A natureza aleatória da mutação genética implica que a evolução é amplamente imprevisível. Mas pesquisas recentes sugerem que isto pode não ser inteiramente assim, com as interações entre genes desempenhando um papel maior do que o esperado na determinação de como um genoma muda.
Leia também Idiossincrasias da Biologia: o caminho para a inovação no design biotecnológico
Sabe-se que algumas áreas do genoma têm maior probabilidade de serem mutáveis do que outras, mas um novo estudo sugere agora que a história evolutiva de uma espécie também pode desempenhar um papel no sentido de tornar as mutações mais previsíveis.
“As implicações desta pesquisa são revolucionárias”, diz o biólogo evolucionista da Universidade de Nottingham, James McInerney.
“Ao demonstrar que a evolução não é tão aleatória como pensávamos, abrimos a porta para uma série de possibilidades na biologia sintética, na medicina e na ciência ambiental.”
O biólogo da Universidade de Nottingham, Alan Beavan, e seus colegas aproveitaram o poder de cálculo da IA para investigar mais de 2.000 genomas completos da bactéria Escherichia coli.
As bactérias são particularmente complicadas quando se trata de alterar o seu DNA, sendo bastante hábeis em roubar genes do seu ambiente e incorporá-los no seu genoma. Conhecido como transferência horizontal de genes, o processo dá às bactérias acesso imediato a novas características, como evitar antibióticos – sem necessidade de espera incômoda para que a seleção funcione entre as gerações.
Curiosamente, genes transferidos horizontalmente pertencentes ao mesmo grupo básico podem acabar estacionando em diferentes posições do genoma da bactéria. Ao pesquisar genes horizontais em diferentes locais, os cientistas conseguiram ver como o ambiente imediato dos genes os influenciava.
Eles foram capazes de testar o experimento mental do renomado biólogo evolucionista Stephen J. Gould: reproduzir uma fita da história evolutiva resultaria em um resultado diferente e imprevisível a cada vez, uma vez que os caminhos evolutivos dependem de eventos imprevisíveis.
Se isto for verdade, o genoma da bactéria continuaria evoluindo aleatoriamente após adquirir um novo gene horizontal. Mas a IA encontrou padrões de previsibilidade nesses milhares de “replays de fita” após esses eventos de aquisição de genes.
“Descobrimos que algumas famílias de genes nunca apareceram em um genoma quando uma outra família de genes específica já estava lá e, em outras ocasiões, alguns genes eram muito dependentes da presença de uma família de genes diferente”, explica Maria Rosa, microbiologista da Universidade de Nottingham. Domingo-Sananes.
Portanto, a história do genoma, avaliando quais genes ele possui no momento, pode determinar quais genes ele terá ou não no futuro. Já vimos indícios disto antes através de genes que estão fisicamente posicionados de perto em moléculas genéticas sendo perdidos ou ganhos em conjunto – genes ligados – mas isto também acontecia com genes que não tinham nenhuma ligação física estreita com os genomas das bactérias.
“Alguns aspectos da evolução são determinísticos – ou seja, é provável acontecerem cada vez que reproduzimos a fita”, confirmam Beavan e a equipe no seu artigo. “A presença ou ausência do gene é previsível com base apenas em outros genes no genoma. Por exemplo, um gene A hipotético pode prever a presença do gene B apenas na ausência do gene C.”
Isto não quebra a regra da mutação aleatória; é mais que as forças da seleção natural também estão trabalhando em nível molecular, algo que não tivemos o poder computacional para ver completamente até recentemente. Essencialmente, os próprios genomas são os seus próprios ecossistemas microscópicos, dentro dos quais os genes podem ajudar ou atrapalhar uns aos outros.
Assim, embora retroceder a fita da evolução da E. Coli ainda revelasse uma trajetória evolutiva diferente de cada vez, também haveria centenas ou milhares de eventos previsíveis, com padrões claros emergindo através de visualizações repetidas.
“A partir deste trabalho, podemos começar a explorar quais genes ‘suportam’ um gene de resistência a antibióticos, por exemplo”, explica Beavan.
“Portanto, se estamos tentando eliminar a resistência aos antibióticos, podemos atingir não apenas o gene focal, mas também os genes de apoio.”
Esta pesquisa foi publicada em PNAS e a matéria em ScienceAlert
