Información

¿Tasa de mutación y tasa evolutiva?

¿Tasa de mutación y tasa evolutiva?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

¿Cuál es la diferencia entre entonces? He leído algunos trabajos que describen análisis sobre tasas de mutaciones y otros con tasas evolutivas. Quiero saber la diferencia entre entonces.


Tasa de mutación

Una tasa de mutación es la tasa a la que ocurre la mutación. Normalmente se expresa como número de mutaciones por sitio (por nucleótido) por evento de reproducción. En humanos, la tasa de mutación promedio por sitio por reproducción es del orden de $10^{-8}$.

Cuando ocurre una mutación, existirá en una sola copia en la población. Estas mutaciones pueden, con el tiempo, alcanzar una frecuencia más alta e incluso eventualmente alcanzar una frecuencia de 1.0 (entonces hablamos de "fijación") pero la mayoría de las mutaciones nunca alcanzarán una frecuencia alta y simplemente desaparecerán en las próximas generaciones, ya sea que la selección fue perjudicial.

Tasa evolutiva

El término "tasa de evolución" no tiene una definición comúnmente acordada. Dependiendo de su definición, la tasa de mutación estará más o menos correlacionada con la tasa evolutiva.

Tasa de evolución fenotípica

La tasa de evolución puede referirse a la evolución fenotípica. El Darwin (llamado así por Charles Darwin, obviamente) es una unidad común para medir la evolución fenotípica. Otra unidad de tasa evolutiva podría consistir en medir cuánto tiempo tarda el rasgo fenotípico medio en cambiar en una desviación estándar de la distribución fenotípica original.

Tasa de evolución genética

También se puede considerar una medida genética de la tasa evolutiva, como el número de sustituciones neutrales en un linaje por unidad de tiempo. Con esta definición, la diferencia entre la tasa de mutación y la tasa evolutiva se vuelve un poco más borrosa ya que la tasa de sustitución esperada en el sitio neutral es igual a la tasa de mutación.

¡Cite siempre su fuente!

Tu dices

He leído algunos trabajos que describen análisis.

Por favor, incluya siempre su fuente. No hay forma de dar información sobre lo que quieren decir con estos términos sin echar un vistazo al documento original.

Publicación relacionada

The post ¿Estamos “más evolucionados” que las bacterias actuales? está algo relacionado.


Las altas tasas de mutación limitan la adaptación evolutiva en Escherichia coli

La mutación es fundamental para la evolución, porque genera la variación genética sobre la que puede actuar la selección. En la naturaleza, los cambios genéticos a menudo aumentan la tasa de mutación en sistemas que van desde virus y bacterias hasta tumores humanos. Tal aumento promueve la acumulación de alelos neutrales o deletéreos frecuentes, pero también puede aumentar las posibilidades de que una población adquiera alelos beneficiosos raros. Aquí, estudiamos cómo los aumentos de hasta 100 veces en la tasa de mutación genómica de Escherichia coli afectan la evolución adaptativa. Para hacerlo, desarrollamos múltiples poblaciones replicadas de cepas asexuales de E. coli diseñadas para tener cuatro tasas de mutación diferentes durante 3000 generaciones en el laboratorio. Medimos la capacidad de las poblaciones evolucionadas para crecer en su entorno original y en más de 90 entornos químicos novedosos. Además, sometimos las poblaciones a la secuenciación de la población del genoma completo. Aunque las poblaciones con tasas de mutación más altas acumularon una mayor diversidad genética, esta diversidad transmitió beneficios solo para tasas de mutación moderadamente aumentadas, donde las poblaciones se adaptaron más rápido y también prosperaron mejor que sus antepasados ​​en algunos entornos novedosos. Por el contrario, algunas poblaciones con las tasas de mutación más altas mostraron una adaptación reducida durante la evolución y no prosperaron en los 90 entornos alternativos. Además, experimentaron una disminución dramática en la tasa de mutación. Nuestro trabajo demuestra que la tasa de mutación cambia el equilibrio global entre los efectos mutacionales perjudiciales y beneficiosos sobre el fitness. En contraste con la mayoría de los modelos teóricos, nuestros experimentos sugieren que este punto de inflexión ya ocurre con las modestas tasas de mutación que se encuentran en la naturaleza.

Declaracion de conflicto de interes

Los autores han declarado que no existen intereses en competencia.

Cifras

Fig 1. Diseño experimental.

Fig 1. Diseño experimental.

Desarrollamos ocho poblaciones replicadas para cada una de las cuatro mi .…

Aptitud de la réplica en evolución ...

Aptitud de las poblaciones replicadas en evolución en relación con sus antepasados ​​(A) a lo largo del tiempo, ...

Fig 3. Replicar poblaciones con mayor mutación ...

Fig 3. Las poblaciones replicadas con tasas de mutación más altas han aumentado la diversidad genética y más alta ...

Fig 4. Densidad celular después de 24 horas ...

Fig 4. La densidad celular después de 24 horas de crecimiento en condiciones estresantes aumentó al aumentar ...


El efecto de los cuellos de botella poblacionales sobre la evolución de la tasa de mutación en poblaciones asexuales

En ausencia de recombinación, un alelo mutante puede diseminarse a través de una población haciendo autostop con mutaciones beneficiosas que aparecen en su trasfondo genético. Los estudios teóricos realizados durante la última década han demostrado que la supervivencia y la probabilidad de fijación de mutaciones beneficiosas pueden verse gravemente reducidas por los cuellos de botella del tamaño de la población. Aquí, utilizamos modelos computacionales y experimentos de evolución con la levadura S. cerevisiae para examinar si los cuellos de botella de la población pueden afectar la dinámica del mutador en la adaptación de poblaciones asexuales. En la simulación, mostramos que los cuellos de botella de la población pueden inhibir el autostop de mutantes con mutaciones beneficiosas y son más efectivos con tasas de suministro de mutaciones beneficiosas más bajas. Luego sometimos poblaciones experimentales de levadura propagadas con el mismo tamaño de población efectivo a tres regímenes de cuellos de botella diferentes y observamos que la velocidad del autostop de mutantes era significativamente más lenta en cuellos de botella más pequeños, de acuerdo con nuestras expectativas teóricas. Nuestros resultados, por tanto, sugieren que los cuellos de botella pueden ser un factor importante en la evolución de la tasa de mutación y, en determinadas circunstancias, pueden actuar para estabilizar o, al menos, retrasar la elevación progresiva de las tasas de mutación en poblaciones asexuales. Además, nuestros hallazgos proporcionan el primer apoyo experimental para el efecto teóricamente postulado de los cuellos de botella de la población sobre las mutaciones beneficiosas y demuestran la utilidad de estudiar la dinámica de la frecuencia de mutantes para comprender la dinámica subyacente de las mutaciones que afectan la aptitud.

Palabras clave: poblaciones asexuales mutaciones beneficiosas haciendo autostop tasa de mutación población cuellos de botella levadura.

© 2013 Los Autores. Revista de Biología Evolutiva © 2013 Sociedad Europea de Biología Evolutiva.

Cifras

Figura 1. El efecto de los cuellos de botella de la población ...

Figura 1. El efecto de los cuellos de botella de la población en la dinámica de los mutantes a diferentes tasas de suministro de…

Figura 2. Fuerza de selección de mutaciones beneficiosas ...

Figura 2. Fuerza de selección de mutaciones beneficiosas y dinámica de mutantes en poblaciones con cuellos de botella


Rescate evolutivo de una población de parásitos por evolución de la tasa de mutación

El riesgo de evolución de la resistencia a los antibióticos en los parásitos es un problema importante para la salud pública. La identificación de los factores que promueven la evolución de la resistencia a los antibióticos es, por tanto, una prioridad en la medicina evolutiva. La velocidad a la que las nuevas mutaciones entran en la población del parásito es un predictor importante; sin embargo, la velocidad de mutación no es necesariamente una cantidad fija, como se supone a menudo, sino que puede evolucionar en sí misma. Aquí exploramos los posibles impactos de la evolución de la tasa de mutación sobre el destino de una enfermedad que circula en una población huésped, que está siendo tratada con medicamentos, cuyo uso varía con el tiempo. Usando un marco de rescate evolutivo, encontramos que la evolución de la tasa de mutación proporciona un aumento dramático en la probabilidad de que una población de parásitos sobreviva al tratamiento en solo una región limitada, mientras que proporciona poca o ninguna ventaja en otras regiones. Tanto las características epidemiológicas, como la virulencia de la infección, como los parámetros genéticos de la población, como la tasa de recombinación, juegan un papel importante en la determinación de la probabilidad de rescate evolutivo y si la evolución de la tasa de mutación aumenta la probabilidad de rescate evolutivo o no. Si bien los esfuerzos para reducir la evolución de la tasa de mutación en los parásitos pueden valer la pena en algunas circunstancias, nuestros resultados sugieren que no siempre es necesario que sea así.

Palabras clave: Resistencia a fármacos Rescate evolutivo Modelo modificador Tasa de mutación Parásitos.


Introducción

La mutación es fundamental para la evolución. Sin él, la evolución no puede ocurrir, porque la mutación proporciona la variación genética necesaria para la selección y la deriva genética. Cada nueva mutación en un individuo puede aumentar su aptitud, disminuir su aptitud o no tener ningún efecto sobre su aptitud. Desafortunadamente, la mayoría de las mutaciones con efectos sobre la aptitud son perjudiciales, y las mutaciones beneficiosas que aumentan la aptitud constituyen sólo una pequeña fracción de todas las mutaciones posibles [1]. La tasa de mutación puede evolucionar en sí misma, porque está sujeta a cambios genéticos en el "genoma de la tasa de mutación", la parte de un genoma que codifica los sistemas de reparación y replicación del ADN [2, 3]. Aquí, caracterizamos los efectos a largo plazo de una variedad de tasas de mutación en la adaptación, así como la evolución de la tasa de mutación en sí misma, mediante la evolución de múltiples poblaciones replicadas de asexuales. Escherichia coli en un medio mínimo en el laboratorio.

La adaptación evolutiva bajo una mayor presión de mutación en grandes poblaciones no recombinantes como la nuestra se ha explorado en trabajos anteriores (todas las mutaciones que ocurren en nuestro mi. coli el genoma de la cepa de laboratorio está vinculado). Los efectos conjuntos de la mutación y el enlace en la selección (y los temas relacionados de la diversidad y la evolución del sexo) se han estudiado mucho desde Fisher [4] y Muller [5] ([6-10], revisado recientemente en [11-14 ]). Bajo una mayor presión de mutación, múltiples clones dentro de una población pueden adquirir nuevas mutaciones y luego competir entre sí por la fijación. Si bien los estudios relevantes muestran que la velocidad de adaptación puede aumentar con la tasa de mutación genómica [10,15-18], dejan abierta la posibilidad de que tasas de mutación extremadamente altas puedan dificultar la adaptación. Esta posibilidad surge de una variedad de modelos que predicen la disminución de la aptitud en poblaciones con tasas extremas de mutación. Un modelo temprano, influyente pero simple, predijo que la aptitud de una población disminuirá cuando la tasa de mutación aumente más allá de un “umbral de error” crítico [19] cuyo valor depende de los detalles del modelo. Otros modelos de poblaciones que evolucionan a altas tasas de mutación son más realistas y tienen en cuenta fenómenos como las mutaciones beneficiosas y la demografía. Sin embargo, también predicen que la adaptación puede ralentizarse y eventualmente revertirse a tasas de mutación suficientemente altas por los efectos de mutaciones deletéreas [20-24].

Numerosos estudios han documentado la evolución de un aumento de las tasas de mutación [25-31], que pueden evolucionar en determinadas condiciones. Por ejemplo, después de un cambio ambiental reciente que crea oportunidades para nuevas adaptaciones y nuevas mutaciones beneficiosas [32,33], es más probable que una célula con un alelo mutador produzca mutaciones beneficiosas de gran efecto que una célula con una tasa de mutación de tipo salvaje. . Debido a su aptitud mejorada, los linajes celulares con alelos beneficiosos recién adquiridos (y sus alelos mutantes vinculados) pueden aumentar en frecuencia en la población. Por tanto, la hipermutación puede evolucionar fácilmente cuando los alelos mutantes hacen autostop y se fijan con mutaciones beneficiosas [34-37].

Sin embargo, a largo plazo, la hipermutación puede ser perjudicial, porque la mayoría de las mutaciones no neutrales tienen consecuencias perjudiciales [1]. Por lo tanto, un individuo con una tasa de mutación más alta puede acumular más mutaciones deletéreas en general, lo que puede resultar en una menor aptitud. Por esta razón, se ha predicho que la selección reducirá las tasas de mutación [38]. Sin embargo, existen varias razones potenciales por las que las tasas de mutación pueden no descender hasta cero. Uno de ellos es que los mecanismos fisiológicos necesarios para mejorar la fidelidad de la replicación y la reparación del ADN conllevan un coste de aptitud [39-42]. Otra es que el poder de selección para reducir la tasa de mutación está limitado por el tamaño de la población a través de la denominada barrera de deriva [43, 44]. Se han informado observaciones experimentales de reducciones evolucionadas en la tasa de mutación, pero son relativamente poco frecuentes [27,31,45-50] (revisado en [51]).

Si bien algunos experimentos anteriores exploraron las respuestas adaptativas y los cambios en la tasa de mutación que pueden tener lugar bajo una mayor presión mutacional [46-48,50], se centraron en una o dos tasas de mutación y no incluyeron análisis genómicos (excepto [50]). Aquí, buscamos proporcionar un conjunto de datos empíricos únicos e integrales a través de un rango de tasas de mutación, incluidos datos de secuenciación de la población del genoma completo, datos de tasa de mutación y mediciones de aptitud en varios entornos. Para hacerlo, diseñamos cuatro mi. coli Las cepas derivadas de K12 MG1655 con mayores tasas de mutación y evolucionaron ocho poblaciones replicadas de cada cepa durante 3000 generaciones en un experimento de transferencia en serie. Las tasas de mutación genómica difirieron más de cien veces entre estas cepas y variaron de U = 0.00034 hasta U = 0.036 mutaciones puntuales por genoma por generación mediante un método de estimación. Durante la evolución, caracterizamos periódicamente la tasa de crecimiento y la densidad de población estacionaria de cada población. También analizamos la aptitud de las poblaciones evolucionadas en una variedad de entornos estresantes. La secuenciación de poblaciones de alto rendimiento nos permitió caracterizar hasta qué punto nuestras poblaciones se diseminan a través del espacio de secuencia y estudiar las mutaciones que ocurren en cada población.


Resultados

El número acumulado de mutaciones observadas en cada población revela la dinámica causada por alelos tanto del hipermutador como del antimutador

Examinamos el número de mutaciones observadas a lo largo del tiempo en cada población de LTEE (figuras 1 y 2, figuras complementarias S1-S3, material complementario en línea). Estos resultados muestran que las tasas de mutación han evolucionado idiosincráticamente a lo largo del LTEE. La Figura 1A muestra el número de mutaciones puntuales a lo largo del tiempo en cada población. La tasa de mutaciones puntuales observadas disminuyó en tres de las seis poblaciones de hipermutadores (Ara-2, Ara + 3 y Ara + 6). La disminución en la tasa de evolución molecular en estas poblaciones se atribuyó previamente a la evolución de los alelos antimutadores (Tenaillon et al. 2016 Good et al. 2017). Aunque los alelos antimutadores de mutY compensación por defectos en chucho En Ara − 1 (Wielgoss et al. 2013), el cambio en la pendiente observado a las 40.000 generaciones en Ara − 1 es sutil en comparación con los cambios de pendiente en Ara − 2, Ara + 3 y Ara + 6.

Evolución divergente de las tasas de mutación en la LTEE. Cada panel muestra el número acumulativo de mutaciones observadas, subdivididas por clase de mutación, a lo largo del tiempo en cada población de LTEE. Los seis paneles superiores muestran las poblaciones de LTEE no mutantes, y los seis paneles inferiores muestran las poblaciones de LTEE de hipermutadores. (A) Las mutaciones puntuales se muestran en rojo. (B) Las mutaciones Indel se muestran en violeta. (C) sv asociados con transposones se muestran en verde, mientras que los que no están asociados con transposones se muestran en gris.

Evolución divergente de las tasas de mutación en la LTEE. Cada panel muestra el número acumulado de mutaciones observadas, subdivididas por clase de mutación, a lo largo del tiempo en cada población de LTEE. Los seis paneles superiores muestran las poblaciones de LTEE no mutantes, y los seis paneles inferiores muestran las poblaciones de LTEE de hipermutadores. (A) Las mutaciones puntuales se muestran en rojo. (B) Las mutaciones Indel se muestran en violeta. (C) sv asociados con transposones se muestran en verde, mientras que los que no están asociados con transposones se muestran en gris.

La dinámica de los alelos hipermutadores y antimutadores afecta el espectro de mutaciones puntuales observadas a lo largo del tiempo. (A) Espectro de mutaciones puntuales a lo largo del tiempo en las poblaciones de hipermutadores LTEE. (B) Figura insertada que muestra espectros de mutación puntual no dominantes a lo largo del tiempo en las poblaciones de LTEE de hipermutadores.

La dinámica de los alelos hipermutadores y antimutadores afecta el espectro de mutaciones puntuales observadas a lo largo del tiempo. (A) Espectro de mutaciones puntuales a lo largo del tiempo en las poblaciones de hipermutadores LTEE. (B) Figura insertada que muestra espectros de mutación puntual no dominantes a lo largo del tiempo en las poblaciones de LTEE de hipermutadores.

La Figura 1B muestra el número de mutaciones indel observadas a lo largo del tiempo en cada población. Cinco de las seis poblaciones de hipermutadores de mutación puntual también muestran un fenotipo de hipermutador indel. Todas estas cinco poblaciones desarrollaron defectos en la reparación de desajustes (MMR) (tabla 1 y figura 4). La excepción es Ara − 1, que desarrolló un cambio de fotograma chucho alelo (tabla 1 y fig. 3) que induce una alta tasa de mutación puntual, sin un fenotipo hipermutador indel correspondiente.

Alelos de reparación de daño oxidativo en poblaciones de LTEE hipermutador. Esta visualización utiliza código de computadora de Good et al. (2017). Las estrellas indican el momento (y la frecuencia de los alelos) en el que se estima de forma fiable que aparecen las mutaciones en la serie temporal. Las trayectorias de frecuencia de alelos para todas las mutaciones observadas en las poblaciones de hipermutadores se muestran en gris. Las trayectorias de frecuencia alélica de mutaciones de novo (excepto mutaciones sinónimos) en genes de reparación de daño oxidativo (archivo suplementario 1, Material suplementario en línea) están coloreadas y etiquetadas en cada población.

Alelos de reparación de daño oxidativo en poblaciones de LTEE hipermutador. Esta visualización utiliza código de computadora de Good et al. (2017). Las estrellas indican el momento (y la frecuencia de los alelos) en el que se estima de forma fiable que aparecen las mutaciones en la serie temporal. Las trayectorias de frecuencia de alelos para todas las mutaciones observadas en las poblaciones de hipermutadores se muestran en gris. Las trayectorias de frecuencia alélica de mutaciones de novo (excepto mutaciones sinónimos) en genes de reparación de daño oxidativo (archivo suplementario 1, Material suplementario en línea) están coloreadas y etiquetadas en cada población.

Alelos supuestos de hipermutador y antimutador descritos en el texto

Población . Gene. Vía de reparación del ADN. Tiempo de aparición (generaciones). Posición (pb). Mutación.
Ara − 1 uvrCReparación de daño oxidativo 26,250 1,972,086 Q183P
Ara − 1 chuchoReparación de daño oxidativo 26,250 114,034 (C)6→7
Ara − 1 mutYReparación de daño oxidativo 28,750 2,988,792 L40W
Ara − 1 mutYReparación de daño oxidativo 32,250 2,989,164 L164 *
Ara − 2 mutLMMR 2,250 4,375,786 (TGGCGC)3→4
Ara − 2 uvrAReparación de daño oxidativo 12,250 4,251,585 A407T
Ara − 2 chuchoReparación de daño oxidativo 13,750 114,113 R89H
Ara − 2 mutLMMR * Esta reversión en cuadro se corrige en 42,250 generaciones 4,375,781 (TGGCGC)3→2
Ara − 3 mutSMMR 34,750 2,753,768 Q606 *
Ara − 3 mutYReparación de daño oxidativo 48,250 2,989,624 Δ1 pb
Ara − 4 mutLMMR 7,250 4,375,781 (TGGCGC)3→2
Ara + 3 mutSMMR 2,750 2,752,473 + G
Ara + 6 mutSMMR 1,250 2,752,473 + G
Ara + 6 uvrAReparación de daño oxidativo 4,750 4,250,341 I821M
Ara + 6 chuchoReparación de daño oxidativo 4,750 114,034 (C)6→5
Ara + 6 mutYReparación de daño oxidativo 31,750 2,988,917 Y82D
Ara + 6 mutYReparación de daño oxidativo 49,750 2,989,297 C208W
Población . Gene. Vía de reparación del ADN. Tiempo de aparición (generaciones). Posición (pb). Mutación.
Ara − 1 uvrCReparación de daño oxidativo 26,250 1,972,086 Q183P
Ara − 1 chuchoReparación de daño oxidativo 26,250 114,034 (C)6→7
Ara − 1 mutYReparación de daño oxidativo 28,750 2,988,792 L40W
Ara − 1 mutYReparación de daño oxidativo 32,250 2,989,164 L164 *
Ara − 2 mutLMMR 2,250 4,375,786 (TGGCGC)3→4
Ara − 2 uvrAReparación de daño oxidativo 12,250 4,251,585 A407T
Ara − 2 chuchoReparación de daño oxidativo 13,750 114,113 R89H
Ara − 2 mutLMMR * Esta reversión en cuadro se corrige en 42,250 generaciones 4,375,781 (TGGCGC)3→2
Ara − 3 mutSMMR 34,750 2,753,768 Q606 *
Ara − 3 mutYReparación de daño oxidativo 48,250 2,989,624 Δ1 pb
Ara − 4 mutLMMR 7,250 4,375,781 (TGGCGC)3→2
Ara + 3 mutSMMR 2,750 2,752,473 + G
Ara + 6 mutSMMR 1,250 2,752,473 + G
Ara + 6 uvrAReparación de daño oxidativo 4,750 4,250,341 I821M
Ara + 6 chuchoReparación de daño oxidativo 4,750 114,034 (C)6→5
Ara + 6 mutYReparación de daño oxidativo 31,750 2,988,917 Y82D
Ara + 6 mutYReparación de daño oxidativo 49,750 2,989,297 C208W

Alelos supuestos de hipermutador y antimutador descritos en el texto

Población . Gene. Vía de reparación del ADN. Tiempo de aparición (generaciones). Posición (pb). Mutación.
Ara − 1 uvrCReparación de daño oxidativo 26,250 1,972,086 Q183P
Ara − 1 chuchoReparación de daño oxidativo 26,250 114,034 (C)6→7
Ara − 1 mutYReparación de daño oxidativo 28,750 2,988,792 L40W
Ara − 1 mutYReparación de daño oxidativo 32,250 2,989,164 L164 *
Ara − 2 mutLMMR 2,250 4,375,786 (TGGCGC)3→4
Ara − 2 uvrAReparación de daño oxidativo 12,250 4,251,585 A407T
Ara − 2 chuchoReparación de daño oxidativo 13,750 114,113 R89H
Ara − 2 mutLMMR * Esta reversión en cuadro se corrige en 42,250 generaciones 4,375,781 (TGGCGC)3→2
Ara − 3 mutSMMR 34,750 2,753,768 Q606 *
Ara − 3 mutYReparación de daño oxidativo 48,250 2,989,624 Δ1 pb
Ara − 4 mutLMMR 7,250 4,375,781 (TGGCGC)3→2
Ara + 3 mutSMMR 2,750 2,752,473 + G
Ara + 6 mutSMMR 1,250 2,752,473 + G
Ara + 6 uvrAReparación de daño oxidativo 4,750 4,250,341 I821M
Ara + 6 chuchoReparación de daño oxidativo 4,750 114,034 (C)6→5
Ara + 6 mutYReparación de daño oxidativo 31,750 2,988,917 Y82D
Ara + 6 mutYReparación de daño oxidativo 49,750 2,989,297 C208W
Población . Gene. Vía de reparación del ADN. Tiempo de aparición (generaciones). Posición (pb). Mutación.
Ara − 1 uvrCReparación de daño oxidativo 26,250 1,972,086 Q183P
Ara − 1 chuchoReparación de daño oxidativo 26,250 114,034 (C)6→7
Ara − 1 mutYReparación de daño oxidativo 28,750 2,988,792 L40W
Ara − 1 mutYReparación de daño oxidativo 32,250 2,989,164 L164 *
Ara − 2 mutLMMR 2,250 4,375,786 (TGGCGC)3→4
Ara − 2 uvrAReparación de daño oxidativo 12,250 4,251,585 A407T
Ara − 2 chuchoReparación de daño oxidativo 13,750 114,113 R89H
Ara − 2 mutLMMR * Esta reversión en cuadro se corrige en 42,250 generaciones 4,375,781 (TGGCGC)3→2
Ara − 3 mutSMMR 34,750 2,753,768 Q606 *
Ara − 3 mutYReparación de daño oxidativo 48,250 2,989,624 Δ1 pb
Ara − 4 mutLMMR 7,250 4,375,781 (TGGCGC)3→2
Ara + 3 mutSMMR 2,750 2,752,473 + G
Ara + 6 mutSMMR 1,250 2,752,473 + G
Ara + 6 uvrAReparación de daño oxidativo 4,750 4,250,341 I821M
Ara + 6 chuchoReparación de daño oxidativo 4,750 114,034 (C)6→5
Ara + 6 mutYReparación de daño oxidativo 31,750 2,988,917 Y82D
Ara + 6 mutYReparación de daño oxidativo 49,750 2,989,297 C208W

La dinámica del hipermutador en Ara-2 es particularmente sorprendente. Un alelo antimutador finalmente fija y revierte tanto el fenotipo del hipermutador puntual como el indel a niveles ancestrales o casi ancestrales (fig. 1A y B). El fenotipo hipermutador es causado por la variación de fase de un (TGGCGC)3 repetir en mutL ( tabla 1). Las reversiones al estado triplete invierten el fenotipo hipermutador. El número de nuevas mutaciones puntuales e indel en Ara − 2 (figuras suplementarias. S1 y S2, Material suplementario en línea) fluctúa con la dinámica de frecuencia alélica de este mutL repetir (fig. 4). Aunque las fijaciones suelen ser irreversibles en grandes poblaciones asexuales, la variación de fase es una excepción: las polimerasas a menudo se deslizan en secuencias repetitivas, lo que hace que esas repeticiones se expandan o contraigan a tasas relativamente altas (Moxon et al. 2006).

Alelos de MMR en las poblaciones de LTEE hipermutador. Esta visualización utiliza código de computadora de Good et al. (2017). Las estrellas indican el momento (y la frecuencia de los alelos) en el que se estima de forma fiable que aparecen las mutaciones en la serie temporal. Las trayectorias de frecuencia de alelos para todas las mutaciones observadas en las poblaciones de hipermutadores se muestran en gris. Las trayectorias de frecuencia alélica de mutaciones de novo (excepto mutaciones sinónimos) en genes MMR (archivo suplementario 1, Material suplementario en línea) están coloreadas y etiquetadas en cada población.

Alelos de MMR en las poblaciones de hipermutadores LTEE. Esta visualización utiliza código de computadora de Good et al. (2017). Las estrellas indican el momento (y la frecuencia de los alelos) en el que se estima de forma fiable que aparecen las mutaciones en la serie temporal. Las trayectorias de frecuencia de los alelos para todas las mutaciones observadas en las poblaciones de hipermutadores se muestran en gris. Las trayectorias de frecuencia alélica de mutaciones de novo (excepto mutaciones sinónimos) en genes MMR (archivo suplementario 1, Material suplementario en línea) están coloreadas y etiquetadas en cada población.

A primera vista, la figura 1B parece mostrar que Ara + 6 fijó una mutación que revirtió el fenotipo del hipermutador indel. Sin embargo, un examen detenido de la tasa de mutación indel y la dinámica de la frecuencia de los alelos en Ara + 6 revela que un clado super-hipermutador evolucionó dentro de las primeras 1000 generaciones (figura suplementaria S2, Material suplementario en línea). Evidencia adicional para el clado super-hipermutador proviene de la evolución y extinción de un fenotipo hipermutador A: T → G: C y G: C → A: T (fig.2) que es paralelo a la evolución del fenotipo hipermutador indel. Este clado super-hipermutador lleva un alelo de cambio de marco del gen MMR mutS (tabla 1 y figura 4), se distingue por alelos marcadores de los genes de reparación por escisión de nucleótidos uvrA y uvrB (fig. 3), y persiste a baja frecuencia hasta extinguirse en 20.000 generaciones (figs. 3 y 4, fig. suplementaria S2, material suplementario en línea). El clado mayoritario en Ara + 6 desarrolló una mutación en chucho a 4.750 generaciones (tabla 1 y fig. 3) que causa un fenotipo hipermutador de mutación puntual sin causar un fenotipo hipermutador indel. La coexistencia de clados con diferentes fenotipos hipermutadores, y la eventual extinción del clado super-hipermutador, explica más razonablemente la pérdida del fenotipo hipermutador indel de Ara + 6.

La Figura 1C muestra el número de mutaciones estructurales observadas a lo largo del tiempo. Como se describe en el informe original para este conjunto de datos (Good et al. 2017), las mutaciones estructurales (o variantes estructurales, sv) se definen por uniones entre dos ubicaciones distintas en el genoma de referencia. La gran mayoría de estas mutaciones estructurales son causadas por transposiciones de secuencias de inserción (IS). Tres de las poblaciones canónicas no mutantes (Ara-5, Ara-6 y Ara + 1) muestran un fenotipo de hipermutador IS. El fenotipo del hipermutador IS en Ara + 1 se informó anteriormente (Papadopoulos et al. 1999 Tenaillon et al. 2016). En contraste, solo una de las poblaciones de hipermutadores canónicos, Ara-3, muestra un fenotipo de hipermutador IS. La tasa de mutaciones estructurales observadas en Ara-3 muestra tres pendientes diferentes. Ara-3 desarrolló un fenotipo de hipermutador IS muy temprano en el LTEE. Alrededor de 30.000 generaciones, la tasa de IS se intensifica, ya sea debido a la evolución genética o como consecuencia del estrés inducido por la innovación metabólica del citrato que evolucionó en esa época (Blount et al. 2012, 2020). Finalmente, la tasa de SI disminuye alrededor de 45.000 generaciones. Más de 100 mutaciones van a la fijación en el barrido selectivo a las 45.000 generaciones en Ara-3, incluidas mutaciones en los genes de reparación del ADN. recR, recE, ligA, uvrA, y ybaZ. Las distintas tasas de IS observadas en Ara-3 pueden, en parte, reflejar una interferencia clonal entre linajes competidores profundamente divergentes en esa población (Blount et al.2012 Leon et al.2018), especialmente si esos linajes tienen diferentes tasas de transposición de IS.

También examinamos el espectro de mutaciones puntuales en cada población de hipermutadores a lo largo del tiempo (fig. 2). Ara – 1 y Ara + 6 muestran una alta frecuencia de mutaciones de transversión A: T → C: G, característica de defectos en chucho (Tajiri et al. 1995 Fowler et al. 2003 Wielgoss et al. 2013). Ara – 2, Ara – 3, Ara – 4 y Ara + 3, que tienen defectos en la MMR (tabla 1 y fig. 4), muestran una alta frecuencia de A: T → G: C y G: C → A : Mutaciones T. Estos hallazgos son consistentes con análisis genómicos de hipermutadores LTEE (Couce et al.2017). Además, Ara − 1, Ara − 3 y Ara + 6 muestran incrementos tardíos en la frecuencia de mutaciones de transversión G: C → T: A, características de defectos en mutY (Tajiri et al. 1995 Fowler et al. 2003 Wielgoss et al. 2013).

Al examinar chucho, notamos que dos de los tres casos de chucho Los alelos que surgen a alta frecuencia en el LTEE ocurren en un uvrA fondo (Ara − 2 y Ara + 6), mientras que el tercero, en Ara − 1, ocurre en un uvrC fondo (fig. 3). los chucho alelo en Ara-2 no causa la característica chucho A: T → C: G fenotipo hipermutador encontrado en Ara − 1 y Ara + 6 (fig.2), por lo que su asociación con uvrA puede ser una coincidencia. Sin embargo, el mismo uvrA sustitución que va a la fijación con chucho en Ara + 6 también ocurre en un aislamiento de 40.000 generaciones de la población Ara-1 llamado REL10939 (Tenaillon et al.2016), lo que sugiere que este uvrA alelo puede ser beneficioso en esos contextos. Además, se ha informado que uvrA / mutT y uvrB/chucho los knockouts dobles tienen una tasa de mutación sustancialmente más baja que chucho knockouts, en presencia de peróxido de hidrógeno (Hori et al. 2007). Sobre la base de estas observaciones, planteamos la hipótesis de que chucho Los alelos que pasaron con éxito a la fijación en el LTEE pueden haber evolucionado en un uvrABC antecedentes genéticos que redujeron la intensidad de la chucho fenotipo hipermutador.

El sesgo de mutación de orientación genética evoluciona en el LTEE

Varios informes indican que las tasas de mutación difieren entre las cadenas principales y rezagadas de la burbuja de replicación del ADN (Lee et al. 2012 Paul et al. 2013). Las causas potenciales incluyen asimetría en la composición de nucleótidos alrededor del origen de replicación (sesgo de GC) (Marín y Xia 2008), tasas de mutación dependientes del contexto que son asimétricas alrededor del origen de replicación (Sung et al. 2015) y colisiones frontales entre la replicación. y maquinaria molecular de transcripción (Paul et al. 2013). Dichos informes nos motivaron a preguntarnos si los datos de metagenómica de LTEE mostraban evidencia de sesgos de mutación por orientación genética, de modo que los genes orientados con (o contra) la cadena principal o retrasada de la síntesis de ADN tienen diferentes tasas de mutación.

Nuestra expectativa nula es que la distribución de mutaciones sinónimos en cada hebra del cromosoma debería estar relacionada con la cantidad de secuencia codificante en cada hebra (es decir, la densidad de genes multiplicada por su longitud). Además, el espectro de sustituciones de nucleótidos en cada hebra debería reflejar el contenido de G: C local en el clon REL606 de LTEE ancestral: por ejemplo, las sustituciones de G: C → A: T deberían ser más comunes en las regiones ricas en G: C. La Figura 5A muestra esta expectativa nula. Tanto la cantidad de secuencia codificante como el contenido de G: C por hebra son asimétricos con respecto al origen de replicación de REL606. En el origen de la replicación, una hebra de ADN cambia de principal a rezagada, mientras que su complemento cambia de rezagada a principal. Este cambio se produce porque la replicación del ADN es bidireccional, de modo que dos replisomas se mueven en direcciones opuestas desde el origen de la replicación. Incluso en ausencia de sesgo de mutación de orientación genética, la figura 5A muestra que se espera cierta asimetría en la distribución de mutaciones sinónimas sobre el origen de replicación.

El sesgo de mutación de orientación genética evoluciona en el LTEE. los X El eje es el genoma de referencia, centrado en el origen de la replicación, dividido en 46 contenedores de igual tamaño de ~ 100 kb. En cada subfigura etiquetada, los paneles superior e inferior muestran genes que ocurren en cada una de las dos cadenas del cromosoma, con las etiquetas arbitrarias 1 y -1. (A) La composición de nucleótidos de genes en las dos hebras del cromosoma del clon ancestral REL606 de LTEE. (B) La distribución genómica de mutaciones dentro de los genes, sumada a las poblaciones de LTEE deficientes en MMR (panel izquierdo) y poblaciones de LTEE deficientes en MutT (panel derecho).

El sesgo de mutación de orientación genética evoluciona en el LTEE. los X El eje es el genoma de referencia, centrado en el origen de la replicación, dividido en 46 contenedores de igual tamaño de ~ 100 kb. En cada subfigura etiquetada, los paneles superior e inferior muestran genes que ocurren en cada una de las dos cadenas del cromosoma, con las etiquetas arbitrarias 1 y -1. (A) La composición de nucleótidos de los genes en las dos hebras del cromosoma del clon ancestral REL606 de LTEE. (B) La distribución genómica de mutaciones dentro de los genes, sumada a las poblaciones de LTEE deficientes en MMR (panel izquierdo) y poblaciones de LTEE deficientes en MutT (panel derecho).

Las distribuciones observadas de mutaciones sinónimas en cada hebra del cromosoma se muestran en la figura 5B. Analizamos por separado poblaciones de hipermutadores deficientes en MMR y MutT. En ambos casos, el número de mutaciones observadas difiere significativamente entre genes orientados a favor o en contra del movimiento del replisoma, basándose en la comparación de la proporción esperada de mutaciones con la proporción observada de mutaciones. Las poblaciones de hipermutadores deficientes en MMR muestran significativamente más sesgo de mutación de orientación genética de lo esperado (prueba binomial de dos colas: proporción observada de 2,066: 2,664 mutaciones frente a proporción esperada de 1,730,238: 2,066,587 nucleótidos PAG = 0,0090), mientras que las poblaciones de hipermutadores deficientes en MutT muestran un sesgo de orientación genética significativamente menor de lo esperado (prueba binomial de dos colas: proporción observada de 947: 1,033 mutaciones frente a proporción esperada de 1,730,238: 2,066,587 nucleótidos PAG = 0,0446). Tenga en cuenta que estos cálculos no tienen en cuenta los espectros de mutación característicos de los hipermutadores deficientes en MMR y MutT (fig. 5B). For example, the extreme rate of A:T→C:G mutations seen in MutT-deficient hypermutators ( Foster et al. 2015) should cause A:T rich genes to mutate faster than A:T poor genes.

The Genomic Distribution of Observed Mutations in Ara+3 Shows a Strong, Symmetric Wave Pattern over the Origin of Replication

Multiple studies ( Sharp et al. 1989 Lang and Murray 2011 Foster et al. 2013 Dillon et al. 2018 Niccum et al. 2019) have reported correlations between local mutation rates and distance from the origin of replication. One hypermutator LTEE population, called Ara+3, shows a symmetric wave pattern reflected over oriC ( fig. 6). Indeed, the genomic distribution of observed mutations in Ara+3 is significantly different from the genomic distribution of observed mutations summed over all hypermutator populations (two-sample Kolmogorov–Smirnov test: D = 0.0567, PAG < 10 −14 ). The wave in Ara+3 has a trough-to-peak ratio of ∼25:75 ( fig. 6). Excluding Ara+3, the genomic distribution of observed mutations summed over the remaining MMR-deficient LTEE populations shows a weak wave pattern, whereas the populations with defects in mutT shows no evidence of the wave pattern ( fig. 7). The genomic distribution of observed mutations in the MMR-deficient populations (excluding Ara+3) is significantly different from the genomic distribution of observed mutations in the MutT-deficient populations (two-sample Kolmogorov–Smirnov test: D = 0.040916, PAG < 10 −9 ).

One hypermutator LTEE population, Ara+3, shows a strong wave pattern of mutation rate variation centered on the replication origin. Each panel shows the genomic distribution of mutations observed in each hypermutator LTEE population in the metagenomics data. los X axis is the reference genome, centered on the replication origin, partitioned into 46 equally sized bins of ∼100 kb. Indels are in purple, missense mutations are in dark blue, noncoding mutations are blue green, nonsense mutations are sea green, sv are green, and synonymous mutations are yellow.

One hypermutator LTEE population, Ara+3, shows a strong wave pattern of mutation rate variation centered on the replication origin. Each panel shows the genomic distribution of mutations observed in each hypermutator LTEE population in the metagenomics data. los X axis is the reference genome, centered on the replication origin, partitioned into 46 equally sized bins of ∼100 kb. Indels are in purple, missense mutations are in dark blue, noncoding mutations are blue green, nonsense mutations are sea green, sv are green, and synonymous mutations are yellow.

MMR-deficient LTEE populations (excluding Ara+3) show a weak wave pattern, whereas MutT-deficient LTEE populations show no wave pattern. The left panel shows the genomic distribution of mutations observed in Ara−2, Ara−3, and Ara−4. The right panel shows the genomic distribution of mutations observed in Ara−1 and Ara+6. los X axis is the reference genome, centered on the replication origin, partitioned into 46 equally sized bins of ∼100 kb. Indels are in purple, missense mutations are in dark blue, noncoding mutations are blue green, nonsense mutations are sea green, sv are green, and synonymous mutations are yellow.

MMR-deficient LTEE populations (excluding Ara+3) show a weak wave pattern, whereas MutT-deficient LTEE populations show no wave pattern. The left panel shows the genomic distribution of mutations observed in Ara−2, Ara−3, and Ara−4. The right panel shows the genomic distribution of mutations observed in Ara−1 and Ara+6. los X axis is the reference genome, centered on the replication origin, partitioned into 46 equally sized bins of ∼100 kb. Indels are in purple, missense mutations are in dark blue, noncoding mutations are blue green, nonsense mutations are sea green, sv are green, and synonymous mutations are yellow.

Evidence for Epistasis and Historical Contingency in the Evolution of DNA Topology

Why does a strong wave pattern only appear in Ara+3? Others have hypothesized that local chromatin structure affects local mutation rates ( Foster et al. 2013 Niccum et al. 2019). Furthermore, DNA topology has evolved in parallel in the LTEE, and artificially increasing DNA supercoiling is beneficial under LTEE conditions ( Crozat et al. 2005, 2010). Therefore, we hypothesized that mutations in genes that affect DNA topology might affect the wave pattern. To test this hypothesis, we examined the timing and distribution of mutations in topA, fis, y dusB (yhdG). We focused on these genes for several reasons. First, these loci show strong parallel evolution in the LTEE ( Crozat et al. 2010). Second, introducing evolved alleles of topA y fis into the ancestral genome are sufficient to confer a fitness benefit as well as additive changes to DNA topology ( Crozat et al. 2005). Finally, statistical analysis of the pattern of evolution for dusB y fis in the LTEE led to the discovery that dusB regula fis expression ( Crozat et al. 2005, 2010). We excluded synonymous mutations from this analysis. We counted both fixations and mutations destined for extinction, because many beneficial mutations go extinct in large asexual populations due to clonal interference ( Gerrish and Lenski 1998 Lang et al. 2013 Levy et al. 2015 Maddamsetti, Lenski, et al. 2015 Ba et al. 2019).

All LTEE populations evolved missense, indel, or structural mutations in topA, fis, y dusB within the first 10,000 generations, except two: Ara+2 and Ara+3 ( fig. 8). The timing and distribution of mutations in these genes across populations suggests epistasis and historical contingency ( Good et al. 2017). The early arrival times for mutations in these genes suggests that there is an early, limited window of opportunity for those mutations to go to fixation. Quantitative evidence comes from Ara+3, which has no missense, nonsense, indel, or structural mutations in topA, fis, y dusB whatsoever, despite its strong hypermutator phenotype. The probability of this event is PAG = (1−(t/gramo)) norte , dónde t is the effective mutational target size, gramo is the length of the chromosome (g = 4,629,812), and norte is the number of observed missense, indel, and structural mutations in Ara+3 (norte = 4,368). Given the wave pattern in Ara+3, the effective mutational target size of topA, fis, y dusB could be smaller than their combined physical target size (3,861 bp), say if they occurred in the trough of the wave. To take this into account, we partitioned the chromosome into bins, counted mutations per bin, and calculated the effective mutational target size by multiplying the physical target size (length) of topA, fis, y dusB by the number of mutations per base pair in their respective bins. These genes are significantly depleted of mutations in Ara+3, for bin sizes ranging from 100 kb to the entire chromosome (one-tailed randomization tests with 10,000 bootstraps: PAG < 0.05 in all cases).

The strong wave pattern in Ara+3 anticorrelates with mutations (excluding synonymous changes) in the DNA topology genes topA, fis, y dusB. This visualization uses computer code written by Good et al. (2017). The allele frequency trajectories for all observed mutations in the 12 LTEE populations are shown in gray. The allele frequency trajectories of de novo mutations in topA, fis, y dusB (excepting synonymous mutations) are colored and labeled in each population.

The strong wave pattern in Ara+3 anticorrelates with mutations (excluding synonymous changes) in the DNA topology genes topA, fis, y dusB. This visualization uses computer code written by Good et al. (2017). The allele frequency trajectories for all observed mutations in the 12 LTEE populations are shown in gray. The allele frequency trajectories of de novo mutations in topA, fis, y dusB (excepting synonymous mutations) are colored and labeled in each population.

The distribution of synonymous mutations in topA, fis, y dusB across the LTEE populations is interesting ( supplementary fig. S4 and Supplementary Material online). A single, synonymous A312A substitution in dusB went to fixation at ∼4,000 generations in Ara+3, simultaneously with alleles in the MMR genes mutS y mutH that apparently caused the early hypermutator phenotype in this population. No other synonymous mutations in dusB are observed in Ara+3. Furthermore, there is evidence of parallel evolution at this particular position in dusB. The same synonymous mutation occurs in Ara+6, and another synonymous mutation, one base pair downstream in the next codon, is the only synonymous mutation in topA, fis, o dusB observed in Ara−2 ( supplementary fig. S4 , Supplementary Material online). This parallelism suggests that positive selection may be acting on these synonymous variants. Overall, it is striking how few synonymous mutations in topA, fis, y dusB occur in the hypermutator LTEE populations, which implies that synonymous variants in these genes may not be evolving neutrally. Indeed, STIMS ( Maddamsetti and Grant 2020) finds a significant signal of purifying selection on synonymous mutations in topA, fis, y dusB in Ara−1 and Ara−3 (one-tailed randomization test with 10,000 bootstraps: PAG & lt 0,0001).

We also examined the genes that encode the nucleoid-binding protein HU and the terminus-organizing protein MatP, as deletions of these loci were shown to affect the wave pattern ( Niccum et al. 2019). Notwithstanding the relevance of HU and MatP in Niccum et al. (2019), these genes show limited evidence of parallel evolution in the LTEE ( supplementary fig. S5 , Supplementary Material online).

Synonymous Nucleotide Diversity in Natural E. coli Populations Does Not Predict Mutation Rate Variation in the LTEE

Finally, we used the LTEE metagenomic data to revisit previous work, which found that the distribution of synonymous mutations in the LTEE does not reflect patterns of synonymous variation among natural E. coli isolates ( Maddamsetti et al. 2015). During our reanalysis, we found a potential coding error affecting the results of the Kolmogorov–Smirnov test reported in that paper. Therefore, we used Poisson regression to ask whether the estimates of synonymous nucleotide diversity θs published in Martincorena et al. (2012), when treated as gene-specific estimates of the point-mutation rate per base pair, predict the distribution of synonymous mutations observed in the LTEE. A null model in which mutations occur uniformly over the chromosome (Akaike’s Information Criterion, AIC = 8,529.6) fits the data far better than the θs model (AIC = 9,171.3). When we fit both models to Ara+3, we again find that the null model is better than the θs model at predicting the observed distribution of synonymous mutations (AIC = 2,168.2 for null model vs. AIC = 2,190.8 for θs modelo). This finding validates the conclusions reported in Maddamsetti et al. (2015), despite the potential problems in that analysis.


Faster rates of evolution are linked to tiny genomes

Inside every cell lies a genome -- a full set of DNA that contains the instructions for building an organism. Across the biological world, genomes show a staggering diversity in size. For example, the genome of the Japanese white flower, Paris japonica, is over 150 billion base pairs, meaning that almost 100 meters of DNA is squeezed into each cell. In comparison, single-celled prokaryotes, like bacteria, have tiny genomes, averaging less than 5 million base pairs. Some prokaryotes have even smaller genomes that are fewer than 500,000 base pairs. But scientists still don't fully understand the driving forces responsible for reducing the size of genomes.

Now, in an international collaboration, led by the Okinawa Institute of Science and Technology Graduate University (OIST) and the University of Sydney, and including researchers from the University of the Ryukyus, the Tokyo Institute of Technology, and RIKEN, scientists have found a link between mutation rate -- how quickly the DNA sequence changes -- and genome size. Escribiendo en Biología actual, the researchers reported that prokaryotes with higher mutation rates lose genes at a faster pace, and therefore have smaller genomes.

"This was a really surprising result," said Professor Tom Bourguignon, co-first author of the study and head of the Evolutionary Genomics Unit at OIST. "Currently, the most accepted idea is that population size is the main factor that determines genome size in prokaryotes, particularly in endosymbionts, but our research challenges this view."

Endosymbionts are organisms that live inside the bodies or cells of other organisms, and typically have much smaller genomes than their free-living counterparts. The Evolutionary Genomics Unit researches an endosymbiont called Blattabacterium, a bacterial species that lives inside cockroaches and termites and provides their hosts with vital nitrogen-containing nutrients. But only a small number of these bacteria are passed on from a mother insect host to a daughter insect host, which keeps their effective population size very low.

"At small population sizes, natural selection is much less effective, and evolution is driven more strongly by chance," said Dr. Yukihiro Kinjo, co-first author and a postdoctoral scholar from the Evolutionary Genomics Unit. "Without enough selection pressure to maintain specific genes, mutations can arise that inactive and erode these genes, eventually leading to their total loss from the genome."

While population size as a driving force for genome reduction may be an attractive idea, many free-living prokaryotes that live in larger populations have also evolved smaller genomes, suggesting that it's only part of the story. Additional explanations have also been proposed but, until now, the mutation rate -- or the speed at which evolution occurs -- has been overlooked.

In the study, the scientists collected genome data from a diverse range of prokaryotes, including strains from two endosymbiotic lineages and seven free-living lineages.

For each lineage, the team constructed an evolutionary tree that showed how the strains had diverged from each other. With the help of the OIST Biological Complexity Unit, led by Professor Simone Pigolotti, the scientists then created models that reconstructed how gene loss had occurred in each strain. They then estimated the mutation rate, population size and selection pressure for each strain and compared it to the amount of gene loss.

Surprisingly, the scientists did not find a clear link between estimated population size and rate of gene loss. Instead, they found a relationship between mutation rate and gene loss for seven out of the nine lineages studied, with higher mutation rates associated with faster rates of gene loss, resulting in smaller genomes.

"Although we haven't established a cause, there is a theoretical prediction that explains this observation if the rate of mutation outweighs a selection pressure to maintain a gene, the gene will be lost from the genome," said Dr. Kinjo.

The scientists also found clues as to how the gene loss occurred, as strains with smaller genomes had lost genes involved in repairing DNA.

"DNA repair genes fix damaged DNA, so when they are lost the mutation rate of a strain can quickly increase. Most mutations are harmful, so this can quickly inactivate other genes and drive their loss from the genome. If some of these inactivated genes are also involved in DNA repair, this can further accelerate mutation rate and gene loss," explained Professor Gaku Tokuda, from the University of the Ryukyus.

Although the answers to how gene loss occurs are becoming clearer, whether there are evolutionary reasons behind why prokaryotes increase their rate of mutation to shrink their genome, and if so, what these reasons are, remains an open question.

"Figuring out the evolutionary explanation for what we see is really complicated. It could be that an increased rate of mutation occurs to provide an adaptive advantage, such as the removal of unwanted or unnecessary genes. But we still can't rule out the possibility that the increased rate of mutation is non-adaptive and due to chance," said Dr. Kinjo.

Overall, their findings shed new light on the evolution of small genomes, prompting a re-think of the current dominant idea of genome reduction being driven by small population sizes.

"Unlike with population size, our results suggest that mutation rate could drive genome reduction in both free-living and endosymbiotic prokaryotes. This could be the first step in comprehensively understanding what drives changes in genome size across all prokaryotes," said Prof. Bourguignon.


Análisis

Answer the following questions on a separate page, title this page "Evolution Simulation" and make sure your name is on it.

1. Describe how the simulation models natural selection (and evolution), include a definition of both of these terms.

2. Explain CÓMO the mutation rate affects the evolution of your populations, use the prediction statements above to help you make a concise statement about the efffect of mutation rate on evolution.

Explicar WHY the mutation rate affects the evolution of your populations.

3. Explain CÓMO altering the selection rate affects the evolution of your populations, use the prediction statement again.


Explicar WHY altering the selection rate affects the evolution of your populations and include a definition of what selection strength is for your population.

/> Este trabajo tiene una licencia internacional Creative Commons Reconocimiento-No comercial-Compartir igual 4.0.

HS- LS4-2 Construct an explanation based on evidence that the process of evolution primarily results from four factors: (1) the potential for a species to increase in number, (2) the heritable genetic variation of individuals in a species due to mutation and sexual reproduction, (3) competition for limited resources, and (4) the proliferation of those organisms that are better able to survive and reproduce in the environment

Credits: Special thanks to Leif Saul, author of Biology in Motion and the creator of the Evolution Lab.


Genética de poblaciones

12.3.2.2 Mutation

When mutations occur in the germ cells, they may be passed on to the next generation. The change in the DNA may be a single nucleotide substitution or it may involve many nucleotides, such as in the case of an insertion or deletion. Many hemoglobinopathies are due to point mutations that cause the replacement of an amino acid (missense) and consequently an abnormal protein product. The most common mutation causing Tay–Sachs disease is a 4-base-pair (bp) insertion (frameshift), while the F508del mutation in the cystic fibrosis gene is a 3-bp deletion.

The source of genetic variation in a population is mutation. Mutation rates in humans have been estimated to be on the order of 10− 4 to 10− 6 per gene per generation. The rate of nucleotide substitutions is estimated to be 1 in 10 8 per generation, implying that 30 nucleotide mutations would be expected in each human gamete.

Most new mutations are lost due to chance. However, new mutations arise in each generation, and some become established in the population. Suponer μ is the mutation rate from A1 para A2 por generación. If the frequencies of A1 y A2 están pagt y qt, respectively, in generation t, then in the (t + 1)th generation the frequency of A2 es

assuming no back mutation.

Porque μ is very small, (1 − μ) t es aproximadamente igual a mit μ. Thus, the number of generations required to change the frequency of A2 de q0 para qt is inversely proportional to the mutation rate. Also note that as t gets larger and larger, qt gets closer and closer to 1. In other words, if mutation from A1 para A2 is the only force acting to change the allele frequencies, then A2 will eventually become fixed in the population. The change in allele frequency from one generation to the next is qt+1qt = μ(1 − qt), meaning that the change in allele frequency is greater for smaller frequencies of A2.

So far we have considered mutation in only one direction. Now suppose the mutation rate from A1 para A2 es μ and the reverse rate from A2 para A1 es ν. Then the change in the frequency of A2 per generation is μpνq, and equilibrium is reached when this change is equal to zero. Thus, the equilibrium frequencies are pag = ν/(μ + ν) y q = μ/(μ + ν). This equilibrium is stable, meaning that if the frequencies are disturbed, they will eventually return to their equilibrium values as long as no other forces are affecting them.

Mutation rates have been estimated for a number of autosomal dominant disorders, such as neurofibromatosis type I, which has the high rate of 10 −4 , and tuberous sclerosis, with a rate of about 10 −5 . Some of these disorders (e.g., achondroplasia, for which the mutation rate is estimated to be 10 −5 ) have reduced fitness, which is discussed in the next section.

Ejemplos de

How many generations will be required to change the frequency of A2 (1) from 0.1 to 0.2, (2) from 0.8 to 0.9, if the mutation rate from A1 para A2 is 10 −4 ?

The number of generations is

Therefore, for a mutation rate of 10 −4 , 1178 generations are required, whereas for a mutation rate of 10 −5 , 11,780 generations are required to change the frequency of A2 from 0.1 to 0.2. On the other hand, to change the frequency from 0.8 to 0.9 requires 6932 generations if the mutation rate is 10 −4 and 69,315 generations if the mutation rate is 10 −5 .

Suppose the mutation rate from A1 a A2 is 10 −4 and the reverse rate is 10 −5 . What is the equilibrium frequency of A1?

The equilibrium frequency of A1 is 10 −5 /(10 −4 + 10 −5 ) = 0.091. However, to reach this equilibrium frequency may take tens of thousands of generations, depending on the initial allele frequencies.