Analýza plastidových genomů rostlin z NGS dat a její aplikace

Bc. et Bc. Kateřina Beková

Master's thesis

Analysis of plant plastid genomes from NGS data and its application

Abstract:

Klíčem pro vyřešení fylogenetických vztahů rostlin je znalost sekvence chloroplastové DNA (cpDNA), která je bohatým zdrojem informací o evoluční divergenci a fylogenezi. Díky technickému pokroku v oblasti sekvenačních metod se sekvenování nové generace stalo levnější a velmi efektivní alternativou pro sekvenování chloroplastové DNA. S nástupem NGS sekvenování souvisí také vývoj a inovace bioinformatického softwaru pro analýzu NGS dat, jako jsou programy pro de novo assembly nebo fylogenetickou analýzu. Ačkoliv je sestavení cpDNA bioinformaticky i výpočetně nelehký úkol, počet sestavených a anotovaných chloroplastových genomů stále roste a procesu sestavení sekvence cpDNA je věnována řada publikací. Tato diplomová práce se věnuje sestavení chloroplastové DNA druhů čeledi Brassicaceae (česky brukvovité) a jejich fylogenetické analýze. Čeleď brukvovitých je jednou z největších rostlinných čeledí. Dříve provedené fylogenetické analýzy potvrdily existenci tří hlavních fylogenetických linií (I, II + EII a III) a šesti kladů, označovaných písmeny A-F. Navzdory řadě publikovaných studií je vzájemné postavení tribů v rámci Linie III nejednoznačné. Součástí práce je návrh workflow pro analýzu NGS dat, de novo assembly a fylogenetickou analýzu. Toto workflow je aplikováno na vybrané druhy čeledi brukvovitých, jejichž sekvence cpDNA dosud nebyla sestavena. Výsledkem práce je jak sestavené workflow, tak rekonstrukce fylogenetických vztahů mezi jednotlivými triby Linie III, klad E. Fylogenetická analýza provedená na základě dříve publikovaných studií potvrdila, že tribus Anastaticeae není blízce příbuzný tribům Linie III, ale je součástí kladu C s dalšími triby linie EII. Zbylých pět druhů z tribů Hesperideae, Buniadeae, Chrorisporeae, Dontostemoneae a Euclidieae tvoří monofyletickou skupinu a jsou součástí linie III, klad E.

Abstract:

The knowledge of chloroplast genome (cpDNA) sequence plays a crucial role in resolving phylogenetic relationships of plants. Chloroplast genome contains a wealth of information about evolutionary divergence and phylogeny. Due to the technological advances of sequencing methods, the next-generation sequencing (NGS) technologies have become a cheaper and very effective alternative to the sequencing of chloroplast genome. The advent of NGS is also related to the development and innovation of bioinformatics software for the analysis of NGS data, such as programs for the de novo assembly or phylogenetic analysis. Although the assembly of chloroplast genome represents a difficult task from the point of view of bioinformatics and computing, the number of assembled and annotated chloroplast genomes is still growing and numerous professional publications have been devoted to the building process of the cpDNA sequence. This thesis focuses on the assembly of the chloroplast DNA of Brassicaceae species and their phylogenetic analysis. This family ranks among the largest plant families. Previous phylogenetic analyses identified the existence of three major phylogenetic lineages (I, II + EII and III) and six clades (A, B, C, D, E and F). Despite the large extent of published research on the topic, the relationships within Lineage III remain still partly unclear. This study aims at the design of a workflow comprising the analysis of NGS data, de novo assembly and phylogenetic analysis of yet unassembled sequences of chloroplast DNA of selected Brassicaceae species. Its results include both the compiled workflow and the reconstruction of phylogenetic relationships between tribes of Line III. Phylogenetic analysis carried out on the basis of formerly published studies confirmed that tribus Anastaticeae is not closely related to the tribes of the Lineage III, clade E, but represents a part of the clade C together with the other tribes of the Lineage EII. The other five species belonging to the tribes Hesperideae, Buniadeae, Chrorisporeae, Dontostemoneae and Euclidieae form a monophyletic group, representing a part of the Lineage III, clade E.

Keywords

de novo assembly, fylogenetická analýza, Brassicaceae, NGS, genom chloroplastu, phylogenetic analysis, chloroplast genome

Language used: Czech

Date on which the thesis was submitted / produced: 30. 5. 2016

Thesis defence

• Date of defence: 1. 7. 2016
• Supervisor: doc. RNDr. Radka Svobodová Vařeková, Ph.D.
• Reader: RNDr. Helena Štorchová, CSc.

Masaryk University

Faculty of Informatics

Master programme / field:
Applied Informatics / Bioinformatics