Ensamble, anotación y análisis inicial de los genomas de Emmonsia parva y Emmonsia crescens (Onygenales, Ascomycota)

Abstract

RESUMEN: Tres especies de hongos patógenos para los humanos y endémicos de algunas regiones de América del Sur y del Norte son los hongos dimórficos Paracoccidioides brasiliensis, Histoplasma capsulatum and Blastomyces dermatitidis. Estos tres hongos dimórficos están estrechamente relacionados con un género de hongos que muy rara vez infecta a los seres humanos, Emmonsia, el cual a diferencia de muchos otros hongos en el orden Onygenales todavía no está representado por una secuencia completa de genoma. Para entender mejor la patogenicidad y virulencia de este grupo de hongos a través de estudios de genómica comparativa, se decidió secuenciar los genomas de dos especies E. parva y E, crescens, utilizando ilumina, una tecnología de secuenciación de nueva generación (NGS, short paired-end reads), para ensamblaje de novo y anotar los dos genomas. Este trabajo representa la primera parte del proyecto, que consistió en el ensamblaje preliminar de los dos genomas, el análisis de los ensamblajes, la obtención de la predicción de los genes, conjuntos de proteínas y sus anotaciones iniciales. En los genomas de Emmonsia, especialmente E. parva, se encontró que contienen un alto porcentaje de regiones de ADN pobres en GC, que consiste en su mayor parte en ADN repetitivo o de baja complejidad. En presencia de ADN repetitivo no es posible obtener sin ambigüedades el ensamblaje usando solamente secuencias cortas, pero se logró cubrir las partes del de los dos genomas que contienen casi todos los genes (es decir, “el espacio de genes”), lo que permite obtener una anotación inicial confiable, como se comprobó con diferentes controles de calidad, tales como los análisis de GC y la búsqueda de similitud. En los siguientes pasos (análisis comparativo de genes), debería ser posible llegar una mejor comprensión de los mecanismos patogénicos y factores de virulencia de hongos patógenos dimórficos del orden Onygenales.

ABSTRACT: Three fungal species that are pathogenic to human, and endemic in parts of South and North America, are the dimorphic fungi Paracoccidioides brasiliensis, Histoplasma capsulatum and Blastomyces dermatitidis. These three dimorphic fungi are closely related to a fungal genus that only very rarely infects humans, Emmonsia, but unlike many other fungi in the Onygenales order it is not yet represented by a full genome sequence. To better understand pathogenicity and virulence in this group of fungi via comparative genomics studies, we therefore decided to sequence using Illumina‟s next generation sequencing technology (NGS, short paired-end reads), assemble de novo, and annotate strains of the two species E. parva and E. crescens The work of this thesis represents the first part of the project, in which I was contributed by assembling the two genomes, analyzing the assemblies, obtaining the predicted gene and protein sets and performing their initial annotations. The Emmonsia genomes, especially E. parva, were found to contain large percentages of GC-poor DNA consisting of much repetitive or lowcomplexity DNA. Repetitive DNA is not possible to assemble without ambiguities using only short read sequences, but we were able to cover the part(s) of the two genomes containing almost all of the genes (i.e., the „gene space‟), allowing a reliable initial gene annotation, as we could verify by different quality checks such as GC analyses and similarity searches. In the following steps (comparative geneanalyses) it should therefore be possible to reach a better understanding of pathogenic mechanisms and virulence factors of dimorphic pathogenic fungi in the Onygenales order.