Använda superdatorer för att jämföra delar av det mänskliga genomet med andra däggdjur, har forskare vid Cornell upptäckte cirka 300 tidigare oidentifierade mänskliga gener och fann förlängningar av flera hundra gener som redan är känt.
Upptäckten bygger på tanken att som organismer utvecklas, delar av genetiska kod som gör något bra för organismen förändras på olika sätt.
Forskningen rapporteras av Adam Siepel, Cornell biträdande professor i biologisk statistik och beräkningsbiologi, Cornell postdoktor Brona Brejova och kollegor vid flera andra institutioner i online-versionen av tidskriften Genome Research, och det kommer att visas i December tryckta utgåva.
Den kompletta mänskliga arvsmassans DNA-kod för flera år sedan, men som helt enkelt betyder att ordningen på 3 miljarder euro eller så kemiska enheter, som kallas baser, som utgör den genetiska koden är känd. Vad som återstår är att identifiera den exakta platsen för alla de korta avsnitten som kodar för proteiner eller utföra föreskrifter eller andra funktioner.
Mer än 20.000 protein-kodande gener har identifierats, så Cornell bidrag, medan betydande, inte dramatiskt ändrar antalet kända gener. Det som är viktigt, säger forskarna, är att deras upptäckt visar att det fortfarande kan finnas många fler gener som har missat med dagens biologiska metoder. Dessa metoder är mycket effektiva på att hitta gener som ofta uttrycks, men kan missa de som uttrycks bara i vissa vävnader eller i tidiga stadier av embryonal utveckling, sade Siepel.
"Vad är spännande är att använda evolutionen för att identifiera dessa gener", Siepel sagt. "Evolutionen har gjort detta experiment i miljontals år. Datorn är vårt mikroskop för att observera resultatet."
Fyra olika baser - vanligen kallat med bokstäverna G, C, A och T - utgör DNA. Tre baser i rad kan koden för en aminosyra (byggstenarna i proteiner) och en sträng av dessa tre bokstäver koder kan en gen, som kodar för en sträng av aminosyror som en cell kan göra till ett protein.
Siepel och kollegor ut för att hitta gener som har "bevarad" - som är grundläggande för allt liv och som har bott på samma, eller nästan så, under miljontals år av evolution.
Forskarna började med "anpassningar" upptäcktes av andra arbetstagare - sträcker sig upp till flera tusen baser långa som är mest lika mellan två eller flera arter. Använda stora datorkluster, däribland ett 850-noder vid Cornell Center for Advanced Computing, sprang forskarna tre olika algoritmer, eller design computing - varav Siepel skapas - att jämföra dessa anpassningar mellan människa, mus, råtta och kyckling i olika kombinationer.
Under miljontals år, kan enskilda baser bytas - C till G, T till A, till exempel - genom att skada eller miscopying. Ändringar som förändrar strukturen av ett protein kan döda organismen eller skicka ner en återvändsgränd utvecklingsväg. Men bevaras gener innehåller endast mindre förändringar som lämnar proteinet kunna göra sitt jobb. Datorn såg för regioner med de typer av förändringar genom att skapa en matematisk modell av hur genen kan ha ändrats, sedan leta efter matcher till denna modell.
Efter eliminering av förutsägelser som matchade redan kända gener, testade forskarna resten i laboratoriet, vilket bevisar att många av de gener som kan faktiskt hittas i prover av mänsklig vävnad och kan kodar för proteiner. Forskarna har ibland kunnat identifiera de proteiner jämfört med databaser över kända proteiner. De upptäckte gener har främst att göra med motorisk aktivitet, cell adhesion, bindväv och centrala nervsystemets utveckling, funktioner som kan förväntas vara gemensamma för många olika varelser.
Hela projektet, från att bygga och testa de matematiska modeller för att köra sista laboratorietester, tog ungefär tre år, sade Siepel. Arbetet stöddes av National Cancer Institute, en National Science Foundation Tidig Karriärutveckling Grant och ett University of California forskarutbildningen gemenskap.
http://www.cornell.edu/