Defining the Genus Boundaries for the Paenibacillaceae Family Using Comparative Genomic Analysis

Abstract

Os avanços na área de sequênciamento de genoma completo de procariotos provocaram um aumento significativo na quantidade de informações disponíveis em bancos de dados públicos para pesquisadores da área de sistemática bacteriana. Em consequência disso, esforços têm sido feitos para desenvolver metodologias, usualmente chamadas de OGRIs, que utilizam todo o genoma de um organismo para ajudar a definir sua posição taxonômica. Com isso em mente, este trabalho utilizou algumas dessas técnicas desenvolvidas, como ANI e AAI, para avaliar a situação taxonômica da família Paenibacillaceae utilizando sequências depositadas no banco de dados RefSeq do NCBI. A primeira parte deste trabalho utilizou genômica comparativa e análise filogenética para comprovar que as sequências de cepas definidas como de espécies distintas de Paenibacillus na verdade são subespécies uma da outra. Na segunda parte, sequências do gênero Paenibacillus que tiveram resultados inconclusivos para sua situação taxonômica dentro do RefSeq, foram comparadas com sequências de cepas tipo de outros gêneros da família. Foram encontradas diversas sequências que, ou pertenciam a outro gênero, ou não pertenciam a nenhum gênero analisado. Na terceira parte, o foco foi para melhor definir as fronteiras que separam os gêneros dentro da família e, ao mesmo tempo, encontrar grupos de sequências que potencialmente pertencem a um gênero ainda não descrito. Para isso, todas as sequências da família Paenibacillaceae disponíveis no RefSeq foram baixadas e o teste AAI foi utilizado para isolar grupos dentro da família e, concomitantemente, selecionar uma sequência genômica em cada grupo que pudesse servir como referência de comparação. Adicionalmente, também foi feita uma análise filogenética utilizando MLSA para corroborar os resultados do teste genômico e auxiliar na seleção de grupos. Com isso, foi possível identificar diversos grupos que aparentemente pertencem a gêneros ainda não descritos, e grupos com membros representando mais de um gênero. Contudo, muitos gêneros da família ainda não possuem sequências de suas espécies depositadas no RefSeq para verificar se esses grupos isolados pertençam a esses gêneros já descritos. Finalmente, este trabalho demonstrou os benefícios de se utilizar genômica comparativa para ajudar a definir as fronteiras entre gêneros dentro da família Paenibacillaceae através da seleção de uma sequência referência para comparação.

Advances in whole genome sequencing of prokaryotes resulted in a significant increase in the amount of information available in public databases for researchers on the bacterial systematics field. Consequently, efforts have been made to develop methodologies, usually called OGRIs, that use the whole genome of an organism to help define its taxonomic status. With that in mind, I used some of those methods developed, such as ANI and AAI, to evaluate the taxonomic status of the Paenibacillaceae family using sequences deposited in the NCBI RefSeq database. In the first part of this work, I used comparative genomic analysis and phylogeny to prove that the sequences of two strains defined as distinct species of the Paenibacillus genus are in fact subspecies of each other. In the second part, sequences of the Paenibacillus genus that showed inconclusive results for their taxonomic status on RefSeq, were compared against sequences of type strains from other genera of the family. Several sequences were found to either belong to another genus, or do not belong to any genus evaluated. On the third part, the focus was to better define the boundaries that separate the genera of the family and, at the same time, find sequence groups that potentially belong to a genus not yet described. To do that, all sequences of the Paenibacillaceae family available at RefSeq were downloaded and the AAI test was used to isolate groups within the family and, concomitantly, select a genome sequence that could serve as a referential for comparison. Additionally, a phylogenetic analysis, using MLSA, was also made to corroborate the genomic test results and assist in the group selection. With those results, it was possible to identify several groups that apparently belong to genera not yet described, as well as groups with members of more than one genus. However, several genera of the family do not have sequences of its species deposited in RefSeq yet to verify if those isolated groups belong to those already described genus. Finally, this work demonstrated the benefits of using comparative genomics to help define the boundaries between genera within the Paenibacillaceae family through the selection of a reference sequence for comparison.