Большие данные: новый метод получения крупных филогеномных наборов
Традиционные молекулярно-систематические исследования, основанные на последовательном секвенировании генов, требуют много времени и средств, что ограничивало объём данных. Совершенствование технологий секвенирования нового поколения (NGS) делает получение больших молекулярных наборов данных проще и дешевле, что повышает точность реконструкции эволюционной истории организмов.
Учёные из Университета Айдахо и Оберлин-колледжа разработали метод получения крупных филогеномных наборов данных. «Метод использует длинную ПЦР (long-range PCR) для стратегического получения ДНК-матриц для секвенирования нового поколения», — поясняет Саймон Урибе-Конверс, аспирант и ведущий автор. Протокол опубликован в январском выпуске журнала Applications in Plant Sciences.
Длинная ПЦР позволяет амплифицировать фрагменты ДНК размером более 40 килобаз (по сравнению с <10 килобаз для традиционной ПЦР). Авторы создали универсальный праймерный набор для цветковых растений, амплифицирующий фрагменты размером 3–15 килобаз, которые затем легко секвенировать с помощью NGS. Метод протестирован на амплификации геномов хлоропластов 30 видов цветковых растений. Праймеры успешно сработали даже для нескольких видов сосен. Для дальнейшей проверки совместимости метода с NGS были полностью секвенированы 15 геномов хлоропластов (пластомов).
Хотя исследование сфокусировано на пластомах и использовало платформу Illumina, «метод легко расширяется на митохондриальные и ядерные регионы и совместим с любой платформой NGS. Он не ограничен растениями и будет полезен для любых организмов», — отмечает Урибе-Конверс.
Сочетание длинной ПЦР и NGS позволяет учёным получать большие филогеномные наборы данных для многих таксонов, секвенируя целые пластомы, митохондриальные геномы и крупные участки ядерного генома.
«Метод меняет подход к будущим систематическим исследованиям, позволяя стратегически таргетировать интересующие регионы (например, одно-копийные участки ядерного генома) для получения больших наборов данных при низкой стоимости, — говорит Урибе-Конверс. — Мы хотим помочь перенести систематику в область больших данных».