DOI: https://doi.org/10.1038/s41598-026-55350-x
PMID: https://pubmed.ncbi.nlm.nih.gov/42209743
تاريخ النشر: 2026-05-28
المؤلف: Shakunthala Natarajan وآخرون
الموضوع الرئيسي: التvariations الكروموسومية والجينية
نظرة عامة
يتناول القسم أهمية نظائر الجينات في التجديد التطوري ويقدم DupyliCate، أداة بايثون مصممة لتحديد وتحليل تكرارات الجينات. تسهل هذه الأداة معالجة عالية الإنتاجية لمجموعات بيانات متعددة، مما يسمح للمستخدمين بتحديد عتبات محددة للأنواع من خلال ميزاتها المرنة. يتم إثبات فعالية DupyliCate باستخدام مجموعات بيانات من *Arabidopsis thaliana*، حيث تصف بنجاح تكرارات الجينات المعروفة وتظهر أنها قابلة للتطبيق على الجينومات النباتية المعقدة ذات التغايرية العالية.
بالإضافة إلى ذلك، يتم تسليط الضوء على دراستين حالتين: تطور جينات فلافونول سينثاز (FLS) داخل الـ Brassicales وجينات MYB التنظيمية (MYB12 و MYB111) عبر أنواع نباتية مختلفة. يتم توضيح تنوع الأداة بشكل أكبر من خلال تطبيقها على مجموعات بيانات من كائنات تتجاوز النباتات، بما في ذلك *Escherichia coli* و *Saccharomyces cerevisiae* و *Caenorhabditis elegans*. DupyliCate متاحة للجمهور على الرابط المقدم في GitHub، مما يجعلها موردًا قيمًا للباحثين الذين يدرسون تكرار الجينات عبر أنواع متنوعة.
مقدمة
تناقش المقدمة أهمية منتجات تكرار الجينات، أو النظائر، التي تنشأ من جين سلف مشترك من خلال أحداث التكرار، وتفصلها عن الجينات المتجانسة التي تنتج عن التخصص. تعتبر هذه التكرارات حاسمة للابتكار التطوري وتنويع المسارات البيوسنثيتية في الكائنات المختلفة. يمكن تصنيفها إلى تكرارات صغيرة النطاق (مثل التكرارات المتتالية والقريبة) وتكرارات كبيرة النطاق (مثل تكرارات الجينوم الكاملة). إن تحديد تكرارات الجينات معقد بسبب عوامل مثل التكرار الوظيفي، وفقدان الجينات، والتغيرات التطورية، مما يستدعي البحث المكثف وتطوير العديد من الأدوات للكشف.
تم إنشاء عدة أدوات لتحديد تكرارات الجينات، كل منها بأساليب وتركيزات فريدة. استخدمت الأدوات المبكرة مثل GenomeHistory أساليب المحاذاة وحسابات قيمة Ka/Ks، بينما أكدت الأدوات اللاحقة مثل OrthoMCL و OrthoFinder على تحديد الجينات المتجانسة. تشمل التطورات الحديثة DupGen_finder، الذي يصنف أنواعًا مختلفة من تكرارات الجينات ويجمع تحليل تباين التعبير، و HSDSnake، الذي يعزز سهولة الاستخدام وقدرات التصنيف. على الرغم من هذه التقدمات، غالبًا ما تركز الأدوات الحالية على التكرارات الزوجية وصيغ البيانات القياسية، مما يحد من قابليتها للتطبيق عبر مجموعات بيانات متنوعة. تهدف مقدمة DupyliCate إلى معالجة هذه القيود من خلال تسهيل تحديد مصفوفات تكرار الجينات، وتمكين تحليل التعبير، واستيعاب صيغ الإدخال المختلفة مع استخدام عتبات محددة للأنواع لتحقيق كشف أكثر دقة.
الطرق
يستعرض قسم “المواد والطرق” تصميم التجربة والإجراءات المستخدمة في الدراسة. يوضح المواد المحددة المستخدمة، بما في ذلك أي مواد كيميائية، ومعدات، وعينات بيولوجية، بالإضافة إلى مصادرها وطرق تحضيرها. يصف القسم أيضًا المنهجيات المطبقة لجمع البيانات وتحليلها، مما يضمن إمكانية تكرار التجارب.
بالإضافة إلى ذلك، يتم تحديد التقنيات الإحصائية المستخدمة لتفسير النتائج، بما في ذلك أي برامج أو خوارزميات تم استخدامها لتحليل البيانات. يسمح هذا النهج الشامل بفهم واضح للإطار التجريبي ويدعم صحة النتائج المقدمة في الدراسة.
النتائج
تم تقييم نتائج القياس المرجعي لـ DupyliCate مقابل أداتين أخريين، doubletrouble و DupGenFinder، مما كشف عن اختلافات ملحوظة في الأداء والإنتاج. عند استخدام العتبات اليدوية، أنتج DupyliCate نتائج مشابهة لتلك الخاصة بـ doubletrouble، خاصة في تصنيف التكرارات المتتالية والقريبة، بينما أبلغ DupGenFinder عن أعداد أقل لهذه الفئات. من حيث إجمالي التكرارات، قدم DupyliCate و DupGenFinder تقديرات قابلة للمقارنة، بينما قدمت doubletrouble إجماليًا أقل. لوحظت فجوة كبيرة في مخرجات الجينات الفردية، حيث حدد DupyliCate حوالي 4000 فردية مقارنة بحوالي 20 من DupGenFinder، ولم يكن هناك مخرجات فردية من doubletrouble. بالإضافة إلى ذلك، نجح DupyliCate في تصنيف جميع الجينات المدخلة، على عكس الأدوات الأخرى، التي تركت بعض الجينات غير مصنفة.
أدى تشغيل العتبة المعتمد على BUSCO، باستخدام حد قطع لدرجة النقاط الذاتية المعدلة قدره 0.696، إلى تصنيف حوالي ثلثي الجينات كأفراد. تميز DupyliCate بشكل أكبر من خلال إنشاء رسم بياني لمشهد التكرار بناءً على توزيع درجات النقاط الذاتية المعدلة، كما يتضح من تحليل A. thaliana Columbia-0 (Col-0). أظهرت مقارنات وقت التشغيل أن DupyliCate و doubletrouble أديا بشكل مشابه بدون BUSCO، بينما تطابق وقت تشغيل DupyliCate مع BUSCO مع أوقات تشغيل DupGenFinder.
المناقشة
تقيّم قسم المناقشة في ورقة البحث أداء وقدرات DupyliCate، الأداة المصممة لتحديد وتحليل تكرار الجينات. أظهرت تحليلات وقت التشغيل أن DupyliCate يعمل بكفاءة على نظام متعدد النوى، مع وقت تشغيل ملحوظ قدره 34.8 ساعة للدراسات الكبيرة، مما يشير إلى ملاءمته للتطبيقات عالية الإنتاجية. تم التحقق من صحة الأداة من خلال تحليلات إثبات المفهوم، حيث نجحت في تحديد أنواع مختلفة من تكرارات الجينات عبر أنواع نباتية متعددة، بما في ذلك التكرارات المتتالية والقريبة. من الجدير بالذكر أن طريقة تحديد العتبات المعتمدة على BUSCO لـ DupyliCate تميز بفعالية بين الجينات الفردية والجينات المكررة، مما يكشف عن احتفاظ حوالي 27.5% من تكرارات الجينات في *Arabidopsis thaliana*، وهو ما يتماشى مع التقديرات السابقة بعد أحداث تعدد الصبغيات.
علاوة على ذلك، يسلط القسم الضوء على الرؤى التطورية التي تم الحصول عليها من تحليلات DupyliCate، خاصة فيما يتعلق بعائلة جينات FLS في Brassicales وعوامل النسخ MYB عبر نطاق واسع من النشوء والتطور. تشير النتائج إلى أحداث تكرار جيني كبيرة وتوسعات، خاصة في سلالات FLS3 و FLS4، والتي قد تكون مرتبطة بتخفيف ضغوط الاختيار مما يؤدي إلى تشكيل الجينات الكاذبة. تعزز قدرة الأداة على دمج تحليلات متنوعة، بما في ذلك أنماط التعبير والسياق النشوء والتطور، من فائدتها في علم الجينوم المقارن وبحوث تكرار الجينات. بشكل عام، يظهر DupyliCate كمورد قيم للباحثين الذين يحققون في تكرارات الجينات في كل من الأنواع النباتية وغير النباتية، مما يقدم نهجًا شاملاً لفهم تعقيدات تطور الجينات.
DOI: https://doi.org/10.1038/s41598-026-55350-x
PMID: https://pubmed.ncbi.nlm.nih.gov/42209743
Publication Date: 2026-05-28
Author(s): Shakunthala Natarajan et al.
Primary Topic: Chromosomal and Genetic Variations
Overview
The section discusses the significance of gene paralogs in evolutionary novelty and introduces DupyliCate, a Python tool designed for the identification and analysis of gene duplications. This tool facilitates high-throughput processing of multiple datasets, allowing users to set species-specific thresholds through its flexible features. The effectiveness of DupyliCate is demonstrated using datasets from *Arabidopsis thaliana*, where it successfully characterizes known gene duplications and is shown to be applicable to complex plant genomes with high heterozygosity.
Additionally, two case studies are highlighted: the evolution of Flavonol synthase (FLS) genes within the Brassicales and the regulatory MYB genes (MYB12 and MYB111) across various plant species. The tool’s versatility is further illustrated by its application to datasets from organisms beyond plants, including *Escherichia coli*, *Saccharomyces cerevisiae*, and *Caenorhabditis elegans*. DupyliCate is publicly accessible at the provided GitHub link, making it a valuable resource for researchers studying gene duplication across diverse taxa.
Introduction
The introduction discusses the significance of gene duplication products, or paralogs, which arise from a common ancestor gene through duplication events, contrasting them with orthologs that result from speciation. These duplications are crucial for evolutionary innovation and the diversification of biosynthetic pathways in various organisms. They can be categorized into small-scale duplications (e.g., tandem and proximal duplications) and large-scale duplications (e.g., whole genome duplications). The identification of gene duplications is complex due to factors such as functional redundancy, gene loss, and evolutionary changes, prompting extensive research and the development of numerous tools for detection.
Several tools have been created to identify gene duplications, each with unique methodologies and focuses. Early tools like GenomeHistory utilized alignment approaches and Ka/Ks value computations, while later tools such as OrthoMCL and OrthoFinder emphasized ortholog identification. More recent advancements include DupGen_finder, which classifies various types of gene duplicates and integrates expression divergence analysis, and HSDSnake, which enhances user-friendliness and classification capabilities. Despite these advancements, existing tools often focus on pairwise duplications and standardized data formats, limiting their applicability across diverse datasets. The introduction of DupyliCate aims to address these limitations by facilitating the identification of gene duplication arrays, enabling expression analysis, and accommodating various input formats while employing species-specific thresholds for more accurate detection.
Methods
The “Materials and Methods” section outlines the experimental design and procedures employed in the study. It details the specific materials used, including any reagents, equipment, and biological samples, as well as their sources and preparation methods. The section also describes the methodologies applied for data collection and analysis, ensuring reproducibility of the experiments.
Additionally, the statistical techniques utilized to interpret the results are specified, including any software or algorithms employed for data analysis. This comprehensive approach allows for a clear understanding of the experimental framework and supports the validity of the findings presented in the study.
Results
The benchmarking results of DupyliCate were evaluated against two other tools, doubletrouble and DupGenFinder, revealing notable differences in performance and output. When using manual thresholds, DupyliCate produced results similar to those of doubletrouble, particularly in the classification of tandem and proximal duplicates, while DupGenFinder reported lower counts for these categories. In terms of total duplicates, DupyliCate and DupGenFinder yielded comparable estimates, whereas doubletrouble provided a lower total. A significant discrepancy was observed in singleton gene outputs, with DupyliCate identifying approximately 4000 singletons compared to around 20 from DupGenFinder, and no singleton output from doubletrouble. Additionally, DupyliCate successfully classified all input genes, unlike the other tools, which left some genes unclassified.
The BUSCO-based threshold run, utilizing a self-normalized bit score cut-off of 0.696, resulted in about two-thirds of the genes being classified as singletons. DupyliCate further distinguished itself by generating a duplication landscape plot based on the distribution of self-normalized bit scores, exemplified by the analysis of A. thaliana Columbia-0 (Col-0). Runtime comparisons indicated that DupyliCate and doubletrouble performed similarly without BUSCO, while DupyliCate with BUSCO matched the runtimes of DupGenFinder.
Discussion
The discussion section of the research paper evaluates the performance and capabilities of DupyliCate, a tool designed for gene duplication identification and analysis. The runtime analyses demonstrated that DupyliCate operates efficiently on a multi-core system, with a notable runtime of 34.8 hours for large-scale studies, indicating its suitability for high-throughput applications. The tool was validated through proof-of-concept analyses, successfully identifying various types of gene duplications across multiple plant species, including tandem and proximal duplications. Notably, DupyliCate’s BUSCO-based thresholding method effectively distinguishes between singleton and duplicated genes, revealing a retention of approximately 27.5% gene duplicates in *Arabidopsis thaliana*, consistent with previous estimates following polyploidization events.
Furthermore, the section highlights the evolutionary insights gained from DupyliCate’s analyses, particularly regarding the FLS gene family in Brassicales and MYB transcription factors across a broad phylogenetic range. The findings suggest significant gene duplication events and expansions, particularly in the FLS3 and FLS4 clades, which may be linked to relaxed selection pressures leading to pseudogene formation. The tool’s ability to integrate various analyses, including expression patterns and phylogenetic context, enhances its utility in comparative genomics and gene duplication research. Overall, DupyliCate emerges as a valuable resource for researchers investigating gene duplications in both plant and non-plant species, offering a comprehensive approach to understanding the complexities of gene evolution.