Manche Klatschreporter wühlen im Müll von Prominenten, um deren Privatleben auszuspionieren. Die Genetiker Phil Green und Dick Hwang von der Universität von Washington haben mit Hilfe komplexer Computerprogramme den “genetischen Informationsmüll” von 19 Säugetierarten ausgewertet, um daraus Erkenntnisse über die Mechanismen der biologischen Evolution zu gewinnen. Sie stellen ihre Arbeit in der Fachzeitschrift PNAS (10.1073/pnas.0404142101) vor.
Ein Antriebsmotor der Evolution sind Kopierfehler bei der Duplikation des Erbgutes, das im DNA-Molekül gespeichert ist. Das “Alphabet” der DNA bilden die vier Stickstoffbasen Adenin, Guanin, Cytosin und Thymin. Kopierfehler ? die so genannten Mutationen ? entstehen, wenn bei der Duplikation von DNA Basen verwechselt werden oder eine Base zuviel oder zuwenig eingefügt wird.
Die Mutationen sind aber nur der eine Teil der Evolution. Der andere wichtige Aspekt ist die Selektion, die dafür sorgt, dass sich von den im Erbgut zufällig entstandenen Mutationen nur die Überlebensfähigen durchsetzen.
Green und Hwang waren daran interessiert, mit ihrer Computeranalyse statistische Daten über die Mechanismen zu erhalten, die zu Mutationen führen. Dazu untersuchten und verglichen sie eine bestimmte, aus 1,7 Millionen Basenpaaren bestehende DNA-Sequenz von 19 Säugetieren, darunter Ratten, Kaninchen, Pferde und auch Menschen.
Dazu mussten die Forscher aus der DNA-Sequenz aber zunächst alle Gene aussortieren. Gene sind die Abschnitte der DNA, die tatsächlich Erbinformation enthalten. Daneben enthält jede DNA Abschnitte, die offenbar keine Information codieren. Nur dieser “Informationsmüll” kam für eine statistische Analyse in Frage, denn die Gene können keinen Querschnitt über alle möglichen Mutationen liefern, da alle Mutationen, die zu einem nicht überlebensfähigen Organismus geführt haben, bereits aussortiert sind.
Eine erste Auswertung ihrer Analyse offenbarte statistische Unterschiede zwischen den vier Basen. So weisen beispielsweise Mutationen des Basenpaares Cytosin-Guanin ein bestimmtes zeitliches Muster auf.
Als nächsten Schritt wollen Green und Hwang ihre statistischen Daten dazu nutzen, in DNA-Sequenzen, die man bisher für Informationsmüll hielt, nach unentdeckten Genen zu fahnden. Als Fernziel hoffen die beiden Forscher, mit ihrer Arbeit einen Beitrag zur Erforschung genetischer Krankheiten liefern zu können.
Axel Tillemans
