异源四倍体青蛙的基因组进化非洲爪蟾

（a–e）不同祖先二倍体物种a和B异源四倍体形成的场景。水平单线表示正常配子，水平双线表示未减数配子；黑色方块代表施肥；垂直双谱线表示自发（体细胞）基因组加倍。

1. （i）来自物种A和B的未还原配子的融合。（ii）种间杂交后自发加倍。（iii）由种间杂种产生的未减数配子的融合。（iv）种间杂种产生未减数配子，该配子与A种的正常配子融合。由此产生的三倍体再次产生未减量配子，与B种的正常配子融合（v）种A的未减数配子与种B的正常配子融合。产生的AAB三倍体产生未减数的配子，这些配子由正常配子种B受精。参见补充注释1.1以进行更详细的讨论。
2. J菌株的历史。请参见补充注释2.1了解详细信息。事件发生的年份和世代数(例如方案中指出了青蛙转移到另一个研究所、建立纯合子、构建材料）。世代数是由于失去旧的繁殖记录而估算的。
3. 直系同源基因（绿色）、同源基因（红色）和等位基因（蓝色）的核苷酸距离在补充说明8.7。距离以对数刻度显示，以区分分布。
4. 51mer频率直方图显示了霰弹枪数据集中具有指定计数的51mer的数量。显著的峰值意味着每个基因组位点在51米范围内取样29次。请注意，在这个深度的两倍处没有特征，这表明同源特征具有高度一致性是罕见的。
5. 51米的累积比例作为相对深度的函数(即.，深度/29）。相对深度提供了基因组拷贝数的估计。相对深度1的快速上升意味着70–75%X·莱维斯相对于51个mers，基因组是单拷贝的。基因组的其余部分主要集中在拷贝数为≫100的重复序列中。注意对数刻度。
6. JGIv72.000090484.chr4S是XENLA_JGI_v72组件中的一个3.1Mb脚手架，其85260对芝加哥读数对的接触图。
7. JGIv72.000090484.chr4S的85260个HiC读取对的接触图。读取对以10kb的间隔装箱。对于每个读取对，正向和反向读取地图的质量分数至少为20。
8. HiC和Chicago读取对的插入分布映射到XENLA_JGI_v72的同一支架，至少有20个地图质量分数。x轴是读取对的间隔距离。y轴是该箱子的计数除以总读取次数。箱子是1kb。

1. 性染色体的结构拉埃维斯X.laevis（XLA2L）并与XLA2S和XTR2进行比较。XLA2L的W型含有含有女性性别决定基因的W特异性序列，dmw公司（红色），而Z具有不同的Z特定序列（蓝色）。五角大楼箭头和黑色三角形分别表示基因和嗅觉受体基因。他们的小费与他们的3'末端相对应。
2. 将XTR9和10的q端子区域与XLA9_10L和XLA9~10S的相应区域对齐。XTR 9和XTR10的q末端区域附近的基因在十、热带基因组组装v9，但是转速11,rpl13a型,lypd1型、和演员3根据与人类染色体的同步性，预计将定位在那里，然后通过cDNA FISH（上部面板）进行验证。XLA9_10L和S上的小三角形表明，在距离预期9/10连接点±2Mb的区域内，针对来自Ensembl的人和鸡肽序列，显示同一性和覆盖率均大于30%的基因模型的分布。HSA：人类染色体。GGA：鸡染色体。放大后的图像代表了同步基因与人类基因对应的颜色的比例。
3. XTR9、XTR10、XLA9_10L和XLA9~10S之间的同源基因顺序。绿色箭头：通过检测p与q臂的细胞遗传学染色体长度比预测XTR9和10的着丝粒位置¹⁵.蓝色箭头：着丝粒重复的位置，青蛙着丝粒的重复-1⁶²，在XLA9_10L和S.洋红色和黄色椭圆中：snrpn公司（洋红）和车站1（黄色）来自十、热带v9和X·莱维斯v9.1组件。红色椭圆：四个基因的染色体位置，转速11,rpl13a型,lypd1型、和演员3.XTR9被翻转以便于比较。蓝色双向箭头表示可能在原染色体上发生中心周围反转的同源区域（参见扩展数据图2d）。
4. 染色体重排的两个假设过程（融合和反转）的示意图，这两个假设过程发生在假设的原-XTR9和10之间，产生原-XLA9_10，最终产生XLA9_10L和S。染色体重排的过程以两种不同的方式简单解释（左图和右图），从proto-XTR9和10开始。实际和假设的祖先染色体位置信噪比和车站1分别以洋红色和黄色圆圈显示。请注意，这两种模型中原-XTR10上这些基因的染色体位置不同。与XTR9和XTR10同源的染色体片段分别显示为红色和蓝色。XTR9倒置以便于比较。双向箭头指示可能发生中心周围反转的区域。黑色箭头表示染色体进化的方向。

1. 每个染色体上亚属特异转座子的密度（转座子元件的覆盖长度[bp]/染色体长度[Mbp]）。使用一致序列作为查询，根据BLASTN搜索的结果（E值截止1E-5）计算转座子的覆盖长度。
2. 非CpG站点之间的Jukes-Cantor距离，按补充说明7.5.之间的距离十、热带和X·莱维斯转座子一致序列如图所示。这个X·莱维斯-特定的转座子差异是针对该亚科的一致序列的每个单独的转座子序列。
3. Xl-TpS_Mar转座子扩增的系统发生树X·莱维斯基因组，使用Jukes-Cantor校正距离构建(补充说明7.5). 突出显示具有足够成员以确定准确计时的子簇。比例尺表示校正后的Jukes-Cantor距离。

1. 以象鲨为根的泛脊椎动物保守非编码元件（pvCNEs）的系统发育树。使用MUSCLE进行比对，并使用PhyML构建最大似然树。分支长度刻度显示在底部。四足动物分支长度的差异遵循与蛋白质编码树相同的拓扑结构(图2b).
2. 完整的系统发育树图2a，散度时间由r8s计算。
3. K的分布_秒和K_一在L和S物种形成之间的特定亚属上X·莱维斯和北极狐物种形成。我们发现Ks和Ka的T2和T3之间的加速突变率（p=1.4e-5（左），8.6e-3（右））。
4. K的分布_秒和K_一在金龟和北极子物种形成后的特定亚属上。我们没有发现替代率显著加快。（p=0.10（左）和0.03（右））。
5. 表中显示了古代脊椎动物复制品（或历史上称为ohnologs）中被确定为同源同源基因的同源基因和单基因的数量⁶³.79.9%的ohnolog在X·莱维斯今天，在排除ohnologs（χ²测试p值=4.44E-69）。
6. 表显示了中所述的自举最大似然树的分支长度补充说明12.5。这些列指的是十、热带（XTR），L染色体X·莱维斯（XLA.L），S染色体X·莱维斯（XLA.S）和XLA。L/XLA号。S分支长度。第一行是所有基因都表达的三联体，第二行是三联体，其中L是一个thanagene，第三行是三联体，其中S是一个thanagene。当所有基因都表达时，或当S为thanagene时，L分支长度明显较小（Wilcoxon p值分别为1.7E-216和6.4E-212）。当L为thanagene时，S分支长度较小（p=2.4E-223）。与所有基因都表达时相比，L或S thanagene数据集的分支长度比（L/S）显著不同（分别为p=3.55E-214和7.48E-220）。两个thanagene数据集之间的比率也不同（p=1.79E-217）。

1. 45S前核糖体RNA基因的染色体定位(rna 45)它编码18S、5.8S和28S rRNA的前体RNA，使用pHr21Ab（5′部分为5.8-kb）和pHr14E3（3′部分为7.3-kb）片段作为FISH探针进行测定。探针所用的DNA片段由大阪国立生物医学创新、健康和营养研究所提供，并通过刻痕翻译用生物素16-dUTP（罗氏诊断）标记。杂交后，将载玻片与FITC抗生物素（Vector Laboratories）一起孵育。XLA3L短臂上检测到杂交信号（箭头），但XLA3S未检测到。比例尺代表5μm。
2. 包含嗅觉受体基因的大缺失(或)集群。的示意结构或第8染色体上的基因簇和邻近基因十、热带（XTR8）和X·莱维斯（XLA8L和XLA8S）。染色体位置：XTR8:107524547-108927581；XLA8L:105062063–106610199；XLA8S:91630596–92060451。水平条，基因组DNA序列；三角形，基因。外部或基因簇，仅显示代表性基因。三角形的长度是按比例计算的。三角形的方向指示基因的5′至3′方向。细线连接着同源/同源基因。品红色三角形，或基因；绿色三角形、假基因（点突变或截短或基因）。的数量或基因显示在基因簇下面。虚线，与XLA8L相比，XLA8S中的删除区域。着丝粒位于左侧，端粒位于右侧。
3. S（蓝色）和L（绿色）染色体上分别缺失的基因组区域的相对频率（左面板）和大小（右面板）。这两个亚基因组都经历了因缺失而导致的序列丢失，然而，S亚基因组上的缺失更大且更频繁。根据仙人掌序列在爪蟾L和S亚属和十、热带基因组。第9_10号染色体莱维斯根据与热带X染色体。来自L的序列在S上不存在，但至少可以在十、热带在S中，由不超过25%长度的间隙组成的被称为删除区域。在L中，删除区域遵循相同的程序。
4. 三联体基因座的识别如所述补充说明8.1根据基因2在两种基因中的存在情况，将基因座分为组X·莱维斯亚属（保留同源基因），与那些中间有假基因（假基因）或没有中间基因残余的亚属相比，通过脱殖（缺失）进行评估。为了使基因间长度正常化，我们将基因1和3之间的核苷酸距离分为X·莱维斯亚属的直系距离十、热带。标准化比率分布的中位数绘制在条形图上。平均而言，S缺失似乎大于L缺失（长度为52.9%，直向同源大小为80.2%十、热带区域）。
5. 将前体miRNA位点（红色）的RNA-seq读取对齐+/-1kb的数量与基因组中10000个随机未标记的2.1 kb区域（蓝色）的读取计数进行比较。所有83对同源、基因间miRNA对在其区域内均显示出对齐，而随机选择的基因间序列中只有4127/10000对（41.27%）。假定的primary-miRNA位点的读取计数也高于随机选择的表达区域（Wilcoxon p=1.4E-38）。
6. 对CACTUS序列进行分析，以识别每个序列周围的侧翼CNE十、热带基因。单线态长度大于50bp的CNE数量以红色显示，同源异型以蓝色显示。Komologov-Smirnov试验p值为1E-11。
7. 计算每个染色体位点到最近基因的平均距离十、热带.单基因携带者的平均基因间距离X·莱维斯基因显示为红色，有两个基因的显示为蓝色。Wilcoxon p值=9.8E-24。
8. 通过基因组足迹的基因保留分布十、热带正交曲线。我们将基因组足迹定义为CDS起始信号到终止信号（包括内含子）的基因组距离。x轴显示日志₁₀（基因组足迹），y轴是每个bin的保留率。误差条是总偏差除以每个bin中的基因数的标准差。我们通过Wilcoxon检验测试了同源基因和单基因的长度差异（p值=2.4E-96）。
9. 根据CDS长度的基因保留分布热带X正交曲线。x轴显示日志₁₀（CDS长度），y轴是每个bin的保留率。误差条是总偏差除以每个bin中的基因数的标准差。我们通过Wilcoxon检验测试了同源基因和单倍体之间的长度差异（p值=1.7E-21）。
10. 基因保留率的外显子数分布十、热带正交曲线。x轴表示外显子的数量；y轴是每个bin的保留率。误差条是总偏差除以每个bin中的基因数的标准差。我们通过Wilcoxon检验测试了同源基因和单基因之间的长度差异（p值=3.2E-8）。

1. 的插图高温超导。S公司假基因比对X.热带htt，以及现存的X.laevis htt公司。L（左），翻译成氨基酸。氨基酸位置显示在每行的开头。缺失的密码子用“−”标记。换档和提前停止分别用“X”和“*”标记（并用红色箭头指向）。（顶部）假基因的第一个外显子在S染色体上完全缺失。特征poly-Q区域由两个高温超导和嗯。L（左）.（底部）假基因中具有保守性的外显子，说明尽管有许多移码、提前终止、缺乏正确的开始和插入新序列，但我们在假基因中识别出许多密码子，这些密码子出现在较大的保守性区块中。
2. 计算假基因年龄的模型说明。恒星代表当前伪基因化轨迹的非功能化点。我们假设非同义变化的预期速率可以通过现有基因的Ka和十、热带然后，我们比较假基因序列的Ks和Ka，以估计无功能化的时间。请参见补充说明9以进行更详细的讨论。
3. 估计430个基因的假基因时代与突然出现的大于10 Mya（K_秒> 0.03). 请参见补充说明9以进行更详细的讨论。
4. 假基因表达与其现有同源基因的相关性。假基因中的少量表达往往与现有同源基因无关。
5. 与所有现存基因（蓝色）相比，所有28个组织和发育阶段的假基因表达值直方图（红色）。假基因很少表达，并且往往表达水平低于现有的蛋白编码基因。
6. 伪基因（红色）与现有基因（蓝色）的表达方差直方图。观察到的少量假基因表达在不同组织和发育阶段并不像现有基因那样发生变化。

1. 系统发育树混合/商业银行集群。使用MUSCLE对核苷酸序列进行比对，并使用带有1000个自举序列的ML方法生成系统发育图（MEGA6）。不同颜色的圆圈表示X·莱维斯L基因（洋红），X·莱维斯S基因（蓝色），以及热带X基因（绿色）。该表显示了商业银行本研究中提出的和以前使用的基因名称（同义词）。
2. FISH分析显示XLA3S特异性缺失节点5基因簇。一个单元节点5基因区域，包括外显子、内含子和基因间区域被用作FISH的探针（用Hoechst复染）。箭头表示杂交信号节点5s.比例尺指示5 um。
3. 比较节点5基因簇。基因组测序显示节点5.e1.L~.e5.L型（粉红色）和节点6.L是群集的。放大节点5XLA3L中的基因和XLA3S中该簇的丢失得到了确认。伪基因(节点5p1.L~第4.L页和节点5p1.S)以黑色表示。这个节点5的群集X.热带药物不包含任何假基因。
4. X·莱维斯L染色体有四个完整的拷贝节点3(节点3.e1.L~.e4.L)，而基因簇从X·莱维斯S染色体。A截断节点3基因(节点3p1.L)可能是假基因，高度退化的假基因(节点3p2.L和节点3p3.L)也存在于L染色体上。
5. 喜欢节点3,vg1版本从S染色体上丢失，尽管有一个假基因(vg1页。S公司).vg1版本在拉埃维斯X.laevisL染色体(vg1.e1.L版~.电子3.L)与相比十、热带Vg1蛋白中的氨基酸变化（Ser20到Pro20）已被证明会导致功能差异(补充说明13.9).vg1版本和德里埃与哺乳动物同源gdf1.
6. 在不同时期（半对数尺度），每1个预期4DTV（四倍退化颠倒）复制并保留到当前时期的所有基因的分数。图中还显示了线性拟合，这与恒定出生率和死亡率模型一致（两个拟合数据集中都省略了第一个历元X·莱维斯). 请参见补充说明11以进行更详细的讨论。
7. 相同，但分别适用于“短基因”（CDS<600 bp）和“长基因”（CDMS>1200 bp）。新副本的丢失率似乎相似。如果在第一次100%失活突变发生时，新复制的基因的额外拷贝丢失了，我们预计平均丢失的基因会更长。

1. 同源基因（红色）和所有基因（蓝色）之间的成对皮尔逊相关分布。左边的柱状图是阶段数据；权利是针对成年人的数据。x轴是相关性；y轴是数据的百分比。同源基因的相关分布更接近于一，因为它们最近是同一个位点。X·莱维斯TPM值0.5降至0。从分析中删除任何TPM不大于0的基因。然后，我们向所有TPM值添加0.1，并转换日志（log₁₀).
2. 按中位数比较装仓基因的散点图十、热带表达⁶⁴他们的保留率X·莱维斯（co）-正交曲线。误差线是整个数据集的标准偏差除以在一个箱子中分析的基因数量的平方根。我们通过同源和单基因分布的Wilcoxon检验来评估显著性，p值=6.31E-113。
3. 完整的箱线图如所示图4c放大后很难看到亚基因组之间的差异，这说明许多基因座偏离了偏好L同源对数的全基因组中位数。有一些L异常值表示为10⁴与他们的S同源基因一样多，而没有S基因显示出如此强烈的趋势。这些差异在中进行了更详细的讨论补充说明12.
4. 根据中定义的同源对数类绘制4DTv（四重简并断面）的箱线图补充说明12.4显著差异用红色星号标记（Wilcoxon p<1E-5）。HCSE组显示出比其他组更低的序列变化（p=3.7E-12），而NCDE组显示出高的序列变化率（p=5.6E-14）。
5. CDS长度差异的箱线图X·莱维斯根据中定义的同源日志类进行同源日志补充说明12.4显著差异用红色星号标记（Wilcoxon p<1E-5）。HCSE组的CDS长度差异小于其他组（p=2.4E-13），NCDE组的同源对数CDS长度存在较大差异（p=2.1E-32）。
6. Ka/Ks之间的箱线图X·莱维斯根据中定义的同源日志类进行同源日志补充说明12.4显著差异用红色星号标记（t检验p<1E-5）。HCSE组的非同义序列变化率低于其他组（p=8.2E-19），NCDE组和NCSE组的不同义序列改变率较高（分别为p=2.0E-12和p=7.0E-9）。
7. RNA-seq分析六个六角（红色）和六个六角不锈钢（蓝色）期间X·莱维斯发育（左侧面板）和成人组织（右侧面板）。的表达式级别六个六角不锈钢低于六个六升在大多数发育阶段和成人组织中。
8. 的示意图智人,十、热带和X.laevis六个6位置（上面板）。洋红色和黑色方框分别表示CNE和外显子。系统发育树分析智人,十、热带和X.laevis六个6CNE（左下面板）和Six6蛋白质（右下面板）。尤其是，六个六角不锈钢更加偏离X.热带六x6比六个六角在编码蛋白序列和距离转录起始位点3kb内的保守非编码元件（CNE）中。材料、方法和基因组组装上的CNE位置在补充材料（补充注释13.1）.
9. 基于染色质状态属性，随机森林机器学习算法可以准确预测L与S的表达偏差。该分类基于所有在NF 10.5期表达差异大于3倍的基因（一组1129个基因）。曲线下ROC面积的平均值（黑色虚线）为0.778（10倍交叉验证）。使用线性支持向量分类选择特征，如扩展数据图8j所示。
10. 随机森林分类中使用的选定特征的相对重要性（基于基尼杂质）。显示了分类中使用的所有特征。在各种变量中，启动子处H3K4me3和DNA甲基化的比率对决策树模型的贡献最大。基因周围基因组区域p300结合的差异也有助于Random Forest分类，启动子中是否存在一些特定转录因子基序也是如此。

1. Wnt途径。左侧面板：经典Wnt通路的几个关键组成部分X·莱维斯基因组。括号中的数字表示Paralog的数量。含有同源基因对或单基因的成分分别以蓝色和红色显示。每个基因（Wnt：21个基因，LRP：2个基因，Fzd：10个基因，Dvl：3个基因，Frat（GBP）：1个基因，GSK3:2基因，Axin：2个基因组，bcatenin：1基因，APC：2基因，TCF/LEF：4基因）根据亚细胞定位分为4组，单基因和同源基因保留的数量通过饼图显示。右侧面板：围绕四个单核基因的同步。
2. 细胞周期。右上面板：细胞周期图和对每个阶段至关重要的调节蛋白。细胞周期蛋白H（CcnH）和Cdk7构成Cdk活化激酶（CAK），是激活所有Cdk所需的关键因子。编码细胞周期蛋白H和Cdk7（红色）而非其他调节因子（蓝色）的基因成为单核。左上面板：饼图显示了每个功能类别中同源对（蓝色）和单体（红色）的数量，如图所示。左下面板：的同步中央控制室和cdk7型基因座十、热带和X·莱维斯物种和染色体编号缩写：热带X（XTR1），X·莱维斯（XLA1L和XLA1S）。右下表：用于绘制饼图的单个基因如表所示。
3. 河马路径。上部面板：河马途径成分及其同源基因对的保留。所示河马途径成分的所有基因均在X·莱维斯蓝色图标表示这两个同源基因都在正常发育和成人器官中表达。红色图标Taz表示单例。在大多数情况下，Yap可以与Taz互换，但Taz（而不是Yap）是Wnt信号（虚线）的中介。饼图显示了根据亚细胞定位分类的每种河马途径成分中同源对数对（蓝色）和单体（红色）的数量。下部面板：关于合成音的比较分析塔兹基因。十、热带scaffold 247没有被纳入染色体尺度组装（v9），因此其染色体位置尚不清楚。XLA8L和XLA8S的p臂端子位于左侧。

1. 转化生长因子β途径。饼图显示差异表达同源对（橙色）和单基因（红色）的比率。大部分细胞外调节因子要么受到差异调节，要么成为单一因子。I型受体、共受体和抑制性Smad的基因也受到不同的调节。多拷贝基因如节点3,节点5、和vg1版本虽然这些S基因被删除，但不算作单基因。相反，这些和重复腱蛋白基因分为差异调节基因。
2. 刺猬小径。上部面板：示意图显示了Shh信号中已知的简化Hedgehog通路。大多数信号成分由两个同源基因编码，而Hhat（显示为红色）由单一基因编码。如果存在paralogs，Paralog的数量显示在括号中。在左侧细胞中，Shh前体（Hh前体）通过涉及Hhat和Hhatl的过程成熟并分泌。在右侧细胞中，Shh（Hh）与Ptch1（Ptch）受体的结合抑制Ptch1介导的对Smo的抑制，导致Smo激活和随后的PKA抑制；否则PKA会将Gli激活物转化为截断的阻遏物。因此，Gli蛋白激活靶基因，如Ptch1和Hhip。跨膜蛋白Hhip结合Shh并抑制Shh活性。下部面板：周围同步器的示意图比较小时的基因十、热带5号染色体（顶部）和X·莱维斯5L染色体（中间）和X·莱维斯5S染色体（底部）。该图未按比例绘制。
3. 不同Pfam组的L（x轴）和S（y轴）缺失率。对于Pfam组，我们计算了X·莱维斯单拷贝基因（singleton）vs同源对数对，并计算保留的分数。根据全基因组平均值（56.4%），该线预计L/S损失。红点表示损失率高或低的组（p<0.01）。请参见补充表5了解更多信息。
4. 不同阶段WGCNA组的L（x轴）和S（y轴）上的缺失率（可视化为图4a). 对于阶段WGCNA组，我们计算了X·莱维斯单拷贝基因（singleton）vs同源对数对，并计算保留的分数。根据全基因组平均值（56.4%），该线预计L/S损失。红点表示损失率高或低的组（p<0.01）。
5. 不同GO组在L（x轴）和S（y轴）上的缺失率。对于GO组，我们计算了X·莱维斯单拷贝基因（singleton）vs同源对数对，并计算保留的分数。根据全基因组平均值（56.4%），该线预计L/S损失。红点表示损失率高或低的组（p<0.01）。请参见补充表5了解更多信息。