tools: towards mimicking wet experiments Carole Knibbe - - PowerPoint PPT Presentation

¡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 ¡ ¡ 2. Prepare ¡replicate ¡lines ¡with ¡aevol_propagate ¡

¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡Sta;s;cal ¡power ¡ ¡ ¡ ¡Dis;nguish ¡between ¡necessity ¡and ¡con;ngency ¡in ¡evolu;onary ¡trajectories ¡

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 cd wildtype # Prepare a text file called param.in with a fluctuating # environment aevol_create aevol_run –n 10000

3. For ¡each ¡group, ¡create ¡a ¡text ¡file ¡with ¡the ¡parameters ¡to ¡change ¡ ¡

newparam-­‑groupA.in ¡ # ¡New ¡environment ¡ ¡ ¡ENV_GAUSSIAN ¡ ¡0.5 ¡ ¡ ¡0.2 ¡ ¡ ¡0.05 ¡ ¡ENV_GAUSSIAN ¡ ¡0.5 ¡ ¡ ¡0.4 ¡ ¡ ¡0.05 ¡ ¡ENV_GAUSSIAN ¡ ¡0.5 ¡ ¡ ¡0.8 ¡ ¡ ¡0.05 ¡ ¡ENV_VARIATION ¡none ¡ newparam-­‑groupB.in ¡ ¡(mutators) ¡ # ¡New ¡environment ¡ ¡ ¡ENV_GAUSSIAN ¡ ¡0.5 ¡ ¡ ¡0.2 ¡ ¡ ¡0.05 ¡ ¡ENV_GAUSSIAN ¡ ¡0.5 ¡ ¡ ¡0.4 ¡ ¡ ¡0.05 ¡ ¡ENV_GAUSSIAN ¡ ¡0.5 ¡ ¡ ¡0.8 ¡ ¡ ¡0.05 ¡ ¡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 ¡ 5. Ready ¡to ¡run! ¡ ¡

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 for mydir in $mydirnamesA $mydirnamesB do cd mydir aevol_run –n 2000 cd .. done

Simula6ng ¡evolu6onary ¡scenarios ¡(like ¡the ¡adapta6on ¡ to ¡a ¡new ¡environment, ¡the ¡lab) ¡

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

scale : 200 bp

Fitness distribution of the 500 simulated offspring Fitness Frequency 0e+00 2e−09 4e−09 6e−09 50 100 150 200 250 300 350

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

200 generations Gene #164 Gene #163 Gene #782 Gene #781 Gene #340 Gene #433 Gene #432 De novo gene creation by a rearrangement at t=214 Gene #130 Duplication at t=240 Duplication at t=247 Lost at t=273 after a point mutation in the coding sequence Lost at t=255 after a translocation affecting both the coding sequence and its upstream region Lost at t=1,449 after an inversion affecting the coding sequence Small deletion in the upstream region Duplication at t=1,425 Lost at t=1,904 after a translocation affecting the coding sequence Inversion and translocation in the upstream region Small deletion in the upstream region Lost at t=1,145 after an inversion affecting the coding sequence Small insertion in the upstream region Transloc. in the coding sequence Small deletion in the coding sequence Transloc. in the upstream region Duplication at t=297 Duplication at t=407 Deleted at t=407 Duplication at t=379 Deleted at t=379

All types of events allowed Cumulative impact on fitness between generations 50,000 and 100,000 0.0000 0.0005 0.0010 0.0015 0.0020 Point mut. Small ins. Small del. Duplic. Large del. Transloc. Inversions

Contribu;on ¡to ¡adapta;on ¡

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 ¡
• f ¡muta;ons ¡when ¡there ¡is ¡no ¡explicit ¡fitness ¡

measure? ¡===> ¡invasion ¡experiments? ¡