- Montardit-Tardà, Francesc
69 Pags.- 15 Figs.- 11 Tabls. IAMZ-CIHEAM Thesis Master ("Master in Plant Breeding") realised at Laboratory of Genomics, Genetics and
Breeding of Fruit and Grapevine and the Laboratory of Computational & Structural Biology (EEAD - CSIC).
© The author. Under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International., [EN] The increase of genomic data in plants has become a revolution for plant biologists.
Nowadays, transcript expression can be investigated thanks to new sequencing
technologies, such as RNA-Seq. One of the objectives of these approaches is de novo
motif discovery in upstream sequences of co-expressed genes. However, a bottleneck of
these methods is to determine the appropriate length of the upstream region to be
sampled, something that has only been addressed so far in two plant species, rice and
Arabidopsis thaliana. Here, three computational approaches are presented with the aim
of delimiting proximal promoter regions at a genomic level, tested in three plant
species: Prunus persica, A. thaliana and Brachypodium distachyon. Two of the
approaches relied on nucleotide conservation, one aligning sequences of related species
(Prunus spp.), and the other by computing nucleotide polymorphism density. Finally,
the third approach was based on the frequency of detected putative regulatory
DNA-motifs. The comparative genomics approach suggested a limit of -576 nt or
-434 nt upstream of transcription start sites for Prunus persica, depending on the source
of the genome. The polymorphism density approach yielded proximal limits of -510 nt,
-520 nt and -450 nt for P. persica, A. thaliana and B. distachyon, respectively. Finally,
the frequency of predicted DNA-motifs provided alternative proximal promoter for the
three species, and the differences were discussed. A validation of these limits was
carried out by calculating the percentage of experimentally determined regulatory
motifs in plants inside the proposed ranges. We report that a -500 nt upstream window
contains approximately 80% of the motifs curated in TRANSFAC. Therefore, plant
proximal promoter regions were delimited with a length of -500 nt, with differences of -
50/-100 nt between species and/or methodologies. The availability of the developed
code will enable the scientific community to calculate the optimal length of proximal
promoter regions for any plant species., [ES] El aumento de datos genómicos en plantas se ha vuelto una revolución para los biólogos
de plantas. Actualmente, la expresión de tránscritos puede ser investigada gracias a las
nuevas tecnologías de secuenciación, como RNA-Seq. Uno de los objetivos principales
de estas aproximaciones es la identificación de novo de motivos de ADN en secuencias
aguas arriba de genes co-expresados. Sin embargo, un cuello de botella de estas
metodologías es determinar la longitud óptima de la región aguas arriba a ser estudiada,
cuestión que hasta ahora solo ha sido abordada en dos especies de plantas, arroz y
Arabidopsis thaliana. En esta tesis, tres aproximaciones computacionales son
presentadas con el objetivo de delimitar la región promotora proximal a nivel genómico,
probadas en tres especies de plantas: Prunus persica, A. thaliana y Brachypodium
distachyon. Dos de las aproximaciones se han basado en la conservación de nucleótidos,
una alineando secuencias de especies cercanas (Prunus spp.), y la otra calculando la
densidad de polimorfismos por nucleótido. Finalmente, la tercera aproximación se basó
en la frecuencia de motivos de ADN regulatorios putativos detectados. La aproximación
de genómica comparativa proporcionó un límite de -576 nt o -434 n aguas arribas del
sitio de inicio de transcripción t para Prunus persica, según el origen del genoma. La
aproximación de densidad de polimorfismo resultó en límites proximales de -510 nt,
-520 nt y -450 nt para P. persica, A. thaliana y B. distachyon, respectivamente.
Finalmente, la frecuencia de motivos de ADN predichos devolvió límites alternativos
del promotor proximal para las tres especies, y las diferencias fueron discutidas. Una
validación de estos límites fue llevada a cabo calculando el porcentaje de motivos
regulatorios de plantas identificados experimentalmente dentro de los rangos
propuestos. Reportamos que una ventana de -500 nt aguas arriba contiene
aproximadamente el 80% de los motivos depurados en TRANSFAC. Así, las regiones
promotoras proximales en plantas fueron delimitadas con una longitud de -500 nt, con
diferencias de -50/-100 nt entre especies y/o metodologías. La libre disposición del
código diseñado permitirá a la comunidad científica calcular la longitud óptima de la
región promotora proximal en cualquier especie de planta., [FR] L’augmentation des données génomiques des plantes s’est convertie en une révolution
pour les biologistes. Actuellement, la régulation transcriptionnelle est largement étudiée
grâce aux avancées des technologies à haut débit tel que le séquençage de l’ARN
(RNA-Seq). L´un des principaux objectifs de ces études est la découverte « de novo »
de motifs régulateurs en amont des gènes. Néanmoins, le goulet d’étranglement de ces
méthodes réside dans la longueur de la région en amont du gène, surtout que, seulement
deux espèces ont été étudiées en se concentrant sur la région proximale du promoteur, le
riz et Arabidopsis thaliana. Dans le présent travail, trois approches computationnelles
ont été dévoilées afin de délimiter une plage du promoteur proximal à un niveau
génomique et à partir de l’initiation du gène, testés chez trois espèces de plantes:
Prunus persica, Arabidopsis thaliana et Brachypodium distachyon. Deux parmi ces
trois approches reposent sur la conservation des nucléotides ; la première en alignant
des séquences d’espèces apparentées (appliquée sur Prunus persica) et l’autre basée sur
la densité du polymorphisme. La troisième est basée sur la fréquence des putatifs motifs
d’ADN détectés. La démarche de la génomique comparative a suggéré une limite de -
570 nt et -434 nt en amont du site d’initiation de la transcription pour Prunus persica,
selon l’origine du genome. L’approche de la densité de polymorphisme a proportionné
des limites proximales de -510 nt, -520 nt et -450 nt pour P. persica, A. thaliana et B.
distachyon, respectivement. Enfin, la fréquence des motifs d’ADN prédits a fourni un
promoteur proximal alternatif pour les trois espèces, et les différences discutées. Une
validation de ces limites a été donc effectuée en calculant le pourcentage de motifs
expérimentalement détectés dans ces intervalles de limites préalablement citées. On
mentionne qu’un intervalle approximatif de -500 nt contient environ 80% des motifs
sélectionnés en TRANSFAC. Par conséquent, les régions promotrices des plantes ont
été delimitées avec une longueur de -500 nt, avec des différences de -50 / -100 nt entre
les espèces et/ou les méthodologies. La disponibilité de notre code développé permettra
á la communités scientifique de calculer la longueur optimale des régions promotrices
proximales pour toute espèce de plante., Work supported by project AGL2017-83358-R., No