Informations

20.3 : Pressions et moteurs de sélection - Biologie


Un aspect important de la compréhension des traits d'histoire de vie des bryophytes est de comprendre les défis de la vie dans un environnement terrestre.

  1. exposition au soleil. La lumière du soleil fournit l'énergie qui alimente notre biosphère, mais certaines longueurs d'onde de la lumière du soleil peuvent endommager la structure cellulaire et même l'ADN. Les longueurs d'onde à haute fréquence, telles que les ultraviolets (UV), les rayons X et les rayons gamma peuvent pénétrer les couches protectrices externes comme la peau, à travers les membranes cellulaires, et endommager l'ADN, les protéines et d'autres biomolécules. Heureusement pour les organismes sur Terre, presque toutes ces longueurs d'onde sont filtrées par l'atmosphère avant de nous atteindre, bien que certains rayons UV parviennent encore à traverser. Ces derniers rayons UV sont filtrés pour les organismes aquatiques, mais les organismes terrestres ont besoin de s'adapter pour se protéger des rayons UV. Les humains ont une peau avec des pigments de mélanine. Les plantes terrestres ont un épiderme et pigments caroténoïdes.
  2. Dessiccation. Le passage d'un environnement entièrement aquatique à un environnement terrestre entraîne des défis de dessèchement, également appelé dessiccation. Les températures sont plus extrêmes en dehors de l'eau et l'évaporation des tissus vers l'air relativement sec est constante. Les plantes terrestres ont rapidement adapté un revêtement cireux sur l'épiderme, appelé un cuticule. Ce revêtement étanche a nécessité l'évolution de pores simples, et éventuellement stomates, pour permettre les échanges gazeux avec l'environnement extérieur. Parce que ces plantes manquent de tissu vasculaire, l'eau ne peut être transportée dans l'organisme que par osmose. Ainsi, ces plantes doivent garder tous les tissus à proximité de l'accès à l'eau.
  3. Manque d'environnement du sol. Les premiers organismes à se déplacer sur terre auraient trouvé un paysage rocheux relativement aride. Les sols n'existaient pas encore. Le substrat rocheux a subi une altération physique due à la pluie et au vent qui aiderait à le décomposer. L'altération chimique par les pluies acides ou l'interaction de l'eau avec des composés dans la roche pourrait également aider à la décomposition. Cependant, jusqu'à présent, les contributions de la matière organique seraient minimes. Les bryophytes manquent de vraies racines, produisant à la place des structures appelées rhizoïdes dont la fonction est l'ancrage. Il existe des gènes présents dans les bryophytes, ainsi que des preuves fossiles, qui indiquent que les bryophytes avaient probablement des relations mycorhiziennes avec des champignons qui les ont aidés à acquérir des nutriments dans ce nouveau paysage.

Voir les bryophytes exposées. Comparez et contrastez la morphologie globale des bryophytes avec les plantes que vous pouvez voir à l'extérieur. Pourquoi pensez-vous que les bryophytes partagent tous une forme de croissance si similaire ?


20.3 : Pressions et moteurs de sélection - Biologie

Résumé de l'article:

La macroévolution est remplacée par une version plus fine des variations collectives au fil des générations. C'est ce qu'on appelle microévolution qui fait référence aux changements dans la fréquence des allèles au sein des populations.

La microévolution englobe les processus qui provoquent de tels changements dans les fréquences alléliques d'une génération à l'autre. Plusieurs de ces processus se produisant au fil des générations entraînent l'évolution des espèces.

L'unité fondamentale de l'évolution est la population. En termes généraux, une population se compose d'organismes se reproduisant qui occupent un habitat spécifique à un moment donné. La fréquence de l'allèle particulier du gène dans la population est considérée comme la fréquence de l'allèle aux fins de la microévolution.

Les différences de phénotype des populations au fil des générations devraient être le résultat de variations génétiques. Alors seule l'évolution est possible. Il existe cinq forces qui jouent un rôle majeur dans la contribution à de telles variations génétiques. Ils comprennent la mutation, la sélection naturelle, le flux génétique, la dérive génétique et l'accouplement non aléatoire. En termes de fitness, seule la sélection naturelle s'efforce de rendre l'individu plus adapté à l'environnement.

Mutation
Les mutations sont des changements soudains et aléatoires du code génétique qui sont de nature héréditaire et provoquent un changement de phénotype. Cela peut se produire au niveau de gènes ou de nucléotides individuels comme les mutations ponctuelles ou au niveau des chromosomes comme les délétions. La plupart des mutations ont des effets neutres ou nocifs. Les mutations bénéfiques sont très rares dans la nature.

Les taux de mutation sont trop lents pour provoquer des changements significatifs dans l'évolution. Un taux de mutation moyen pourrait prendre au moins 70 000 générations pour réduire de moitié la fréquence allélique de la population. Ils ont peu d'effet sur les rapports Hardy-Weinberg des allèles communs des gènes dans une population. Mais ils sont la seule source de variation génétique entraînant la formation de nouveaux allèles dans une espèce.

Flux de gènes ou migration
Le flux de gènes donne lieu à des populations génétiquement plus similaires. Il fait référence au mouvement des allèles d'une population à une autre principalement par des méthodes naturelles. Les populations résultantes sont plus homogènes et ont des fréquences alléliques similaires.

Dérive génétique
C'est la fluctuation aléatoire de la fréquence des allèles entre les différentes générations. Ces effets sont plus profonds dans les petites populations. Les fréquences alléliques peuvent changer d'une génération à l'autre en raison du hasard. La dérive génétique joue un rôle majeur dans la variation de la petite population puisque le pool allélique est plus petit. Supposons qu'il existe un seul allèle d'un gène particulier parmi un groupe de 20 organismes. La fréquence allélique est de 1/20 = 20 %. Sur la génération suivante, les chances sont moindres que l'allèle soit transmis et, par conséquent, la prochaine génération d'organismes aura une fréquence d'allèle de 0 %, ce qui entraînera une perte d'allèle.

Dans une grande population, les fréquences alléliques restent presque les mêmes ou n'ont que peu de fluctuations car la probabilité de trouver l'allèle dans la prochaine génération d'organismes est plus élevée.

La dérive génétique est en d'autres termes une accumulation lente de mutations principalement dues à des erreurs de réplication et/ou de sélection immunitaire. Lorsque le changement génétique est dû à une recombinaison ou à un réassortiment de gènes ou d'allèles, on parle de changement génétique.
L'effet fondateur et les goulots d'étranglement génétiques sont le résultat de la dérive génétique.

Accouplement non aléatoire
Cela se produit lorsque l'organisme individuel est biaisé dans l'accouplement avec des individus relatifs dans la communauté ou la population. L'accouplement préférentiel avec des parents est appelé consanguinité, qui est la forme la plus courante d'accouplement non aléatoire. Cela augmente la fréquence d'homozygotie et donc la probabilité que les allèles récessifs soient exprimés dans la génération suivante est plus élevée. Cela se traduit par une incidence plus élevée de troubles génétiques récessifs dans la population. L'effet est important dans les communautés fermées. L'effet fondateur et la consanguinité se sont avérés être la principale cause de troubles génétiques tels que la microcéphalie.

La sélection naturelle s'est avérée être la principale force motrice de l'évolution avec une augmentation de la forme physique de l'individu. Certains génotypes s'adaptent à leurs habitats environnementaux et ces individus « en forme » transmettent les allèles à la génération suivante, ce qui entraîne une augmentation de la fréquence des allèles. Ceci est influencé par la sélection naturelle et la survie des concepts les plus adaptés.
Il existe trois formes de sélection naturelle : la sélection stabilisatrice, directionnelle et perturbatrice. En stabilisant la sélection, la fréquence des allèles est maintenue au fil des générations. La sélection directionnelle décale cette fréquence et augmente les allèles dans les générations suivantes dans la plupart des cas. La sélection perturbatrice favorise les traits extrêmes de l'organisme pour augmenter la fitness. Cela se produit lorsqu'il y a des perturbations soudaines dans la population, telles qu'une chute soudaine des niveaux d'oxygène due à la chute d'une météorite. En favorisant les traits, les organismes sont mieux à même de survivre dans les environnements les plus difficiles.

Les gènes du cerveau humain présentent des signes de sélection bien que les caractères phénotypiques ne puissent pas être retracés jusqu'aux gènes individuels. Il y a toujours de fortes chances que notre cerveau continue d'évoluer par l'une ou l'ensemble des méthodes citées ci-dessus.

À propos de l'auteur / Informations supplémentaires :

Avis de non-responsabilité important : Tous les articles de ce site Web sont uniquement à titre d'information générale et ne constituent pas des conseils de professionnels ou d'experts. Nous ne sommes pas responsables de l'exactitude ou de l'authenticité des informations présentées dans cet article, ou de toute perte ou blessure en résultant. Nous ne cautionnons pas ces articles, nous ne sommes ni affiliés aux auteurs de ces articles ni responsables de leur contenu. Veuillez consulter notre section de non-responsabilité pour les conditions complètes.


20.3 Perspectives sur l'arbre phylogénétique

À la fin de cette section, vous serez en mesure d'effectuer les opérations suivantes :

  • Décrire le transfert horizontal de gènes
  • Illustrer comment les procaryotes et les eucaryotes transfèrent des gènes horizontalement
  • Identifier les modèles de réseau et d'anneau des relations phylogénétiques et décrire en quoi ils diffèrent du concept original d'arbre phylogénétique

Les concepts de modélisation phylogénétique sont en constante évolution. C'est l'un des domaines d'études les plus dynamiques de toute la biologie. Au cours des dernières décennies, de nouvelles recherches ont remis en question les idées des scientifiques sur la façon dont les organismes sont liés. La communauté scientifique a proposé de nouveaux modèles de ces relations.

De nombreux arbres phylogénétiques sont des modèles de la relation évolutive entre les espèces. Les arbres phylogénétiques ont pour origine Charles Darwin, qui a esquissé le premier arbre phylogénétique en 1837 (Figure 20.12a). Cela a servi de prototype pour les études ultérieures pendant plus d'un siècle. Le concept d'arbre phylogénétique avec un seul tronc représentant une ascendance partagée, avec des branches représentant la divergence des espèces de cette ascendance, s'intègre bien à la structure de nombreux arbres communs, comme le chêne (Figure 20.12b). Cependant, les preuves de l'analyse moderne des séquences d'ADN et des algorithmes informatiques nouvellement développés ont suscité un scepticisme quant à la validité du modèle d'arbre standard dans la communauté scientifique.

Limitations du modèle classique

La pensée classique sur l'évolution procaryote, incluse dans le modèle d'arbre classique, est que les espèces évoluent de manière clonale. C'est-à-dire qu'ils produisent eux-mêmes une progéniture avec uniquement des mutations aléatoires provoquant la descente dans la variété d'espèces modernes et éteintes connues de la science. Ce point de vue est quelque peu compliqué chez les eucaryotes qui se reproduisent sexuellement, mais les lois de la génétique mendélienne expliquent que la variation de la progéniture, encore une fois, est le résultat d'une mutation au sein de l'espèce. Les scientifiques n'ont considéré le concept de transfert de gènes entre espèces non apparentées comme une possibilité que relativement récemment. Le transfert horizontal de gènes (HGT), ou transfert latéral de gènes, est le transfert de gènes entre espèces non apparentées. HGT est un phénomène omniprésent, avec de nombreux évolutionnistes postulant un rôle majeur pour ce processus dans l'évolution, compliquant ainsi le modèle d'arbre simple. Les gènes passent entre des espèces qui ne sont que de loin apparentées en utilisant la phylogénie standard, ajoutant ainsi une couche de complexité à la compréhension des relations phylogénétiques.

Les différentes façons dont HGT se produit chez les procaryotes sont importantes pour comprendre les phylogénies. Bien qu'à l'heure actuelle certains ne considèrent pas HGT comme important pour l'évolution eucaryote, HGT se produit également dans ce domaine. Enfin, comme exemple de transfert de gène ultime, certains scientifiques ont proposé des théories de fusion de génomes entre organismes symbiotiques ou endosymbiotiques pour expliquer un événement d'une grande importance : l'évolution de la première cellule eucaryote, sans laquelle l'homme n'aurait pu exister.

Transfert de gènes horizontal

Le transfert horizontal de gènes (HGT) est l'introduction de matériel génétique d'une espèce à une autre espèce par des mécanismes autres que la transmission verticale des parents à la progéniture. Ces transferts permettent à des espèces même éloignées de partager des gènes, influençant leurs phénotypes. Les scientifiques pensent que la HGT est plus répandue chez les procaryotes, mais que ce processus ne transfère qu'environ 2% du génome procaryote. Certains chercheurs pensent que de telles estimations sont prématurées : nous devons considérer l'importance réelle de HGT pour les processus évolutifs comme un travail en cours. Au fur et à mesure que les scientifiques étudient ce phénomène de manière plus approfondie, ils peuvent révéler davantage de transfert de HGT. De nombreux scientifiques pensent que HGT et la mutation sont (en particulier chez les procaryotes) une source importante de variation génétique, qui est la matière première du processus de sélection naturelle. Ces transferts peuvent se produire entre deux espèces partageant une relation intime (tableau 20.1).

Mécanisme Mode de transmission Exemple
Procaryotes transformation absorption d'ADN de nombreux procaryotes
transduction bactériophage (virus) bactéries
conjugaison pilus de nombreux procaryotes
agents de transfert de gènes particules de type phage bactéries violettes non soufrées
Eucaryotes d'organismes alimentaires inconnu puceron
gènes sauteurs transposons plants de riz et de millet
épiphytes/parasites inconnu champignons des ifs
d'infections virales

HGT chez les procaryotes

Les mécanismes HGT sont assez courants dans les domaines des bactéries et des archées, modifiant ainsi considérablement la façon dont les scientifiques voient leur évolution. La majorité des modèles évolutifs, comme dans la théorie des endosymbiotes, proposent que les eucaryotes descendent de plusieurs procaryotes, ce qui rend HGT d'autant plus important pour comprendre les relations phylogénétiques de toutes les espèces existantes et éteintes. La théorie des endosymbiotes prétend que les mitochondries des eucaryotes et les chloroplastes et flagellés des plantes vertes sont à l'origine des procaryotes libres qui ont envahi les cellules eucaryotes primitives et se sont établis en tant que symbiotes permanents dans le cytoplasme.

Les étudiants en microbiologie savent bien que les gènes se transfèrent entre les bactéries communes. Ces transferts de gènes entre espèces sont le principal mécanisme par lequel les bactéries acquièrent une résistance aux antibiotiques. Classiquement, les scientifiques pensent que trois mécanismes différents conduisent de tels transferts.

  1. Transformation : la bactérie s'empare de l'ADN nu
  2. Transduction : un virus transfère les gènes
  3. Conjugaison : un tube creux, ou pilus transfère des gènes entre organismes

Plus récemment, des scientifiques ont découvert un quatrième mécanisme de transfert de gènes entre procaryotes. De petites particules pseudo-virales ou agents de transfert de gènes (GTA) transfèrent des segments génomiques aléatoires d'une espèce procaryote à une autre. Les GTA sont responsables de changements génétiques, parfois à une fréquence très élevée par rapport à d'autres processus évolutifs. Les scientifiques ont caractérisé la première RGT en 1974 à l'aide de bactéries violettes sans soufre. Ces GTA, qui sont très probablement dérivés de l'ADN de bactériophage inséré dans un procaryote qui a perdu la capacité de produire de nouveaux bactériophages, transportent des morceaux d'ADN aléatoires d'un organisme à un autre. Des études contrôlées utilisant des bactéries marines ont démontré la capacité des GTA à agir à haute fréquence. Les scientifiques ont estimé que les événements de transfert de gènes chez les procaryotes marins, soit par des GTA, soit par des virus, pourraient atteindre 10 13 par an dans la seule mer Méditerranée. Les GTA et les virus sont des véhicules HGT efficaces avec un impact majeur sur l'évolution des procaryotes.

En conséquence de cette analyse ADN moderne, l'idée que les eucaryotes ont évolué directement à partir d'archées est tombée en désuétude. Alors que les eucaryotes partagent de nombreuses caractéristiques absentes des bactéries, telles que la boîte TATA (située dans la région du promoteur de nombreux gènes), la découverte que certains gènes eucaryotes étaient plus homologues à l'ADN bactérien qu'à l'ADN d'Archaea a rendu cette idée moins défendable. De plus, les scientifiques ont proposé la fusion du génome des archées et des bactéries par endosymbiose comme l'événement ultime de l'évolution eucaryote.

HGT chez les eucaryotes

Bien qu'il soit facile de voir comment les procaryotes échangent du matériel génétique par HGT, les scientifiques ont d'abord pensé que ce processus était absent chez les eucaryotes. Après tout, les procaryotes ne sont que des cellules individuelles exposées directement à leur environnement alors que les cellules sexuelles des organismes multicellulaires sont généralement séquestrées dans des parties protégées du corps. Il découle de cette idée que les transferts de gènes entre eucaryotes multicellulaires devraient être plus difficiles. Les scientifiques pensent que ce processus est plus rare chez les eucaryotes et a un impact évolutif beaucoup plus faible que chez les procaryotes. Malgré cela, la HGT entre des organismes éloignés les uns des autres est évidente chez plusieurs espèces eucaryotes, et il est possible que les scientifiques découvrent d'autres exemples à l'avenir.

Chez les plantes, les chercheurs ont observé un transfert de gènes chez des espèces qui ne peuvent pas se croiser par des moyens normaux. Des transposons ou « gènes sauteurs » ont montré un transfert entre les espèces végétales de riz et de mil. De plus, les espèces fongiques se nourrissant des ifs, dont le médicament anticancéreux TAXOL® est dérivé de l'écorce, ont acquis la capacité de fabriquer elles-mêmes du taxol, un exemple clair de transfert de gènes.

Chez les animaux, un exemple particulièrement intéressant de HGT se produit au sein des espèces de pucerons (Figure 20.13). Les pucerons sont des insectes dont la couleur varie en fonction de la teneur en caroténoïdes. Les caroténoïdes sont des pigments produits par une variété de plantes, de champignons et de microbes, et ils remplissent diverses fonctions chez les animaux, qui obtiennent ces produits chimiques à partir de leur nourriture. Les humains ont besoin de caroténoïdes pour synthétiser la vitamine A, et nous les obtenons en mangeant des fruits et légumes oranges : carottes, abricots, mangues et patates douces. Alternativement, les pucerons ont acquis la capacité de fabriquer eux-mêmes les caroténoïdes. Selon l'analyse de l'ADN, cette capacité est due au transfert de gènes fongiques dans l'insecte par HGT, vraisemblablement lorsque l'insecte consommait des champignons pour se nourrir. Une enzyme caroténoïde, ou désaturase, est responsable de la coloration rouge de certains pucerons, et lorsque la mutation de ce gène conduit à la formation d'une enzyme inactive, les pucerons retrouvent leur couleur verte plus commune (Figure 20.13).

Fusion du génome et évolution des eucaryotes

Les scientifiques pensent que l'ultime HGT se produit par la fusion du génome entre différentes espèces de procaryotes lorsque deux organismes symbiotiques deviennent endosymbiotiques. Cela se produit lorsqu'une espèce est prise à l'intérieur du cytoplasme d'une autre espèce, ce qui aboutit finalement à un génome composé de gènes provenant à la fois de l'endosymbionte et de l'hôte. Ce mécanisme est un aspect de la théorie des endosymbiotes, que la plupart des biologistes acceptent comme le mécanisme par lequel les cellules eucaryotes ont obtenu leurs mitochondries et leurs chloroplastes. Cependant, le rôle de l'endosymbiose dans le développement du noyau est plus controversé. Les scientifiques pensent que l'ADN nucléaire et mitochondrial ont des origines évolutives différentes (séparées), l'ADN mitochondrial étant dérivé des génomes circulaires de la bactérie engloutis par d'anciennes cellules procaryotes. Nous pouvons considérer l'ADN mitochondrial comme le plus petit chromosome. Il est intéressant de noter que l'ADN mitochondrial n'est hérité que de la mère. L'ADN mitochondrial se dégrade dans le sperme lorsque le sperme se dégrade dans l'ovule fécondé ou dans d'autres cas lorsque les mitochondries situées dans le flagelle du sperme ne parviennent pas à pénétrer dans l'ovule.

Au cours de la dernière décennie, James Lake de l'Institut d'astrobiologie UCLA/NASA a proposé que le processus de fusion du génome soit responsable de l'évolution des premières cellules eucaryotes (Figure 20.14a). À l'aide de l'analyse de l'ADN et d'un nouvel algorithme mathématique, la reconstruction conditionnée (CR), son laboratoire a proposé que les cellules eucaryotes se soient développées à partir d'une fusion de gènes endosymbiotiques entre deux espèces, l'une une archée et l'autre une bactérie. Comme mentionné, certains gènes eucaryotes ressemblent à ceux des archées alors que d'autres ressemblent à ceux des bactéries. Un événement de fusion endosymbiotique, tel que celui proposé par Lake, expliquerait clairement cette observation. Alternativement, ce travail est nouveau et l'algorithme CR est relativement peu étayé, ce qui amène de nombreux scientifiques à résister à cette hypothèse.

Les travaux les plus récents de Lake (figure 20.14b) proposent que les bactéries gram-négatives, qui sont uniques dans leur domaine en ce qu'elles contiennent deux membranes bicouches lipidiques, résultent d'une fusion endosymbiotique d'espèces archées et bactériennes. La double membrane serait le résultat direct de l'endosymbiose, l'endosymbionte ramassant la deuxième membrane de l'hôte au fur et à mesure de son intériorisation. Les scientifiques ont également utilisé ce mécanisme pour expliquer les doubles membranes dans les mitochondries et les chloroplastes. Certains sont sceptiques quant au travail de Lake, et la communauté des sciences biologiques débat toujours de ses idées. En plus de l'hypothèse de Lake, il existe plusieurs autres théories concurrentes quant à l'origine des eucaryotes. Comment le noyau eucaryote a-t-il évolué ? Une théorie est que les cellules procaryotes ont produit une membrane supplémentaire qui entourait le chromosome bactérien. Certaines bactéries ont l'ADN entouré de deux membranes, cependant, il n'y a aucune preuve d'un nucléole ou de pores nucléaires. D'autres protéobactéries ont également des chromosomes liés à la membrane. Si le noyau eucaryote évoluait de cette façon, nous nous attendrions à ce que l'un des deux types de procaryotes soit plus étroitement lié aux eucaryotes.

L'hypothèse du noyau d'abord propose que le noyau ait évolué d'abord chez les procaryotes (Figure 20.15a), suivi d'une fusion ultérieure du nouvel eucaryote avec des bactéries qui sont devenues des mitochondries. L'hypothèse des mitochondries en premier propose que les mitochondries ont d'abord été établies chez un hôte procaryote (Figure 20.15b), qui a ensuite acquis un noyau, par fusion ou d'autres mécanismes, pour devenir la première cellule eucaryote. Plus intéressant encore, l'hypothèse de l'eucaryote d'abord propose que les procaryotes ont en fait évolué à partir des eucaryotes en perdant des gènes et de la complexité (Figure 20.15c). Toutes ces hypothèses sont testables. Seuls le temps et davantage d'expérimentation détermineront les données d'hypothèse le mieux étayées.

Modèles Web et réseau

Reconnaissant l'importance de HGT, en particulier dans l'évolution des procaryotes, certains ont proposé d'abandonner le modèle classique de « l'arbre de vie ». En 1999, W. Ford Doolittle a proposé un modèle phylogénétique qui ressemble plus à une toile ou à un réseau qu'à un arbre. L'hypothèse est que les eucaryotes ont évolué non pas à partir d'un seul ancêtre procaryote, mais à partir d'un pool de nombreuses espèces qui partageaient des gènes par des mécanismes HGT. Comme le montre la figure 20.16a, certains procaryotes individuels étaient responsables du transfert des bactéries qui ont causé le développement mitochondrial aux nouveaux eucaryotes, tandis que d'autres espèces ont transféré les bactéries qui ont donné naissance aux chloroplastes. Les scientifiques appellent souvent ce modèle le « réseau de la vie ». Dans un effort pour sauver l'analogie de l'arbre, certains ont proposé d'utiliser le Ficus arbre (Figure 20.16b) avec ses multiples troncs comme moyen phylogénétique de représenter un rôle évolutif diminué pour HGT.

Modèles Anneau de Vie

D'autres ont proposé d'abandonner tout modèle arborescent de phylogénie au profit d'une structure en anneau, dite « anneau de vie » (Figure 20.17). Il s'agit d'un modèle phylogénétique où les trois domaines de la vie ont évolué à partir d'un pool de procaryotes primitifs. Lake, utilisant à nouveau l'algorithme de reconstruction conditionnée, propose un modèle en forme d'anneau dans lequel les espèces des trois domaines - Archaea, Bacteria et Eukarya - ont évolué à partir d'un seul pool de procaryotes échangeant des gènes. Son laboratoire propose que cette structure convient le mieux aux données d'analyses d'ADN approfondies effectuées dans son laboratoire, et que le modèle en anneau est le seul qui prend en compte de manière adéquate le HGT et la fusion génomique. Cependant, d'autres phylogénéticiens restent très sceptiques à l'égard de ce modèle.

En résumé, nous devons modifier le modèle de « l'arbre de vie » de Darwin pour inclure HGT. Cela signifie-t-il abandonner complètement le modèle de l'arbre ? Même Lake soutient que les scientifiques devraient tenter de modifier le modèle d'arbre pour lui permettre de s'adapter avec précision à ses données, et seule l'incapacité de le faire influencera les gens vers sa proposition d'anneau.

Cela ne signifie pas qu'un arbre, une toile ou un anneau sera complètement corrélé à une description précise des relations phylogénétiques de la vie. Une conséquence de la nouvelle réflexion sur les modèles phylogénétiques est l'idée que le concept original d'arbre phylogénétique de Darwin est trop simple, mais avait un sens basé sur ce que les scientifiques savaient à l'époque. Cependant, la recherche d'un modèle plus utile se poursuit : chaque modèle sert d'hypothèses à tester avec la possibilité de développer de nouveaux modèles. C'est ainsi que la science avance. Les chercheurs utilisent ces modèles comme des visualisations pour aider à construire des relations évolutives hypothétiques et à comprendre la quantité massive de données à analyser.


Les parasitoïdes comme moteurs de la diversité des symbiotes chez un insecte hôte

Les systèmes immunitaires se sont diversifiés à plusieurs reprises en réponse à la diversité des parasites. De nombreux animaux ont sous-traité une partie de leur défense immunitaire à des symbiotes défensifs, qui devraient être affectés par des pressions évolutives similaires à celles du système immunitaire de l'hôte. Les symbiotes protecteurs offrent une protection efficace et spécifique et répondent à l'évolution de la pression de sélection par les parasites. Ici on utilise le puceron Aphis fabae, son symbiote protecteur Hamiltonella defensa, et son parasitoïde Lysiphlebus fabarum pour tester si la diversité des parasites peut maintenir la diversité des symbiotes protecteurs. Nous avons exposé des populations de pucerons avec la même composition initiale de symbiotes à des populations de parasitoïdes qui différaient par leur diversité. Comme prévu, les génotypes de parasitoïdes uniques favorisaient principalement un seul symbiote qui était le plus protecteur contre ce parasitoïde particulier, tandis que plusieurs symbiotes persistaient chez les pucerons exposés à des populations de parasitoïdes plus diverses, ce qui à son tour affectait la densité de population de pucerons et les taux de parasitisme. La diversité des parasites peut être cruciale pour maintenir la diversité des symbiotes dans la nature.


Discussion

Ici, nous présentons des preuves que le sexe et l'âge ont un impact sur les mutations motrices qui surviennent et persistent au cours de la tumorigenèse. Nous avons constaté que les patients plus jeunes et les femmes accumulent des mutations conductrices dans leurs tumeurs qui sont moins facilement présentées par leurs molécules du CMH (Fig. 5), suggérant un bilan plus important de la sélection immunitaire au début de la tumorigenèse. Ce résultat est cohérent avec les méta-analyses récentes sur plusieurs tumeurs montrant des différences dépendantes du sexe et de l'âge en réponse à l'ICB 4,5,6,7. Nous avons également observé les effets les plus forts dans la sélection basée sur le CMH-II, en accord avec le fait que les femelles ont des comptes de lymphocytes T CD4 + plus élevés que les mâles 35 . Un rôle prédominant de la sélection immunitaire induite par le CMH-II peut s'expliquer par le fait que les cellules CD4 + T, en plus d'une fonction effectrice directe comparable à celle des cellules CD8 + T, jouent également un rôle régulateur profondément enraciné dans la coopération avec les cellules CD8 + T via la reconnaissance associative de l'antigène 36,37. Leur fonction d'orchestration de l'immunité des lymphocytes T, en termes généraux, en fait des acteurs privilégiés, donc des cibles de la sélection immunitaire telle qu'elle est révélée ici. Chez les individus plus âgés, les effets de sélection immunitaire par présentation MHC-II de mutations conductrices sont atténués par un rapport CD4 + /CD8 + réduit 38 et une plus grande attrition des télomères dans les cellules CD4 + T que dans les cellules CD8 + T 39 conduisant à une sénescence accélérée. Pris ensemble, les preuves suggèrent que les tumeurs qui se développent chez les patients plus jeunes et les femmes sont sujettes à une immunoédition plus forte que celles des patients plus âgés et masculins.

Les jeunes femmes subissent la réponse immunitaire la plus forte, rendant leurs tumeurs diagnostiquées plus invisibles pour le système immunitaire et difficiles à traiter avec l'ICB. À l'autre extrême, les hommes âgés subissent la réponse immunitaire la plus faible, laissant leurs tumeurs diagnostiquées plus visibles pour le système immunitaire et ouvertes aux attaques lorsqu'elles sont stimulées par l'ICB. Les points bleus indiquent des mutations de conducteur immunologiquement visibles tandis que les points rouges indiquent des mutations de conducteur immunologiquement invisibles à divers moments.

Nos résultats basés sur le TCGA ont été reproduits dans la plus petite cohorte de validation où nous avons une fois de plus observé une présentation plus médiocre des mutations du moteur basée sur le CMH chez les femmes par rapport aux hommes et les patients plus jeunes par rapport aux patients plus âgés, la présentation étant pire chez les patients plus jeunes et les femmes. Lors de la modélisation de l'influence du génotype du CMH sur la probabilité d'observer des mutations motrices, les tailles d'effet estimées sont modestes, bien que relativement importantes par rapport aux effets détectés par les études d'association à l'échelle du génome où les rapports de cotes sont souvent <1.2 40 . Plusieurs sources d'incertitude, notamment des erreurs dans le génotypage des patients, la prédiction des affinités de liaison peptide-HLA utilisées pour calculer le score PHBR et des erreurs dans l'appel de mutation somatique pourraient masquer les véritables effets 21 . Des estimations plus précises nécessiteront probablement de plus grandes tailles d'échantillons et, idéalement, la disponibilité des données d'expression, car les mutations non exprimées ne devraient pas refléter les effets de la sélection immunitaire.

Dans cette analyse, nous nous sommes concentrés sur un ensemble de mutations récurrentes faux-sens et indel dans des gènes pilotes établis développés dans nos travaux précédents. Ceci est motivé par l'hypothèse que ceux-ci sont plus susceptibles de se produire tôt au cours de la tumorigenèse, et peuvent ainsi fournir une vue de la sélection immunitaire avant que divers mécanismes d'évasion immunitaire ne se produisent 22 . Cependant, il est peu probable que la sélection immunitaire opère différemment sur différentes catégories de mutations, et les néoantigènes dérivés de mutations non motrices devraient être également capables de déclencher une réponse des lymphocytes T. La question de savoir si les cellules tumorales peuvent échapper plus facilement aux réponses des lymphocytes T lorsqu'elles sont ciblées contre des mutations non motrices non essentielles reste une question importante. Il a été suggéré que les réponses ICB sont plus efficaces lorsqu'un néoantigène pilote clonal est présent 41 . Bien que nous n'ayons pas observé de biais important lié au sexe ou à l'âge dans les signatures mutationnelles associées aux 1018 mutations motrices, nous supposons qu'il est possible que des mutations non motrices puissent montrer des différences dans leur potentiel à servir de néo-antigènes si les processus mutationnels sous-jacents sont actifs à des moments différents ou sont biaisés pour générer des mutations dans les séquences codantes de protéines exprimées avec des caractéristiques qui biaisent leur présentation.

Malgré certaines limitations, notre analyse fournit un argument convaincant en faveur du paradigme selon lequel la sélection immunitaire exerce ses effets différemment en fonction du sexe et de l'âge, avec un effet plus important chez les femmes plus jeunes. Il convient de noter que la cohorte de femmes plus jeunes avait la présentation de mutation du conducteur la plus mauvaise dans les cohortes de découverte et de validation, ce qui suggère que ces effets sont forts et complémentaires. Bien que notre analyse suggère qu'un âge plus jeune est associé à des réponses immunitaires antitumorales plus fortes, nous suggérons fortement de faire preuve de prudence en considérant si cette tendance pourrait se généraliser aux tumeurs pédiatriques. Le paysage génomique des tumeurs pédiatriques est distinct de celui des tumeurs de l'âge adulte, avec des charges de mutations plus faibles, des événements moteurs différents et davantage de facteurs germinaux et les caractéristiques du système immunitaire pédiatrique diffèrent grandement de celles d'un adulte 42 . De plus, nous ne sommes pas en mesure de contrôler d'autres facteurs liés au sexe et à l'âge au-delà de la présentation MHC prédite des peptides dérivés des mutations motrices. Ces possibilités peuvent inclure (a) des différences dans la machinerie de traitement des antigènes précédant l'exposition de surface des complexes MHC-peptide, et (b) des facteurs génétiques et épigénétiques provoquant une accumulation préférentielle de mutations dans les cohortes pour des raisons autres que l'immuno-édition.

En conclusion, cette étude indique que la sélection immunitaire exerce son effet différemment selon le sexe et l'âge, avec un effet plus important chez les femmes plus jeunes. En tant que tel, le taux de réponse à l'ICB peut dépendre de la force de la sélection immunitaire survenant au début de la tumorigenèse. Methods to accurately predict the impact of immunoediting on a patient-specific basis may lead to better predictive algorithms for response to therapy. As a corollary, we posit that ICB treatment is likely to have a reduced effect in younger female patients since this treatment will attempt to reactivate T cells for immunologically invisible neoantigens. Rather, adaptive T-cell therapy against patient-validated neoantigens or therapeutic vaccination against conserved antigens will likely be more beneficial in these patients. Notably prior to treatment with ICB, male sex (and less consistently older age) are associated with higher risk of recurrence and death in melanoma and may stand to benefit more from ICB 43,44 , thus it is also possible that overall stronger immune surveillance could prove advantageous in the context of ICB despite differences in the quality of neoantigens. Finally, these findings shed light on the role of immune surveillance in cancer progression.


Possibilités d'accès

Get full journal access for 1 year

All prices are NET prices.
VAT will be added later in the checkout.
Le calcul des taxes sera finalisé lors du paiement.

Get time limited or full article access on ReadCube.

All prices are NET prices.


Matériaux et méthodes

Cell culture and mouse strains

Tissue culture

CD1 mouse embryonic fibroblasts, E14.5, were purchased from Stem Cell Technologies. p53 fl/fl MEFs were obtained at day E14.5 from p53 fl/fl (FVB.129P2-Trp53 tm1Brn /Nci) crossed with C57BL/6-129/SV mice. MEF cells were maintained in Dulbecco's modified Eagle's medium without pyruvate and supplemented with 10% FBS and 1% SPF. Cells were lifted and re-plated at a density of 9 × 10 5 viable cells/60-mm dish every 3–4 days (i.e., 3T9 protocol Todaro & Green, 1963 ). Cells were grown in atmospheric oxygen unless otherwise indicated. Breast cancer cell lines were obtained from the laboratory of Frank McCormick and extensively profiled both genomically and transcriptionally by the laboratory of Joe Gray (Neve et al, 2006 Hong et al, 2016 ).

Genetic engineering

Overexpression of HK1, HK2, kinase-dead HK2 (D209A/D657A), or ENO2 glycolysis enzymes and the MYC oncogene or the control protein RFP in CD1 MEFs was accomplished by transduction of non-immortalized cells with pDS-FB-neo retrovirus, followed by selection in 600 μg/ml G418. Deletion of p53 in p53 fl/fl MEFs was induced by infection of non-immortalized cells with either retroviral Cre-GFP or Cre-ERT2 plus treatment with 1 μM 4-OHT.

ROS protection

To protect cells from reactive oxygen species (ROS), cells were cultured either at physiological oxygen concentrations (3% O2), with 250 U/ml catalase from bovine liver (Sigma-Aldrich), or with both 3% O2 and catalase.

Genome profiling

Array CGH profiling

Genomic DNA was harvested using the DNeasy kit (Qiagen). DNA from MEF lines and reference genomic DNA from C57BL/6J mouse tissue were hybridized to Agilent SurePrint G3 Mouse CGH 4 × 180 k CGH microarray chips at the UCLA Pathology Clinical Microarray Core. Bioconductor analysis tools were used for data processing: Moving minimum background correction and print-tip loess normalization were performed in snapCGH package (Smith et al, 2009 ) circular binary segmentation (with a minimum of three markers per segment) was performed on smoothed and log2-transformed copy number profiles using DNAcopy package (Seshan & Olshen, 2016 ) segmented data were converted into a matrix by genes for downstream analyses using mus musculus 9 RefSeq reference genome from 2011.08.11 in CNTools (Zhang, 2016 ). Copy number profiles are presented using the Integrative Genomics Viewer (IGV) (Thorvaldsdóttir et al, 2013 ). CNA public datasets and TCGA tumor type abbreviations are available in the 4.10 section.

Bioinformatic and statistical analysis

Principal component analysis (PCA) was performed using the mean-centered matrix of CNA values per gene locus. Genes with identical profiles across samples were collapsed to a single representative gene. Techniques such as PCA and the related singular value decomposition (SVD) have been applied to copy number data previously (Sankaranarayanan et al, 2015 ).

Mutation and tumor subtype enrichment analysis

To test for enrichment of mutations or tumor subtypes within CNA-defined PC scores, TCGA tumors were queried for mutations and tumor subtype designations using the cBioPortal for Cancer Genomics (Gao et al, 2013 ). For each tumor type, we included all genes with significant q-values as calculated by MutSigCV (Lawrence et al, 2013 ). We also included the gene POLE, a catalytic subunit of DNA polymerase epsilon, in our analysis because of its frequent mutation in UCEC (The Cancer Genome Atlas Research Network, 2013 ). Molecular subtypes tested were as follows: BRCA: basal, luminal, claudin-low, and HER2-enriched (The Cancer Genome Atlas Research Network, 2012b ) LUAD: bronchioid, magnoid, and squamoid (The Cancer Genome Atlas Research Network, 2014 ) LUSC: basal, classical, primitive, and secretory (The Cancer Genome Atlas Research Network, 2012a ) OV: proliferative, immunoreactive, differentiated, and mesenchymal (The Cancer Genome Atlas Research Network, 2011 ) and UCEC: POLE ultramutated, microsatellite instability hypermutated, copy number low, and copy number high (The Cancer Genome Atlas Research Network, 2013 ). Tumors were sorted by their PC1 score, and we calculated a Kolmogorov–Smirnov statistic against the expected distribution of mutations or tumor subtypes. The statistical significance of enrichment was determined by permutation analysis.

Hierarchical clustering

The TCGA tumors were hierarchically clustered using the pheatmap package in R (Kolde, 2015 ). Prior to clustering, the CNA values were filtered for gene loci that had zero values across all tumor samples. Non-centered and non-scaled tumor samples were then clustered using centered Pearson correlation distance and Ward's method (with dissimilarities squared before cluster updating). The strength of concordance between hierarchical clustering results and PCA-based signatures was assessed using the hypergeometric P-value.

Consistency signatures

Consistency signatures of conserved amplification and deletions regions were determined using stringent consistency criteria. The signed absolute minimum consistency score (SAMCS) was defined as non-zero when all CNA summary signatures have the same sign across all tumor types, and the score is derived from the absolute value-based minimum summary metric and then re-signed positive for amplification or negative for deletion. Consistent amplifications or deletions were combined into a “consistent region”, when absolute SAMCS values greater than 0.05 spanned at least 1 Mbp. Any two consistent regions separated by < 1 Mbp were combined into a single consistent region.

Enrichment analysis and weighted gene voting (WGV)

Metabolic pathway enrichment analysis (gene set enrichment analysis, GSEA Subramanian et al, 2005 ) and pathway-specific weighted gene voting (WGV) prediction analysis (Golub et al, 1999 ) were performed using 75 metabolic pathways defined by the Kyoto Encyclopedia of Genes and Genomes (KEGG) database (Kanehisa et al, 2014 ), using pathways with seven or more measured genes. In the RNA-based enrichment analysis, we included a gene set consisting of genes from the glycolysis and pentose phosphate pathways that were upregulated in FDG-high BRCA tumors, as defined by our previous work (Palaskas et al, 2011 ). For CNA data, an expanded run of enrichment analysis was performed using 1,321 canonical pathways (CP) of seven or more measured genes as defined by the Broad Institute's Molecular Signatures Database (MSigDB). For KEGG-based metabolic pathway enrichment analysis of CNA data, we collapsed metabolic isoenzyme loci (genes with the same enzyme activity Enzyme Commission [EC] numbers) that were within 100 kilobases from each other into a single representative locus. For mRNA expression analysis, metabolic isoenzymes were not collapsed. In CNA-based enrichment analysis using gene-based versions of the genome consistency signatures defined above, enrichment scores were calculated through the ranked set of consistently amplified genes since after this point the genes that are not consistent across signatures have a consistency value of zero and accordingly have tied ranks. Consistency regions were stepwise restricted by sequentially adding human, and corresponding tissue-matched mouse model of cancer, signatures based on their decreasing tissue type PC1 value from Fig 1A. To combine BRCA and LU into one enrichment analysis for mRNA data, genes were ordered by their average rank in BRCA and LU tumor types. For WGV predictions of metabolic phenotypes, t-scores were used as gene weights. To calculate permutation P-values, we calculated the fraction of 1,000 randomly chosen gene sets of equal size that gave average gene set rankings (column 2 of Fig 3C) better than the true gene set. False discovery rate (FDR) q-values were calculated using the Benjamini–Hochberg procedure. To increase statistical stringency, FDR values for each individual glycolysis–gluconeogenesis gene set (KEGG Glycolysis-Gluconeogenesis, KEGG Core Glycolysis, KEGG Glycolysis-Gluconeogenesis & Pentose Phosphate Pathway, Reactome Gluconeogenesis, Reactome Glucose Metabolism, Reactome Glycolysis, Biocarta Glycolysis Pathway) were calculated while removing the other glycolysis–gluconeogenesis gene sets. CNA and metabolite changes were visualized in the context of metabolic pathway structure using Cytoscape (Smoot et al, 2011 ).

Core glycolysis and glycolysis-associated gene list (from Fig 1 F)

HK—hexokinase (HK1, HK2, HK3, HK4/glucokinase/GCK) GPI—glucose-6-phosphate isomerase G6PC—glucose-6-phosphatase catalytic subunit (G6PC, G6PC2) FBP—fructose-bisphosphatase (FBP1, FBP2) PFK—phosphofructokinase (PFKL—liver type, PFKM—muscle, PFKP—platelet) PFKFB—6-phosphofructo-2-kinase/fructose-2,6-biphosphatase (PFKFB1, PFKFB2, PFKFB3, PFKFB4) TIGAR—TP53 induced glycolysis regulatory phosphatase ALDO—aldolase, fructose-bisphosphate (ALDOA, ALDOB, ALDOC) TPI1—triosephosphate isomerase 1 GAPDH—glyceraldehyde-3-phosphate dehydrogenase (GAPDH, GAPDHS—spermatogenic) PGK—phosphoglycerate kinase (PGK1, PGK2) PGAM—phosphoglycerate mutase (PGAM1, PGAM2, PGAM4, BPGM—bisphosphoglycerate mutase) ENO—enolase (ENO1, ENO2, ENO3) PK—pyruvate kinase (PKLR—liver and red blood cell, PKM2—muscle) LDH—lactate dehydrogenase (LDHA, LDHB, LDHC, LDHAL6A—LDH A-like 6A, LDHAL6B—LDH A-like 6B) and PDH—pyruvate dehydrogenase (PDHA1, PDHA2, PDHB, DLD—dihydrolipoamide dehydrogenase, DLAT—dihydrolipoamide S-acetyltransferase).

Metrics

Signal-to-noise ratio (SNR) = (μ1 − μ2)/(σ1 + σ2), t-score = (μ1 − μ2)/sqrt(σ1 2 /m1 + σ2 2 /m2), where μ = mean, σ = standard deviation, m = number of samples.

Correlation of mRNA and CNA

Copy number alteration and mRNA expression levels for genes found in the cross-species conserved regions in Fig 4E were compared by calculating the Spearman rank correlation coefficient. BRCA, LU, and OV samples with paired mRNA and CNA data were included. UCEC tumors were excluded because there were not sufficient UCEC samples with paired RNA expression data (26% of all samples with CNA data). Known oncogenes were identified by comparison with the Catalogue Of Somatic Mutations In Cancer database (COSMIC, http://cancer.sanger.ac.uk/cosmic Forbes et al, 2015 ).

Senescence score

Integrated CNA

Box and whisker plots

In box and whisker plots, the box represents the median, as well as the first and third quartiles, and the whisker indicates the extreme values within 1.5 times the inter-quartile range. In cases where the number of samples permitted, individual values are superimposed as jitter plots.

Statistical tests

Indicated P-values were calculated using (i) Student's t-test for normally distributed data (with normality confirmed by the P-value of the Shapiro–Wilk test being > 0.05 for both datasets under comparison) (ii) Mann–Whitney U-test for non-normally distributed data (iii) hypergeometric distribution P-values and (iv) permutation-based approaches, as described in the figure legends. For data with a single data point in one comparison group, the z-score was used.

Propidium iodide staining

Mouse embryonic fibroblasts cells were washed in cold PBS and then fixed in ice-cold 70% ethanol. Fixed cells were washed in PBS and then incubated for 15 min in PBS with 20 μg/ml propidium iodide and 0.1% (v/v) Triton X-100. Data were acquired using a FACSCalibur (Becton Dickinson) analytic flow cytometer in the UCLA Jonsson Comprehensive Cancer Center and Center for AIDS Research Flow Cytometry Core Facility. Cells were gated using forward scatter and side scatter to remove debris and dead cells, and 10,000 cell events were recorded.

Spectral karyotyping

Exponentially growing MEF cells were exposed to colcemid (0.04 μg/ml) for 1 h at 37°C and to hypotonic treatment (0.075 M KCl) for 20 min at room temperature. Cells were fixed in a mixture of methanol and acetic acid (3:1 by volume) for 15 min, and then washed three times in the fixative. Slides were prepared by dropping the cell suspension onto wet slides followed by air-drying. Slides were processed for spectral karyotyping (SKY) according to the manufacturer's protocol with slight modifications using mouse paint probes (ASI, Vista, CA). Images were captured using Nikon 80i microscope equipped with spectral karyotyping software from ASI, Vista, CA 12–18 metaphases were karyotyped from each cell line.

Immunoblot analysis

Cells were lysed in modified RIPA buffer (50 mM Tris–HCl (pH 7.5), 150 NaCl, 10 mM β-glycerophosphate, 1% NP-40, 0.25% sodium deoxycholate, 10 mM sodium pyrophosphate, 30 mM sodium fluoride, 1 mM EDTA, 1 mM vanadate, 20 μg/ml aprotinin, 20 μg/ml leupeptin, and 1 mM phenylmethylsulfonyl fluoride). Whole-cell lysates were resolved by SDS–PAGE on 4–15% gradient gels and blotted onto nitrocellulose membranes (Bio-Rad). Membranes were blocked overnight and then incubated sequentially with primary and either HRP-conjugated (Pierce) or IRDye-conjugated secondary antibodies (Li-Cor). Blots were imaged using the Odyssey Infrared Imaging System (Li-Cor). Protein levels were quantitated using ImageJ (http://imagej.nih.gov/ij/). Primary antibodies used for Western blot analysis included hexokinase 1 (2024, Cell Signaling Technology), hexokinase 2 (2867, Cell Signaling Technology), p53 (NB200-103, Novus Biologicals), and enolase 2 (8171, Cell Signaling Technology).

Glucose consumption and lactate secretion measurements

BRCA cell lines

Lactate secretion rates of breast cancer cell lines were measured from the culture media using a colorimetric assay kit (BioVision) (Hong et al, 2016 ).

Glucose consumption and lactate secretion rates of MEFs were measured using a BioProfile Basic bioanalyzer (NOVA Biomedical). Data were normalized to the integrated cell number, which was calculated based on cell counts at the start and end of the time course and an exponential growth equation. Because the proliferation rates of MEF sublines vary, each cell line was seeded at the appropriate density so as to give an integrated cell number of approximately 6.5 × 10 5 cells in a 6-well plate. All samples were run as biological triplicates, and consistent results were seen in multiple independent experiments.

Mass spectrometry-based metabolomic analyses

Sample preparation

Mouse embryonic fibroblasts sublines were seeded onto 6-well plates, and after 24 h, media was replaced with media containing 4.5 g/l [1,2- 13 C]-labeled glucose. Sample collection occurred after 24 h of culture in the labeled glucose media. For intracellular metabolite analysis, cells were washed with ice-cold 150 mM ammonium acetate (NH4AcO) pH 7.3 and metabolites extracted in 1 ml ice-cold 80% MeOH. The cells were quickly transferred into a microfuge tube, and 10 nmol norvaline was added to the cell suspension for use as an internal standard. The suspension was subsequently vortexed three times over 15 min and then spun down at 4°C for 5 min. The supernatant was transferred into a glass vial, the cell pellet was re-extracted with 200 μl ice-cold 80% MeOH and spun down and the supernatants were combined. Metabolites were dried at 30°C under vacuum and re-suspended in 50 μl of 70% acetonitrile (ACN). For cell culture media metabolite analysis (footprint profiling), 20 μl of cell-free media samples was collected. Metabolites were extracted by adding 300 μl ice-cold 80% methanol, followed by vortexing three times over 15 min, and centrifugation for 10 min at 13,000 rpm at 4°C. The supernatant was transferred to a fresh tube, dried using a vacuum evaporator, and re-suspended in 50 μl of 70% acetonitrile (ACN) 5 μl was used for mass spectrometry-based analysis.

Mass spectrometry runs

Samples were run on a Q-Exactive mass spectrometer coupled to an UltiMate 3000RSLC UHPLC system (Thermo Scientific). The mass spectrometer was run in polarity switching mode (+3.00 kV/−2.25 kV) with an m/z window ranging from 65 to 975. Mobile phase A was 5 mM NH4AcO, pH 9.9, and mobile phase B was ACN. Metabolites were separated on a Luna 3 μm NH2 100 Å (150 × 2.0 mm) (Phenomenex) column. The flow was kept at 200 μl/min, and the gradient was from 15% A to 95% A in 18 min, followed by an isocratic step for 9 min and re-equilibration for 7 min.

Data analysis

Metabolites were detected and quantified as area under the curve (AUC) based on retention time and accurate mass (≤ 3 ppm) using the TraceFinder 3.1 (Thermo Scientific) software. Relative amounts of metabolites between various conditions, percentage of metabolite isotopomers (relative to all isotopomers of that metabolite), and percentage of labeled metabolite molecules (isotopomer M1 and greater, relative to all isotopomers) were calculated and corrected for naturally occurring 13 C abundance (Yuan et al, 2008 ). Footprinting data were normalized to the integrated cell number as described above, and intracellular metabolite concentrations were normalized to the number of cells present at the time of extraction. All samples were run as biological triplicates, and consistent results were seen in independent experiments. Our analysis focused on metabolite level, percent isotopomer, and percent labeled metabolite measurements with ANOVA P-values across the sample panel of < 0.05 in individual experiments, and Pearson correlation coefficients across all samples and between independent experiments of > 0.5.

Patient tumor samples and quantitative FDG-PET imaging

Breast cancer patient samples with imaged FDG uptake within 4 weeks prior to surgery, excluding patients with secondary breast cancers and recurrent disease, were collected surgically and processed as previously described (Palaskas et al, 2011 ). Of eighteen tumors collected in the original study for RNA microarrays (Palaskas et al, 2011 ), ten samples had sufficient remaining frozen tissue for array CGH profiling. None of the patients received systemic therapy or radiation prior to imaging. 18 FDG tumor uptake was quantified as standardized uptake values (SUVs) and showed the expected wide dynamic range (3.8–18.5). There was no significant difference in patient age, tumor volume, and lymph node involvement between the groups of FDG-high and FDG-low breast cancers. Breast cancers with high 18 FDG-PET SUVs frequently lacked expression of the estrogen receptor (ER) and the progesterone receptor (PR), but hormone receptor-negative tumors were also represented among the tumors with the lowest FDG uptake (Palaskas et al, 2011 ). We excluded lobular breast carcinomas, because they have been shown to take up less FDG than ductal carcinomas (Avril et al, 2001 ) We excluded large breast carcinomas (> 5 cm) and breast carcinomas with multifocal FDG uptake because our protocol did not include tissue autoradiography to direct the molecular tissue analysis to areas of distinct radiotracer retention. This study was approved by the Institutional Review Board (IRB) of Memorial Sloan-Kettering Cancer Center, and all participating patients signed the informed consent.

Disponibilité des données

CNA dataset

Copy number profiling data for wild-type and genetically modified MEF samples and FDG-PET-imaged human breast tumors are available through Gene Expression Omnibus (GEO) accession GSE63306 (https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE63306).

CNA conservation web resource

An interactive website for user-defined pan-cancer and cross-species CNA conservation analysis to perform analysis analogous to that in Figs 1C, 2D, and 4E using any combination of tens of available CNA signatures from human tumors and mouse models (and additional signatures as they become available) and/or the inclusion of uploaded CNA signatures (http://systems.crump.ucla.edu/cna_conservation/). Signatures and genome reference files used in the interactive website are additionally available through the Biostudies repository, accession number S-BSST7.

Metabolomics dataset

TCGA CNA dataset

The Cancer Genome Atlas (TCGA) CNA profiles were downloaded from the TCGA portal in September 2012 (https://cancergenome.nih.gov/). Copy number profiles obtained were pre-processed level 3 data based on human genome 19, with copy number variations (CNVs) removed. TCGA tumor type abbreviations and number of samples analyzed: bladder urothelial carcinoma (BLCA, 97 samples), brain lower grade glioma (LGG, 181), breast invasive carcinoma (BRCA, 873), colon adenocarcinoma (COAD, 447), glioblastoma multiforme (GBM, 593), head and neck squamous cell carcinoma (HNSC, 308), kidney renal clear cell carcinoma (KIRC, 539), lung adenocarcinoma (LUAD, 368), lung squamous cell carcinoma (LUSC, 359), ovarian serous cystadenocarcinoma (OV, 584), prostate adenocarcinoma (PRAD, 171), rectum adenocarcinoma (READ, 168), skin cutaneous melanoma (SKCM, 256), stomach adenocarcinoma (STAD, 162), thyroid carcinoma (THCA, 333), and uterine corpus endometrial carcinoma (UCEC, 492).

TCGA mRNA expression dataset

The Cancer Genome Atlas mRNA expression data were downloaded from the TCGA portal in May 2014. Gene-based mRNA expression levels were pre-processed, normalized Level 3 RNA Seq V2 RSEM values. TCGA tumor type abbreviations and number of samples analyzed: BRCA (865), LUAD (357), LUSC (358), OV (263).

Mouse tumor model CNA datasets

The genetically engineered mouse models with characterized CNA were obtained from public datasets: mammary (breast) tumors (Brca, 57 samples, GSE30710 62 samples, GSE43997 44 samples, GSE27101) (Drost et al, 2011 Herschkowitz et al, 2012 ) melanoma (Skcm, 30 samples, GSE58265) (Viros et al, 2014 ) glioblastoma/high-grade astrocytoma (Gbm, 72 samples, GSE22927) (Chow et al, 2011 ) and prostate tumors (Prad, 18 samples GSE35247 55 samples, GSE61382) (Ding et al, 2012 Wanjala et al, 2015 ). Additionally, in vitro epithelial murine cell lines modeling human carcinomas were obtained from public datasets: transformed colon cells (Coad, seven samples, GSE70790) and transformed bladder and kidney cells (Blca and Kirc, 6 and 7 samples, GSE45128 Padilla-Nash et al, 2013 ). Abbreviated mouse tumor names match to the corresponding tissue-based human tumor abbreviations from the TCGA datasets. The data were obtained from GEO and segmented using the algorithm described above. Datasets for which no mm9 genome annotation was available on the repository were lifted over to mm9 using UCSC web tools (Rosenbloom et al, 2015 ).


Drivers of metabolic diversification: how dynamic genomic neighbourhoods generate new biosynthetic pathways in the Brassicaceae

Plants produce an array of specialized metabolites with important ecological functions. The mechanisms underpinning the evolution of new biosynthetic pathways are not well-understood. Here, we exploit available genome sequence resources to investigate triterpene biosynthesis across the Brassicaceae. Oxidosqualene cyclases (OSCs) catalyze the first committed step in triterpene biosynthesis. Systematic analysis of 13 sequenced Brassicaceae genomes was performed to identify all OSC genes. The genome neighbourhoods (GNs) around a total of 163 OSC genes were investigated to identify Pfam domains significantly enriched in these regions. All-vs-all comparisons of OSC neighbourhoods and phylogenomic analysis were used to investigate the sequence similarity and evolutionary relationships of the numerous candidate triterpene biosynthetic gene clusters (BGCs) observed. Functional analysis of three representative BGCs was carried out and their triterpene pathway products were elucidated. Our results indicate that plant genomes are remarkably plastic, and that dynamic GNs generate new biosynthetic pathways in different Brassicaceae lineages by shuffling the genes encoding a core palette of triterpene-diversifying enzymes, presumably in response to strong environmental selection pressure. These results illuminate a genomic basis for diversification of plant-specialized metabolism through natural combinatorics of enzyme families, which can be mimicked using synthetic biology to engineer diverse bioactive molecules.

Mots clés: Brassicaceae biosynthetic gene clusters metabolic pathway evolution plant interactions specialized metabolism terpenes.

© 2019 The Authors. New Phytologist © 2019 New Phytologist Trust.

Les figures

Associations between clade II oxidosqualene…

Associations between clade II oxidosqualene cyclases (OSCs) and cytochrome P450 (CYP) and acyltransferase…

Independently evolved triterpene biosynthetic gene…

Independently evolved triterpene biosynthetic gene clusters (BGCs) frequently converge towards similar enzyme family…

Conservation and diversification of similar…

Conservation and diversification of similar triterpene biosynthetic gene clusters (BGCs). (a) Schematic of…

Independent evolution of clade II…

Independent evolution of clade II oxidosqualene cyclase (OSC) related biosynthetic gene clusters. (a)…

Drivers of triterpene diversification in…

Drivers of triterpene diversification in the Brassicaceae. The biosynthesis of diverse triterpenes in…


Voir la vidéo: SVT 1BacSM Génie génétique. 710. (Janvier 2022).