PoMo-Cod: ein phylogenetisches Codonmodell

Ein Hauptziel in der Evolutionsbiologie ist es, die Kräfte zu verstehen, die auf Genomsequenzen wirken, und die für die Anpassung der Arten an verschiedene Umgebungen verantwortlich sind. Codon-Modelle sind wichtige Werkzeuge, um die Selektion auf Protein-kodierende Gene zu identifizieren. Diese wurden in vergleichenden Genomstudien durch ihre umfassende Verwendung in genomweiten Scans zur Diversifizierung der Selektion populär gemacht. Standard Codonmodelle weisen jedoch erhebliche Einschränkungen auf, die zunehmend erkannt werden. Vorhandene Codonmodelle haben vereinfachende Annahmen; z. B. ignorieren sie demographische Veränderungen während der Artenbildung und oder die bevorzugte Verwendung von bestimmten Nukleotiden. Dieses Projekt bietet ein neues polymorphismus-bewusstes Modell, PoMo-cod, um Signaturen natürlicher Selektion identifizieren, die auf protein-codierende Sequenzen wirken. PoMo-cod wird die Codonevolution auf neuartige Weise modellieren, und neutralen und adaptiven Prozesse auf Populationsebene in Einklang bringen. PoMo-cod wird es uns ermöglichen, die Wirkung der natürlichen Selektion von bekannten Störkräften (z. B. schwankende Demographie und GC-Bias) zu unterscheiden und letztendlich genauere genomweite Analysen der Diversifizierung sich entwickelnder Gene zu erstellen. Die Identifizierung von Selektionspositionen im Genome hat weitreichende Anwendungen im biologischen, ökologischen und medizinischen Bereichen. Sie ermöglichen die Entwicklung von artenspezifischer Strategien zur Abschwächung der anthropogenen Wirkung auf die Biodiversität oder die funktionelle Charakterisierung des Genoms in der medizinischen Forschung.

Wie sich lebende Organismen an ihre Umwelt anpassen, ist eine der zentralen Fragen der Biologie. Ziel dieses Projekts war es, die Erforschung dieses Prozesses zu verbessern, indem neue Werkzeuge entwickelt wurden, um besser zu verstehen, wie die natürliche Selektion das Genom im Laufe der Zeit formt. Am Ende des Projekts konnten wir eine Reihe von phylogenetischen Modellen und Methoden bereitstellen, die es ermöglichen, Evolution über kurze und lange Zeiträume hinweg auf eine einheitlichere und realistischere Weise zu untersuchen. Eines der wichtigsten Ergebnisse des Projekts ist ein neues Modellierungsframework, das beschreibt, wie genetische Unterschiede innerhalb und zwischen Arten erhalten bleiben, rasch verschwinden oder gefördert werden können. Diese Form der Evolution, die als diversifizierende Selektion bezeichnet wird, spielt eine zentrale Rolle bei Anpassungsprozessen. Durch die Verknüpfung evolutionärer Prozesse, die auf unterschiedlichen Zeitskalen wirken, stellt dieser Ansatz einen wichtigen Fortschritt gegenüber bisherigen Methoden dar. Wir erwarten, dass er bedeutende Auswirkungen darauf haben wird, wie Forschende die Effekte neuer Mutationen auf die Fitness von Organismen messen. Ein weiterer zentraler Erfolg des Projekts ist die Integration sich verändernder Populationsgrößen in phylogenetische Analysen. In der Natur bleiben Populationen selten konstant: Sie wachsen, schrumpfen und können sogar vollständig verschwinden. Viele bestehende Modelle berücksichtigen diese Schwankungen nicht, was die Interpretation genetischer Daten verzerren kann. Die im Rahmen dieses Projekts entwickelten Methoden beziehen solche Veränderungen explizit ein, unter anderem mithilfe des Konzepts einer Eigenwert-Populationsgröße, und ermöglichen dadurch genauere Rekonstruktionen der evolutionären Geschichte. Darüber hinaus haben wir bestehende Evolutionsmodelle erweitert, um Arten mit sehr hoher genetischer Vielfalt besser abzubilden, bei denen dieselben Mutationen wiederholt auftreten können. Dies ist insbesondere bei Organismen wie Viren und Bakterien häufig der Fall. Durch die Anpassung früherer Modelle konnten wir diese für die Untersuchung von Anpassungsprozessen in einer deutlich größeren Bandbreite von Arten nutzbar machen. Ein weiteres Ergebnis des Projekts ist eine umfassende Sammlung bayesianischer phylogenetischer Methoden, die der wissenschaftlichen Gemeinschaft zur Verfügung gestellt wurde. Zudem haben wir die neuen Modelle und Methoden auf reale biologische Datensätze angewendet, die von sich schnell entwickelnden Viren bis hin zu langlebigen Arten wie Menschenaffen reichen. Diese Anwendungen zeigen die Flexibilität des Ansatzes und verdeutlichen, dass derselbe mathematische Rahmen auf sehr unterschiedliche Lebensformen angewendet werden kann. Insgesamt eröffnet das Projekt neue Wege, um die grundlegenden Regeln des Lebens besser zu verstehen. Wir erwarten, dass die gewonnenen Erkenntnisse den Schutz der biologischen Vielfalt unterstützen, indem genomische Regionen mit Anpassungspotenzial an sich verändernde Umweltbedingungen identifiziert werden, und zugleich zur medizinischen Forschung beitragen, indem sie unser Verständnis der Evolution von Krankheitserregern verbessern.