent substitution patterns. Furthermore, the herein presented analysis clearly demonstrates that different isoforms of the a-subunit of PolIII induce specific strand-biased substitutions on a genome-wide scale, which may be context-dependent. This thesis also inquires the role of other DNA repair mechanisms in shaping compositional asymmetries. In this context, it suggests a framework of in silico analysis that may provide valuable insight on the possible strand-biased activity of certain enzymes.

Η σύσταση του DNA εξελίσσεται συμμετρικά όταν δεν υπάρχουν ειδικές ανά κλώνο πολώσεις των μεταλλακτικών ρυθμών και των επιλεκτικών πιέσεων. Η συμμετρία των ρυθμών υποκατάσταση αντιστοιχεί σε μία μηδενική υπόθεση για την εξέλιξη του γενετικού υλικού και οδηγεί σε χαρακτηριστικές κανονικότητες της σύστασης του DNA, στην κλίμακα ολόκληρου του γονιδιώματος. Αποκλίσεις από αυτές τις κανονικότητες υποδηλώνουν την παρουσία ασυμμετριών μεταξύ των αντιστρόφως συμπληρωματικών κλώνων. Η παρούσα εργασία προσφέρει πλήθος ευρημάτων που αποδεικνύουν πως οι συσχετίσεις μεταξύ των 1ης τάξης γειτονικών βάσεων αποτελούν ένα χαρακτηριστικό της σύστασης του DNA που είναι έντονα πολωμένο μεταξύ των κλώνων του DNA. Το γεγονός αυτό συνεπάγεται συστηματικές ασυμμετρίες των υποκαταστάσεων οι οποίες εξαρτώνται από την ταυτότητα των παρακείμενων βάσεων (neighbor-dependend substitutions). Προκειμένου να εντοπίσουμε τέτοιες ασυμμετρίες, εισάγουμε ένα μέτρο που δεν προϋποθέτει την στοίχιση ομόλογων αλληλουχιών, τις αποκλίσεις των σταθμισμένων συχνοτήτων των δινουκλεοτιδίων. Οι κατανομές αυτών των αποκλίσεων κατά μήκος των κωδικών αλληλουχιών επιτρέπουν την ανασυγκρότηση των φυλογενετικών σχέσεων των βακτηριών. Συνεπώς, τα πρότυπα των υποκαταστάσεων που εξαρτώνται από την ταυτότητα των 1ης τάξης γειτονικών βάσεων δεν είναι κοινά μεταξύ εξελικτικά απομακρυσμένων οργανισμών, αλλά αντίθετα είναι ανά είδος καθορισμένα (species-specific). Αναλύοντας τις αποκλίσεις που εμφανίζονται ανά θέση κωδικονίων, σε συνάρτηση και με την ταυτότητα των 1ης τάξης γειτονικών βάσεων, οδηγούμαστε σε σημαντικά συμπεράσματα σχετικά με την προέλευση των ασυμμετριών που εκδηλώνουν οι ρυθμοί υποκατάστασης. Εισάγοντας ένα απλό μοντέλο που περιγράφει την πιθανότητα εμφάνισης κωδικονίων συναρτήσει ενός ελάχιστου αριθμού παραμέτρων που είναι συμμετρικές ως προς τους κλώνους του DNA, υποστηρίζουμε ότι η δομή του γενετικού κώδικα επιβάλλει ασύμμετρα πρότυπα υποκαταστάσεων ως απόκριση στις μεταλλακτικές πιέσεις που κατευθύνουν την σύσταση των κωδικών περιοχών προς ένα συγκεκριμένο GC περιεχόμενο. Συγκεκριμένα, η οργάνωση του γενετικού κώδικα σε ομάδες συνώνυμων κωδικονίων μπορεί να οδηγεί σε ασυμμετρίες της κατανομή των νουκλεοτιδίων μεταξύ διαφορετικών κωδικών θέσεων, ακόμα και όταν η επιλογή για συγκεκριμένα κωδικόνια και αμινοξέα δεν λαμβάνονται υπόψιν. Εν συνεχεία, η μελέτης μας καταδεικνύει ότι εγγενείς ασυμμετρίες του καταλυτικού κέντρου της PolIII, που διαφοροποιούν την ενεργότητα ενσωμάτωσης των νουκλεοτιδίων και την επιδιορθωτική ενεργότητα της α-υπομονάδας κατά μήκος των δύο κλώνων της αντιγραφής, επάγουν συστηματικά ειδικές ανά κλώνο πολώσεις των ρυθμών υποκατάστασης, στην κλίμακα ολόκληρου του γονιδιώματος. Επίσης, εξετάζουμε τον ρόλο ποικίλων μηχανισμών τροποποίησης και επιδιόρθωσης του DNA στην διαμόρφωση των παρατηρούμενων αποκλίσεων από το πρότυπο της συμμετρικής εξέλιξης των κλώνων.