Caracterização de sítios polimórficos e sequências repetitivas, e estabelecimento de coleção nuclear de caiaué [Elaeis oleifera (Kunth) Cortés]

The objectives of this study were to characterize polymorphic sites and repetitions and establish a core collection for American oil palm (Elaeis oleifera). The genome draft used in this study had a 130X coverage by Illumina Hiseq 2000 and was compared with the publicly available draft of E. oleifera, as well as with the also publicly available genome of E. guineensis, through Nucmer software. In silico search was made to identify regions of tandem repeats and transposable elements in this genome draft. A bank of sequences, generated by DArTSeq platform for genotypes of E. oleifera, was mapped against the public E. guineensis genome using BWA software. The SAMtools software package was used to identify SNPs. The gene models of date palm (Phoenix dactylifera) were mapped on the genome of American oil palm. For the design of core collections, we used the strategy of maximizing the diversity (M) with 500 loci SNPs markers based on genotyping by sequencing. 68.24 and 72.83% of the draft analyzed was aligned against the E. oleifera genomes and E. guineensis, respectively. A total of 328,879 and 618,284 of tandem repeats and transposable elements loci were identified, respectively. It was possible to characterize 17,412/2,370 PAVs/SNPs, and 25,203 gene models, with single position in the genome. Core collections models were obtained with 37, 55, 109, 127, 138, 276, 26, and 16 individuals. As a result of the optimal adjustment of the validated parameters maintained while taking the least number of accessions, the model of 109 individuals (20% of entire collection) was chosen as the ideal to establish the core collection of E. oleifera. The draft of E. oleifera generated by Embrapa sampled much of the genomes to which it was compared, representing much of this highly complex genome with an affordable cost of sequencing technology. More than half (55%) of the draft consists of repetitions, especially retrotransposons. The identification of these regions rich on repetitive sequences will contribute to adjustments in the strategy to generate to further sequence this genome. The set of PAVs/SNPs mapped markers provide a substantially uniform coverage throughout the genome and gene regions of E. guineensis. The core collection model generated in this study will allow an improvement of the strategy to more efficiently conserve the germoplasm of American oil palm.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Os objetivos deste estudo foram caracterizar sítios polimórficos e sequências repetitivas e estabelecer coleção nuclear em caiaué (Elaeis oleifera). Foi realizada uma análise de comparação genômica de um draft de caiaué desenvolvido pela Embrapa com 130 coberturas de reads da tecnologia Illumina HiSeq 2000 contra o draft de E. oleifera e o genoma de E. guineensis públicos por meio do software de alinhamento Nucmer. Foi feita uma busca in silico para identificar regiões de repetições em tandem e elementos transponíveis nesse draft. Foram mapeados um banco de sequência geradas via plataforma DArTSeq para 553 genótipos de caiaué contra o genoma de E. guineensis com o software BWA. O software SAMtools foi utilizado para a identificação de SNPs. Foram mapeados no genoma os modelos gênicos de Tamareira (Phoenix dactylifera). Para o delineamento de coleções nucleares em caiaué, foi utilizada a estratégia de maximização da diversidade (M) com 500 locos de marcadores SNPs baseados em genotipagem por sequenciamento. Foi alinhado 68,24 e 72,83% do draft analisado contra os genomas de E. oleifera e E. guineensis, respectivamente. Foi possível identificar 328.879 e 618.284 locos de repetições em tandem e de elementos transponíveis, respectivamente. Foi possível caracterizar 17.412/2.370 PAVs/SNPs e 25.203 modelos gênicos com posições únicas no genoma. Foram gerados modelos de coleção nuclear com 37, 55, 109, 127, 138, 276, 26 e 16 indivíduos. Devido ao bom ajuste dos parâmetros validados, a coleção com 109 indivíduos (20% da coleção inteira) foi a ideal para compor a coleção nuclear de caiaué. O draft de caiaué possui grande parte dos genomas com que foi comparado, apresentando grande parte de um genoma altamente complexo com uma tecnologia de sequenciamento de custo acessível. Mais da metade do draft (55%) é composto por regiões de repetição, especialmente retrotransposons, a identificação dessas repetições pode contribuir no auxílio para a montagem de uma nova versão desse draft. O conjunto de marcadores PAVs/SNPs mapeados proporciona uma cobertura consideravelmente homogênea ao longo do genoma e de regiões gênicas de E. guineensis. O modelo de coleção nuclear gerado nesse trabalho irá permitir uma melhor utilização das subamostras no melhoramento genético e conservação genética de caiaué.