Search

Satellite DNAs are tandemly repeated sequences clustered within heterochromatin. However, in some cases, such as the major TCAST1 satellite DNA from the beetle Tribolium castaneum, they are found partially dispersed within euchromatin. Such organization together with transcriptional activity enables TCAST1 to modulate the activity of neighboring genes. In order to explore if other T. castaneum repetitive families have features that could provide them with a possible gene-modulatory role, we compare here the structure, organization, dispersion profiles, and transcription activity of 10 distinct TCAST repetitive families including TCAST1. The genome organization of TCAST families exhibit either satellite-like or transposon-like characteristics. In addition to heterochromatin localization, bioinformatic searches of the assembled genome have revealed dispersion of all families within euchromatin, preferentially in the form of single repeats. Dispersed TCAST repeats are mutually correlated in distribution and are grouped in distinct regions of euchromatin. The repeats are associated with genes, are enriched in introns relative to intergenic regions, and very rarely overlap exons. In spite of the different mechanisms of repeat proliferation, such as transposition and homologous recombination, all TCAST families share a similar frequency of spreading as well as dispersion and gene association profiles. Additionally, TCAST families are transcribed and their transcription is significantly activated by heat stress. A possibility that such common features of TCAST families might be related to their potential gene-modulatory role is discussed.

Točne pozicije eksona i introna u genu važne su u proučavanju strukture proteina i otkrivanju raznih bolesti. Težnja je za pravilnim predviđanjem kodirajućih regija u genomu čovjeka, no zbog njegove prevelike složenosti, pravilnosti se još uvijek otkrivaju na manjim genomima jednostavnijih organizama kako bi se one možda mogle primijeniti i na čovjeka. Pomoću metode strojnog učenja Random Forest provjeravala se i poboljšavala uspješnost klasifikacije sekvenci crva C. elegans koje pripadaju donorskom i akceptorskom mjestu izrezivanja introna. Došlo se do zaključka da je uzimanjem najvažnijih značajki koje se nalaze oko mjesta izrezivanja, treniranjem na svim podacima te uzimanjem ne više od 200 stabala, klasifikacija sekvenci koje sadrže pravilno mjesto izrezivanja introna najuspješnija.

Uspješno predviđanje mjesta izrezivanja kodirajućih regija od velike je važnosti za niz primjena. Poznato je da DNK pokazuje periodičnost i ponavljanje uzoraka – primjer je činjenica da se proteini generiraju iz kodona – skevence koju čine 3 nukleotida. U ovom radu korištena je metoda strojnog učenja, Random Forest, za detekciju i značajki koje su ključne u mehanizmu izrezivanja eksona i formiranja kodirajućih sekvenci, te uočavanje eventualnih pravilnosti i uzoraka koji se mogu pojaviti. Istraživanje je pokazalo da se te značajke nalaze uglavnom oko donorskog i akceptorskog mjesta, i iako ih nije mnogo, uzimajući samo njih u obzir, može se izgraditi šuma koja vrlo uspješno klasificira stvarne donore i akceptore.

Činjenica da se proteini kodiraju iz aminokiselina formiranih prema kombinaciji tri uzastopna nukleotida, upućuju na mogućnost da kodirajući dijelovi gena pokazuju svojstvo periodičnosti s periodom 3. Kodirajuće eksone pokušano je na temelju ovog svojstva detektirati filtrima temeljenim na svepropusnom filtru, što je provjereno izračunom DFT. Istraživanje je pokazalo da je manji udio eksona uspješno detektiran i za njih je preciznost detektora vrlo visoka, dok je znatno veći dio eksona ostao nedetektiran. Zaključak je da svojstvo periodičnosti s 3 ne može biti samostalan kriterij detekcije eksona, ali ako postoje značajke (koje je tek potrebno otkriti) koje vrijede za druge eksone, tada bi u kombinaciji s njihovim detektorima bilo moguće istovremeno predvidjeti eksone različitih svojstava.

DNA molekula sastoji se od dva međusobno povezana spiralna lanca građena od četiri nukleotida: adenina (A), timina (T), citozina (C) i guvanina (G). Molekula je građena tako da se adenin i timin, citozin i guanin međusobno vežu. Nukleotidi čine baze lanaca koji su međusobno povezani kovalentnim vezama. DNA molekula ne upravlja sama sintezom proteina. Sintezom proteina upravlja RNA koja je intermedijalna molekula. Kada je stanici potreban određeni protein, nukleotidna sekvenca, određenog dijela jako duge DAN, smještene u kromosomu, kopira se u RNA. Te kopije DNA služe kao kalupi za sintezu proteina. Proces sinteze nije jednostavan već se sastoji od niza koraka koji počinju s obradom DNA, odnosno rastavljanjem dva lanca DNA, prepisivanjem jednog lanca u RNA, zatim obradom RNA, koja uključuje i izrezivanje nekodirajućih dijelova i na kraju sintezu aminokiselina u protein. Genom C. Elegansa je prvi sekvencirani genom nekog višestaničnog organizma. Sadrži oko 19000 slijedova koji kodiraju proteine i zauzimaju oko 25% genoma. Svaki gen C. Elegansa sastoji se od kodirajućeg (egzona) i nekodirajućeg (introna) dijela, pri čemu svaki gen sadrži 5 introna. Izrezivanje introna vrši se uz pomoć proteina i malih RNA molekula. Kod crva postoje samo dva važna mjesta za izrezivanje: 3' i 5', dok kod nekih organizama postoji i treće: mjesto grananja u intronu. Koristeći se poznavanjem biologije i informatike, odnosno bioinformatike, uz pomoć programiranja i statističkih metoda moguće je provesti analize genoma i na temelju njih odrediti mjesta izrezivanja. Ulazne podatke pri analizi čini cijeli genom zapisan u obliku slova A, T, C i G. Ta slova predstavljaju signal koji se uređuje i 41 statistički obrađuje. Pri analizi i obradi podataka bitno je poznavanje činjenice da donorsko mjesto, odnosno 5', uvijek počinje s GT, a akceptorsko mjesto 3' s AG.

Danas korištene metode za detekciju mjesta izrezivanja introna su vrlo uspješne na jednostavnijim orgnizmima, dok im je uspješnost znatno lošija na složenijima. U ovom radu pokušala su se iskoristiti znanja iz vektorske kvantizacije za određivanje broja načina točnih mjesta izrezivanja. Dobiveni klasifikatori korišteni su za treniranje i testiranje statističkog paketa slučajne šume. Izlazne vrijednosti prikazane su Precision-Recall krivuljom te grafom važnosti. Iz krivulja dobivenih na temelju glasova klasifikatora i ulaznih podataka teško je zaključiti koja je bolja. Zaključak je da ovim načinom podjele ulaznih podataka nismo značajnije doprinijeli poboljšanju krivulje odnosno detektora za otkrivanje točnih mjesta izrezivanja. Također na temelju ovog rada nije moguće donijeti odluku o broju stvarnih načina točnih mjesta izrezivanja.