Två Texas A & M University forskare har utvecklat en computational verktyg som hjälper forskarna mer exakt studera komplexa enheter av klustrade gener, kallas operon i bakterier.
Verktyget, som möjliggör för forskare att analysera många bakteriella genomen på en gång, är mer exakt än tidigare metoder, eftersom den börjar från experimentellt validerade data i stället för från statistiska förutsägelser, säger de. Forskarna hoppas att deras verktyg kommer att leda till en bättre förståelse av de komplexa genetiska mekanismer som är inblandade i en cell fungerar.
"Det är en mycket komplicerad mekanism inuti en cell som gör det hela arbetet, och operon är en av de viktiga komponenter i denna process", säger Sing-Hoi Sze, Texas A & M datavetenskap, biokemi och biofysik forskare. "Vi vill förstå hur dessa genetiska mekanismer fungerar eftersom DNA-koder proteiner, och proteiner är det som gör upp allt i din kropp. För att förstå de genetiska processerna i mer komplexa organismer, måste vi börja med de enklare organismer som bakterier."
Sze och hans kollega, datavetenskap forskare Qingwu Yang, detalj deras computational verktyg och dess följder i sin avhandling som publicerats i tidskriften Genome Research.
En operon är en enhet av gener som är grupperade tillsammans och har liknande funktioner, säger Sze. Gener styrs av en mekanism som kallas en promotor, som vänder generna på eller av. I högre organismer, som människor, finns det oftast en specifika promotorn som styr varje gen för sig, förklarade Sze. Har dock en bakterie arvsmassa vara kompakt, så det finns många gener grupperade nära varandra som kontrolleras av samma promotor, och denna uppsättning av gener som kallas en operon.
Olika arter av bakterier har liknande gener, men deras gener kan inte ha samma layout eller klustring mönster, så deras operon kan fungera annorlunda, säger Sze. Forskarna vill förstå hur operon i varje art av bakterier är olika, hur generna i operon är organiserade och hur operon funktion.
På grund av tid och resurser kan dock forskarna inte direkt i detalj studera genomen hos alla de tusentals arter av bakterier och kan bara utföra experiment på några av dem, förklarade Sze. Så forskare behöver ett computational verktyg för att hjälpa dem att förutsäga där liknande kluster av gener hos olika arter av bakterier så att de bättre kan fokusera sina experiment, sade han.
För varje nivå av komplexitet i organismer, finns det en modell organism som forskare centrum sina experiment på, och för bakterier, är modellen organismen E. coli. Eftersom E. coli är en modell organism, har forskare studerat det i detalj och har en stor mängd experimentellt validerade uppgifter om sin arvsmassa och de operon som fungerar, säger Sze.
Sze och Yangs computational verktyg börjar med en känd och experimentellt validerade E. coli operon och sedan söker vart och ett av hundratals olika arter av bakterier för gener som är relaterade till de i E. coli operon. När verktyget har hittat gener i en bakterie, kontrollerar det sedan att se om det finns en stark gruppering av gener. Det gör detta med hjälp av en statistiskt förfarande som beräknar vilka gener som statistiskt ligger mycket nära varandra när man jämför med ett slumpmässigt situation gener, förklarade Sze.
"Tänk dig att sätta gener i slumpmässig ordning", Sze sagt. "När den placeras slumpmässigt, två specifika gener sannolikt kommer att vara belägen på ett långt avstånd från varandra. Men om det finns klustring, då gener kommer att vara mycket närmare varandra än de skulle vara av en slump."
Så genom att använda Sze och Yangs verktyg kan forskare enkelt hitta sub-block av gener i olika bakterier som är arrangerade på ett liknande sätt som en av de operon i E. coli. "Om biologer är intresserade av en viss E. coli operon kan de använda vårt verktyg för att hitta där operon är i olika bakterier," Sze sagt. "De kan sedan analysera skillnaderna i operon i de olika bakterier och se om det finns några intressanta relationer."
Sze sade hans och Yangs verktyg är en förbättring jämfört med tidigare metoder eftersom det är ett nytt sätt att analysera många bakteriella genomen på samma gång. Det är också mer exakt än tidigare metoder där forskare börjar med att bara använda en statistisk metod för att förutse platsen för en operon i en bakteriell arvsmassa. Sze och Yang visar emellertid att det är mer korrekt att utgå från en känd och experimentellt validerade E. coli operon för att hitta liknande operon i andra bakterier.
"Så småningom vill vi försöka förbättra vårt verktyg för att göra det bättre och mer exakt," Sze sagt. "Även om vårt verktyg kan analysera en hel del bakterier på samma gång, jämför det varje bakterien E. coli separat. Så det slutliga målet skulle vara att utveckla ett verktyg som kommer att analysera dem alla tillsammans."
http://www.tamu.edu/