¡tools: ¡ ¡ ¡ towards ¡mimicking ¡wet ¡experiments ¡ Carole ¡Knibbe ¡ INRIA ¡Beagle ¡team, ¡Lyon, ¡France ¡ ¡ Evoevo ¡mee;ng ¡ October ¡2014 ¡
Simula6ng ¡evolu6onary ¡scenarios ¡(like ¡the ¡adapta6on ¡ to ¡a ¡new ¡environment, ¡the ¡lab) ¡ 1. Create ¡one ¡(or ¡several) ¡« ¡wild ¡type ¡» ¡to ¡be ¡used ¡as ¡the ¡ancestor ¡ ¡ cd wildtype # Prepare a text file called param.in with a fluctuating # environment aevol_create aevol_run –n 10000 2. Prepare ¡replicate ¡lines ¡with ¡aevol_propagate ¡ ¡ ¡ cd .. mydirnamesA="line01 line02 line03 line04 line05" ¡ mydirnamesB="line06 line07 line08 line09 line10" ¡ for mydir in $mydirnamesA $mydirnamesB ¡ do ¡ echo $mydir ¡ aevol_propagate –g 10000 -i wildtype -o $mydir -S $RANDOM done ¡ ¡ � ¡ ¡Sta;s;cal ¡power ¡ ¡ � ¡ ¡Dis;nguish ¡between ¡necessity ¡and ¡con;ngency ¡in ¡evolu;onary ¡trajectories ¡
Simula6ng ¡evolu6onary ¡scenarios ¡(like ¡the ¡adapta6on ¡ to ¡a ¡new ¡environment, ¡the ¡lab) ¡ 3. For ¡each ¡group, ¡create ¡a ¡text ¡file ¡with ¡the ¡parameters ¡to ¡change ¡ ¡ newparam-‑groupA.in ¡ newparam-‑groupB.in ¡ ¡(mutators) ¡ # ¡New ¡environment ¡ ¡ # ¡New ¡environment ¡ ¡ ¡ENV_GAUSSIAN ¡ ¡0.5 ¡ ¡ ¡0.2 ¡ ¡ ¡0.05 ¡ ¡ENV_GAUSSIAN ¡ ¡0.5 ¡ ¡ ¡0.2 ¡ ¡ ¡0.05 ¡ ¡ENV_GAUSSIAN ¡ ¡0.5 ¡ ¡ ¡0.4 ¡ ¡ ¡0.05 ¡ ¡ENV_GAUSSIAN ¡ ¡0.5 ¡ ¡ ¡0.4 ¡ ¡ ¡0.05 ¡ ¡ENV_GAUSSIAN ¡ ¡0.5 ¡ ¡ ¡0.8 ¡ ¡ ¡0.05 ¡ ¡ENV_GAUSSIAN ¡ ¡0.5 ¡ ¡ ¡0.8 ¡ ¡ ¡0.05 ¡ ¡ENV_VARIATION ¡none ¡ ¡ENV_VARIATION ¡none ¡ ¡ ¡# ¡New ¡rearrangement ¡rates ¡ ¡DUPLICATION_RATE ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡1e-‑5 ¡ ¡DELETION_RATE ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡1e-‑5 ¡ ¡TRANSLOCATION_RATE ¡ ¡ ¡ ¡1e-‑5 ¡ ¡INVERSION_RATE ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡1e-‑5 ¡
Simula6ng ¡evolu6onary ¡scenarios ¡(like ¡the ¡adapta6on ¡ to ¡a ¡new ¡environment, ¡the ¡lab) ¡ 4. Apply ¡the ¡modifica;ons ¡with ¡aevol_modify ¡ for mydir in $mydirnamesA do cd $mydir echo $mydir aevol_modify --gener 0 --file ../newparam-groupA.in cd .. done for mydir in $mydirnamesB do cd $mydir echo $mydir aevol_modify --gener 0 --file ../newparam-groupB.in cd .. done 5. Ready ¡to ¡run! ¡ ¡ for mydir in $mydirnamesA $mydirnamesB do cd mydir aevol_run –n 2000 cd .. done
Analyzing ¡the ¡evolved ¡bacteria ¡ aevol_misc_view_generation –g 2000 aevol_misc_create_eps –g 2000 aevol_misc_extract –r 2000 –b –s best-sequence.txt –t best-proteins.txt aevol_misc_robustness –g 2000 –n 500 aevol_misc_mutagenesis –g 2000 -m 0 Fitness distribution of the 500 simulated offspring scale : 200 bp 350 300 250 Frequency 200 150 100 50 0 0e+00 2e − 09 4e − 09 6e − 09 Fitness
Analyzing ¡the ¡evolu6onary ¡trajectories ¡ aevol_misc_lineage –b 0 -e 2000 aevol_misc_ancstats –f lineage-b000000-e002000-i628-r1000.ae aevol_misc_fixed_mutations –f lineage-b000000-e002000-i628-r1000.ae aevol_misc_gene_families –f lineage-b000000-e002000-i628-r1000.ae Lost at t=273 after a point mutation Gene #164 200 generations in the coding sequence Duplication at t=247 Lost at t=255 after a translocation Gene #163 affecting both the coding sequence and its upstream region Small deletion in the upstream region Gene #130 Duplication Lost at t=1,449 after an inversion at t=240 Gene #782 De novo gene creation affecting the coding sequence by a rearrangement at t=214 Duplication at t=1,425 Small Transloc. Small Transloc. insertion in the deletion in the Lost at t=1,904 after in the coding in the upstream Gene #781 a translocation affecting upstream sequence coding region Inversion and Small the coding sequence region sequence translocation deletion in the upstream in the Duplication region upstream at t=297 between generations 50,000 and 100,000 region Contribu;on ¡to ¡adapta;on ¡ Gene #340 Deleted at t=379 All types of events allowed Cumulative impact on fitness Duplication at t=379 Deleted at t=407 Gene #433 0.0020 Duplication 0.0015 at t=407 0.0010 Lost at t=1,145 after Gene #432 an inversion affecting the coding sequence 0.0005 0.0000 Point mut. Large del. Inversions Small ins. Small del. Transloc. Duplic.
To ¡do ¡ • Improve ¡the ¡gene_families ¡tool ¡to ¡follow ¡the ¡fate ¡of ¡ pseudogenes ¡ • Allow ¡for ¡user-‑defined, ¡gene-‑targeted ¡muta;ons ¡in ¡ the ¡mutagenesis ¡tool? ¡ • R-‑aevol ¡: ¡resurrect ¡the ¡“knockout” ¡tool ¡ • Write ¡an ¡“epistasis” ¡tool ¡(double ¡mutants) ¡ • Write ¡a ¡“compe;;on” ¡tool ¡ • Write ¡a ¡“fitness ¡landscape” ¡tool ¡-‑-‑ ¡possible? ¡
And ¡in ¡the ¡other ¡models ¡of ¡the ¡project? ¡ ¡ • Tracking ¡the ¡fate ¡of ¡genes: ¡in ¡principle ¡easier ¡in ¡ POAS-‑like ¡models ¡ • Knockout, ¡mutagenesis….: ¡how ¡to ¡measure ¡the ¡effect ¡ of ¡muta;ons ¡when ¡there ¡is ¡no ¡explicit ¡fitness ¡ measure? ¡===> ¡invasion ¡experiments? ¡
Recommend
More recommend
