نشانگرهای مولکولی برای سیستماتیک

نشانگرهای مولکولی مختلف با سرعت‌های متفاوتی تکامل می‌یابند، بنابراین انتخاب نشانگر مناسب برای حل روابط در یک مقیاس طبقه‌بندی و زمانی معین، محوری است.

Definition

نشانگر مولکولی یک ناحیه تعریف شده از اسید نوکلئیک یا یک پروتئین است که تغییرات آن در بین تاکسون‌ها به عنوان داده‌های ویژگی برای استنتاج روابط، شناسایی ارگانیسم‌ها، یا تعیین مرز گونه‌ها استفاده می‌شود.

Scope

این موضوع به دسته‌بندی نشانگرهای مولکولی مورد استفاده در سیستماتیک، از جمله ژن‌های RNA ریبوزومی، جایگاه‌های میتوکندریایی و کلروپلاستی، ژن‌های کدکننده پروتئین هسته‌ای، و داده‌های در مقیاس ژنوم، همراه با معیارهای تطبیق سرعت تکامل نشانگر با عمق سوال مطرح شده می‌پردازد.

Core questions

• چه نوع نشانگرهای مولکولی برای سیستماتیک در دسترس هستند؟
• چگونه سرعت تکامل نشانگر با عمق یک سوال فیلوژنتیکی مطابقت دارد؟
• چرا برخی نشانگرها برای واگرایی‌های عمیق در مقابل واگرایی‌های سطحی بهتر هستند؟
• فیلوژنومیک چگونه انتخاب نشانگر را تغییر داده است؟

Key theories

تطبیق سرعت با مقیاس زمانی

نشانگرهای با تکامل آهسته مانند ژن‌های RNA ریبوزومی واگرایی‌های باستانی را حل می‌کنند، در حالی که نشانگرهای با تکامل سریع شکاف‌های اخیر را حل می‌کنند؛ نشانگرهای نامتناسب یا اشباع می‌شوند یا فاقد سیگنال هستند.

RNA ریبوزومی به عنوان یک نشانگر جهانی

ژن‌های حفاظت‌شده RNA ریبوزومی اولین نشانگر قابل مقایسه جهانی را برای ارتباط دادن تمام حیات سلولی فراهم کردند و امکان شناسایی سه دامنه را فراهم آوردند.

Clinical relevance

انتخاب نشانگر مناسب تعیین می‌کند که آیا پاتوژن‌ها، سویه‌ها، یا ارگانیسم‌های نزدیک به هم قابل تشخیص هستند یا خیر، که این امر برای تشخیص مولکولی، تایپینگ، و نظارت محوری است.

History

استفاده از نشانگر از ژن‌های منفرد حفاظت‌شده مانند RNA ریبوزومی، از طریق مجموعه‌داده‌های چندجایگاهی، تا فیلوژنومیک در مقیاس ژنوم تکامل یافته است؛ مقایسه‌های RNA ریبوزومی ووز قدرت یک نشانگر جهانی خوب انتخاب شده را برای بازنویسی درخت زندگی نشان داد.

Debates

چند ژن خوب انتخاب شده در مقابل داده‌های در مقیاس ژنوم

فیلوژنومیک تعداد زیادی ویژگی را ارائه می‌دهد اما تضاد بین جایگاه‌ها و سوگیری‌های سیستماتیک را معرفی می‌کند، که بحثی را در مورد اینکه آیا داده‌های بیشتر یا داده‌های بهتر مدل‌سازی شده درختان قابل اعتمادتر را به دست می‌دهند، برمی‌انگیزد.

Key figures

• Carl Woese
• Joseph Felsenstein

Seminal works

• yang2012
• woese1990
• felsenstein2004

Frequently asked questions

چرا از نشانگرهای با تکامل آهسته برای واگرایی‌های باستانی استفاده می‌شود؟

نواحی با تکامل سریع در طول زمان‌های طولانی تغییرات زیادی را انباشته می‌کنند به طوری که سیگنال اشباع شده و به نویز تبدیل می‌شود؛ نشانگرهای با تکامل آهسته سیگنال قابل تفسیر را در طول مقیاس‌های زمانی عمیق حفظ می‌کنند.

فیلوژنومیک چیست؟

فیلوژنومیک استفاده از داده‌های در مقیاس ژنوم، صدها یا هزاران جایگاه، برای استنتاج فیلوژنی‌ها است که ویژگی‌های بیشتری را ارائه می‌دهد اما همچنین منابع بیشتری از تضاد را برای مدل‌سازی و حل و فصل فراهم می‌کند.