Evoluutiovoimat. Mikä on mutaation, valinnan ja sattuman merkitys evoluutiossa?

Transkriptio

1 Evoluutiovoimat Mikä on mutaation, valinnan ja sattuman merkitys evoluutiossa? -sattuman sysäily: populaatiokoon vaikutus -valinta: positiivinen, tasapainottava ja negatiivinen -mutaatiot: neutraalien, positiivisten ja haitallisten mutaatioiden osuus kaikista uusista mutaatioista ja niiden kohtalo -evoluutioteoriat -neutraalihypoteesin testaus

2 Sekvenssievoluutio ja fylogeniat Miksi ja miten nukleotidikorvautumiset lasketaan havaittujen sekvenssierojen perusteella? -sekvenssien linjaus -mitä eroa on eroilla ja korvautumisilla - nukleotidikorvautumisten arviointi nukleotidieroista (Jukes-Cantor, Kimura-2-P-menetelmät) -nukleotidikorvautumisten arviointi synonyymisissä ja ei synonyymisissä paikoissa -mitä menetelmää käytetään?

3 3. DNA-sekvenssin evoluutio: nukleotidien korvautumiset Ihmisen ja hiiren yht. esi-isä alkuperäinen sekvenssi emäsmuutos emäsmuutos Aika Miljoonia vuosia TACGGTGAACGTGAAT TAGGGTGTACGTGACT -verrataan kahta samaa alkuperää olevaa (homologista) sekvenssiä toisiinsa. -käytetään evoluutionopeuden arviointiin eliöiden polveutumisen päättelyyn evoluutiovoimien merkityksen arvioimiseen

4 Mitä eroa on nukleotidieroilla ja nukleotidikorvautumisilla? Yhteinen esi-isä Laji 1 Laji 2 Päällekkäisiä korvautumisia -Käännä mutaatiotyypit suomeksi ja päättele miten ne voisi määritellä. -Kuinka monta nukleotidikorvautumista jää havaitsematta kun katsotaan sekvenssieroja?

5 Mihin substituutiomallia käytetään? Sekvenssierot Substituutiomalli Substituutiot Evoluutionopeus Eroamisaika Sukulaisuussuhteet

6 Kun aikaa sekvenssien eroamisesta on kulunut vähän, ei ole todennäköistä että samaan nukleotidipaikkaan olisi sattunut useita korvautumisia. Kun aikaa on kulunut paljon, päällekkäisten korvautumisten osuus kasvaa Jukesin ja Cantorin substituutiomalli p = ¾(1 e -8 α t ) 1 ¾ K= subst./nukleotidipaikka kahden sekvenssin eroamisesta lähtien p= nukleotidierot/nukleotidipaikka Toinen substituutiomalli t, aika

7 Sekvenssierot vs. eroamisaika (mitokondrio) Nei 1987, s 87

8 Jotta korvautumiset voitaisiin arvioida erojen perusteella, pitää käyttää mallia joka määrittää miten nukleotidit muuttuvat toisiksi. Esim. Jukes & Cantor, Kimuran 2 parametrin malli Koodaavalla alueella erotellaan synonyymiset ja ei-synonyymiset korvautumiset. Syn. ja ei-syn erojen luokitteluun ja syn. ja ei-syn nukleotidipaikkojen luokitteluun on erilaisia menetelmiä. Ei-koodaava alue Proteiinia koodaava alue Erot p Nukleotidierot/ nukleotidipaikka Synon. nukleotidierot/ synon. nukleotidipaikka Ei-syn. nukleotidierot / ei-syn. nukleotidipaikka Korvautumiset K nukleotidikorvautumiset/ nukleotidipaikka synon. nukleotidikorvautumiset /synon. nukleotidipaikka ei-synon. nukleotidikorvautumiset /ei-synon. nukleotidipaikka

9 3.1. Kahden sekvenssin väliset korvautumiset Jukes ja Cantorin 1 parametrin malli Kimuran 2 parametrin malli Mitä mallia pitäisi käyttää? Poikkeamia oletuksista 3.2. Korvautumiset proteiinia koodaavalla alueella: syn. korvautumiset/syn. nukleotidipaikka ja ei-syn. korvautumiset/eisyn. nukleotidipaikka Nukleotidipaikkojen luokittelu synonyymisiksi/eisynonyymisiksi Nukleotidierojen luokittelu synonyymisiksi/eisynonyymisiksi Syn. ja ei-syn. korvautumisten laskeminen käyttäen Jukesin ja Cantorin korjausta Syn. ja ei-syn. korvautumisten laskeminen luokittelemalla nukleotidipaikat degeneraation mukaan ja nukleotidierot transitioiksi ja transversioiksi 3.3. Aminohappokorvautumiset kahden proteiinin välillä 3.4. Sekvenssien linjaus

10 3.1. Kahden sekvenssin väliset korvautumiset Jukes ja Cantorin 1 parametrin malli Todennäköisyys jolla nukleotidi muuttuu toiseksi: -substituutiot mistä tahansa emäksestä toiseen tapahtuvat samalla nopeudella α (= muutoksen todennäköisyys) Nukleotidi hetkellä t Nukleotidi hetkellä t+1 A T G C A 1-3α α α α T α 1-3α α α G α α 1-3α α C α α α 1-3α

11 Todennäköisyys että kaksi sekvenssiä eroavat toisistaan nukleotidipaikassa (nukleotidierot/nt) ajan hetkenä t on p p = = ¾(1 - e -8 α t ) 8αt = -ln(1 (4/3) p) K= substituutioiden määrä nukleotidipaikkaa kohti eroamisesta lähtien =2(3αt), jossa 3αt on yhdessä linjassa tapahtuneet substituutiot. 0 K = - ¾ ln(1 (4/3) p) 3α 3α t

12 Tasapainotilanteessa (kun t lähestyy ääretöntä) kaikkien nukleotidien todennäköisyys (frekvenssi) on yhtä suuri, 0,25 Todennäköisyys että paikassa on tietty nukleotidi, ajan funktiona Alunperin sama nt Alunperin eri nt

13 Esimerkki Laske substituutiotodennäköisyys K kahden sekvenssin välillä käyttäen Jukesin ja Cantorin 1 parametrin mallia. aagctgcatgtagctaaatataaatatatagcca * * ** ** * * * * atgccgggtgtagtgaaacataagtacatagtca Nukleotidierot p= 10/34 = 0,294 Substituutiot K = - ¾ ln(1 (4/3) p) = - ¾ ln(1 (4/3) x 0,294) = 0,373

14 Tee kuvaaja substituutioden ja erojen välisestä suhteesta p 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 K p K

15 Kimuran 2 parametrin malli Transitioitten (puriinista puriiniin, pyrimidiinistä pyrimidiiniin) ja transversioitten (puriinista pyrimidiiniin ja pyrimidiinistä puriiniin) todennäköisyydet ovat erisuuruiset. A G C T A 1-α-2β α β β G α 1-α-2β β β C β β 1-α-2β α A, G puriinit C, T pyrimidiinit T β β α 1-α- 2β

16

17 Korvautumisten lkm/nukleotidipaikka eroamisesta lähtien K = ½ln[ 1/(1-2P-Q) + ¼ln[ 1/(1-2Q)] P = niiden nukleotidien osuus kaikista nukleotideista joissa on transitioero kahden sekvenssin välillä Q= niiden nukleotidien osuus kaikista nukleotideista joissa on transversioero kahden sekvenssin välillä p = P+Q

18 Esimerkki Laske substituutiotodennäköisyys kahden sekvenssin välillä käyttäen Kimuran 2 parametrin mallia. aagctgcatgtagctaaatataaatatatagcca # * #* *# * * * * atgccgggtgtagtgaaacataagtacatagtca Transitionaaliset nukleotidierot P = 7/34 = 0,206 Transversionaaliset nukleotidierot Q = 3/34 = 0,088 Substituutiot K = ½ ln [ 1/(1-2P-Q) + ¼ ln [ 1/(1-2Q)] = ½ ln [ 1/(1-2x 0,206-0,088) + ¼ ln [ 1/(1-2 x 0,088)] = 0,394

19 Yleinen substituutiomatriisi A G C T A 1-α 12 -α 13 - α 14 α 12 α 13 α 14 G α 21 1-α 21 -α 23 - α 24 α 23 α 24 C α 31 α 32 1-α 31 -α 32 - α 34 α 34 T α 41 α 42 α 43 1-α 41 -α 42 - α 43

20 Mitä mallia pitäisi käyttää korvautumisten määrän laskemiseen? Kun sekvenssierot ovat pienet, päällekkäisiä korvautumisia on vähän ja 1 ja 2 parametrin mallit antavat saman tuloksen. Mallien antamat tulokset eroavat sitä enemmän mitä enemmän sekvenssieroja on. Jos tiedetään että transitio- ja transversionopeuksien välillä on suuri ero, käytetään 2 parametrin mallia. Monimutkainen malli >> # paljon oletuksia pitävätkö paikkansa? # estimoitujen parametrien määrä suuri - tarvitaan paljon dataa

21 Poikkeamia mallien oletuksista -nukleotidipaikkojen välillä on vaihtelua substituutionopeudessa. -riippuvuus mutaatiotapahtumasta viereisissä nukleotidikohdissa tai kyseisen nukleotidipaikan mutaatiohistoriasta -substituutiomatriisi voi muuttua ajan myötä; esim. kodonin käytön vääristymä/ nukleotidikoostumuksen muutos joissain linjoissa

22 Evoluutionopeuden vaihtelu nukleotidipaikoissa: jotkut paikat ovat alttiimpia muuttumaan kuin toiset; mallinnetaan gammajakauman avulla. (α on gammajakauman muodon määrittävä parametri) -esim. kodonin kolmas nukleotidi Yang 1996 TREE, 11,

23 -substituutiot eivät ole riippumattomia viereisistä nukleotideista, mutaatiotapahtumasta viereisissä nukleotidikohdissa, tai kyseisen nukleotidipaikan mutaatiohistoriasta -esim. hiuspinnirakenteessa tapahtuva mutaatio voi vaatia kompensoivan mutaation toisaalla

24 Kodonin käytön vääristymä (codon bias) Samaa aminohappoa koodaavia (synonyymisiä) kodoneita ei aina käytetä tasaisesti. Vääristymän suuruutta kuvataan eri mitoilla: 1) Relative synonymous codon usage n RSCU i =X i / ( 1/n Σ X i ) i=1 n = synonyymisten kodonien lkm (1-6) X i = montako kertaa kodoni i esiintyy sekvenssissä i = kodoni 2) ENC = effective number of codons : 1-60

25

26 Esim. Val Val Asp Val Asp Asp Asp GTT GTC GAT GTA GAC GAC GAC n RSCU i =X i / ( 1/n Σ X i ) i=1 Val GTT RSCU GTT =1/ (¼ x 3) =1,33 GTC RSCU GTC =1/ (¼ x 3) =1,33 GTA RSCU GTA =1/ (¼ x 3) =1,33 GTG RSCU GTG =0/ (¼ x 3) =0 Asp GAT RSCU GAT =1/ (½ x 4) =0,5 GAC RSCU GAC =3/ (½ x 4) =1,5

27 - Jos kodonin käytön vääristymää on, yleensä saman lajin sisällä eri geeneillä on samanlainen kodonipreferenssi. - Lajien välillä on eroa kodonipreferensseissä. - Yleisesti on havaittu että kodonit joissa on CG-dinukleotidi ovat epäsuosittuja; metyloitu C on altis mutaatiolle T:ksi. - Bakteereissa ja hiivoissa ja D. melanogasterilla valinta suosii tehokasta translaatiota ja se ylläpitää kodonin käytön vääristymää - Ihmisellä kodonin käytön vääristymään syynä voi olla eri nukleotidipitoisuudet eri genomin osissa. Se mikä nukleotidi on suosittu kodonin 3. paikassa riippuu siitä missä isokoorissa geeni sijaitsee: GC-rikkailla alueilla se on G tai C. Esim. α-globiini: korkea GC pitoisuus, sijaitsee GC -rikkaalla alueella β-globiini: alhainen GC pitoisuus, sijaitsee GC -köyhällä alueella.

28 E. Coli S. cerevisae vastaavan siirtäjä- RNA:n pitoisuus Leusiinikodonien käyttö (paljon ekspressoidut geenit) Leusiinikodonien käyttö (vähän ekspressoidut geenit)