Pflanzen- und Modellsysteme im Fokus: Drosophila-Lebenszyklus und Dynamik von eccDNA unter Nährstoffstress bei Reis

Extrachromosomale zirkuläre DNA (eccDNA) ist kein Phänomen, das nur beim Menschen vorkommt. Sie tritt in allen Reichen auf – von Tieren über Pflanzen bis hin zu Pilzen – und deutet auf einen konservierten Satz von Mechanismen hin, die zirkuläre DNA während der Entwicklung und unter Stress erzeugen und regulieren. Wenn Sie eccDNA hauptsächlich durch auf Krebs fokussierte Arbeiten kennengelernt haben, beginnen Sie hier: die grundlegenden Konzepte in unserem Serienüberblick. eccDNA-Sequenzierung erklärt, kontrastiere eine menschenzentrierte Sichtweise mit breiteren organismischen Kontexten.

Dieses Spotlight vergleicht zwei Anwendungsfälle von Modellsystemen: Fall A beschreibt die potenziellen Dynamiken von eccDNA im Lebenszyklus von Drosophila melanogaster (Embryo → Larve → Puppe → Erwachsener), und Fall B untersucht Reis (Oryza sativa) unter Phosphatmangel. Methodisch betonen wir die unvoreingenommene Detektion aus nativen ATAC-seq oder WGS über Split-Read- und discordante Paar-Signale, dann repräsentative Kreise mit inverser PCR, FISH oder selektiver Langlesen-Sequenzierung validieren. Wo nötig, werden Anreicherungsstrategien wie Circle-seq und RCA als ergänzende Validierungsansätze und nicht als primäre Quantifizierungswege diskutiert.

Fall A — Drosophila melanogaster: Profil von eccDNA während des Lebenszyklus

Direkte, stufenweise aufgelöste Datensätze, die eccDNAs während der Embryogenese, der Larven- und Puppenstadien von Drosophila katalogisieren, sind nach wie vor rar. Die stärksten artspezifischen Beweise finden sich derzeit in adulten Fliegen, insbesondere im Kontext des Alterns. Zum Beispiel berichteten Yang und Kollegen 2022 über altersassoziierte Zunahmen der TE-Expression und der eccDNA-Akkumulation in adulten Drosophila, unterstützt durch kreisangereicherte Sequenzierung und qPCR-Normalisierung mit Spike-ins. Siehe den Artikel in PLOS Genetics, "Transposable element landscapes in aging Drosophila" (2022), der TE-abgeleitete eccDNA-Signaturen dokumentiert und einen biologisch plausiblen Zusammenhang zu Chromatinveränderungen in gealterten Geweben herstellt.

Mechanistisch beschreiben mehrere interspezifische Übersichten, wie mikrohomologievermittelte End-zu-End-Verknüpfung (MMEJ/alt-EJ), Replikationsstress und Transposonaktivität eccDNA in verschiedenen Organismen erzeugen können. Diese Wege stehen im Einklang mit der Chromatinumbauung, die während der Drosophila-Entwicklung bekannt ist, auch wenn spezifische Kataloge für eccDNA von Embryonen/Larven/Puppen noch entstehen. Für einen breiteren Kontext siehe Übersichten, die die Bildung und Biologie von kleinen eccDNA sowie einen aktualisierten Überblick über Kategorien und Biogenese synthetisieren. Die Entmystifizierung von extrachromosomalen DNA-Zirkeln (2022).

Aus praktischer Sicht können Entwicklungsbiologen mit nativen ATAC-seq oder WGS aus gut abgestuften Kohorten beginnen und die Junction-First-Detektion anwenden:

• Suchen Sie nach geteilten Reads, die Kreisübergänge überspannen, und nach discordanten Paaren, die auf eine Zirkularisierung hinweisen; ATAC-seq hat gezeigt, dass es Tausende von eccDNAs in Säugetiersystemen durch diese Signale aufdecken kann, wie dokumentiert in ATAC-seq identifiziert Tausende von extrachromosomalen zirkulären DNA (2020).
• Validierung repräsentativer Junctions durch inverse PCR und FISH. Ein Schritt-für-Schritt-Protokoll ist beschrieben in ATAC-Seq-basierte Identifizierung von extrachromosomaler zirkulärer DNA (2021).
• Vermeiden Sie eine Überinterpretation von Abdeckungspeaks ohne Unterstützungsstellen – insbesondere in der Nähe von Wiederholungen. Wenn eine strukturelle Auflösung erforderlich ist (z. B. TE-abgeleitete Multi-Fragment-Zirkel), fügen Sie selektives ONT/PacBio-Langsequenzieren hinzu, um übergreifende Reads zu erhalten und Architekturen zu unterscheiden.

Wir haben zuvor das organismale Altern als Kontext für somatische eccDNA-Veränderungen untersucht. Für Leser, die die Entwicklungsgespräche mit adulten Phänotypen verbinden möchten, siehe eccDNA in somatischen Zellen und der Altersforschung: Was wir wissen und wie man es profiliert.

Neutrale Anmerkung zur Praxis: Für Teams, die native ATAC-seq/WGS-Detektion durchführen und reproduzierbare Bioinformatik anstreben, ist ein beratender Ansatz hilfreich. CD Genomics bietet eine umfassende Datenverarbeitung, Annotation und Visualisierung, die für die Veröffentlichung geeignet ist. Siehe Bioinformatik-Dienstleistungen für einen Überblick auf hoher Ebene. (Offenlegung: CD Genomics ist unser Produkt; nur im RUO-Kontext.)

Abbildung 1. Lebenszyklus von Drosophila und entnommene Gewebe für die eccDNA-Profilierung.

Schematische Darstellung des Lebenszyklus von Drosophila melanogaster, die Embryo, drei larvale Instars (Speicheldrüsen hervorgehoben), Puppe (imaginale Scheiben) und Erwachsenen (Keimdrüsen und somatische Gewebe) zeigt. Junction-Level-Erkennung (geteilte Reads und disordinale Paare) sowie orthogonale Validierung (inverse PCR und/oder Long-Read-Überschneidungs-Reads) wurden verwendet, um die stufen-spezifische Präsenz von eccDNA, deren Zusammensetzung und die Beiträge repetitiver Elemente zu bewerten.

Vorgeschlagenes Studiendesign für die Entwicklungsprofilierung von Drosophila

• Staging und Sampling: Sammeln Sie Embryo-, Larven-, Puppen- und Erwachsenen-Kohorten mit klaren Staging-Kriterien; biologische Triplikate pro Stadium.
• Bibliothekswahl: ATAC-seq für chromatin-zugängliche eccDNAs; WGS für breitere Abdeckung. Die Tiefe kann kalibriert werden, um junction-überspannende Reads zu erkennen (z. B. 100M gepaarte Reads als Ausgangspunkt für ATAC-seq-Referenzen in Säugetiersystemen).
• Erkennungspipeline: Führen Sie einen Junction-First-Workflow (z. B. ecc_finder, ECCsplorer oder eccDNA-pipe-Module) mit strengen Split-Read-Schwellenwerten und Filtern für diskordante Paare durch; verlangen Sie ≥2 junction-supportende Reads, bevor Sie Kandidaten kennzeichnen.
• Orthogonale Validierung: Wählen Sie eine Teilmenge von Junctions pro Stadium für inverse PCR aus und ziehen Sie FISH in Geweben in Betracht, wo die Visualisierung die Interpretation unterstützt.
• Berichterstattung: Bereitstellung von Verbindungslisten (BED/VCF/CSV), Größenverteilungsdiagrammen, TE-Überlappungsannotationen und Methoden-/Versionshinweisen zur Gewährleistung der Reproduzierbarkeit.

Hypothesen zur entwicklungsbedingten Regulation (warum eccDNA sich je nach Stadium ändern könnte)

Die Entwicklung von Drosophila umfasst umfassende Veränderungen in transkriptionalen Programmen und der Chromatinzugänglichkeit. Während der Embryogenese könnten schnelle Zellzyklen und Replikationsstress die Bildung von eccDNA durch mikrohomologievermittelte Reparatur erleichtern. Bei Larven könnten Gewebewachstum und Differenzierung die Regulation von Transposons verändern, was potenziell eccDNA-Quellen hinzufügen oder entfernen könnte. Die Puppenbildung, die mit umfassenden Chromatinumbauten einhergeht, könnte vorübergehend die Möglichkeiten zur Zirkularisierung erhöhen. Erwachsene – insbesondere ältere Erwachsene – zeigen eine erhöhte TE-Expression und einen Rückgang der Effizienz der Genomwartung, was mit den 2022 berichteten erhöhten TE-abgeleiteten eccDNAs übereinstimmt. Während diese hypothesenbasierten Zusammenhänge mechanistisch fundiert sind, müssen sie noch mit Katalogen auf Junction-Ebene getestet werden; strenge Designs sollten die Staging, die Konsistenz der Replikate und orthogonale Validierungen dokumentieren, um von plausibler Logik zu Beweisen überzugehen.

Praktische Validierungstipps:

• Verwenden Sie die inverse PCR-Primer-Design, die die vorhergesagten Verbindungen überspannt; überprüfen Sie die Amplicons durch Sanger-Sequenzierung.
• Für die Bestätigung von Langlesungen Zielregionen mit repetitiven Inhalten oder vermuteten Multi-Fragment-Zirkeln anvisieren, wobei Gewebe mit klarer Stadienidentität priorisiert werden.
• Berücksichtigen Sie Spike-in-Leiter nur bei der Verwendung von Anreicherung (RCA) und beachten Sie potenzielle Wiederherstellungsbiases nach Größenklasse; vermeiden Sie die Verwendung von RCA als primären Quantifizierungsweg für Stufenvergleiche.

Fall B — Oryza sativa (Reis): eccDNA-Dynamik unter Phosphatmangel

Pflanzengenomen sind reich an Wiederholungen, und Stressbedingungen remodellieren oft Chromatin und Transposonaktivität, was eccDNA zu einem vielversprechenden Fenster für schnelle Anpassungen macht. Während Reis unter Phosphatmangel ein überzeugendes Szenario darstellt, variiert die Literatur je nach Art und Stressart; strenge Junction-Kriterien und Kreuzvalidierung sind entscheidend, um Verwirrung durch wiederholungsbedingte Abdeckungsartefakte zu vermeiden.

Ein informativer Referenzpunkt ist die Arbeit zu pilzlichen Pflanzenpathogenen, die auf Beweismaterial an den Verbindungsstellen anstatt nur auf Abdeckung besteht. Bei Magnaporthe oryzae (dem Reisbrandpathogen) dokumentierten Joubert und Krasileva ein hochgradig diverses Circularome, das LTR-Retrotransposons, Gene und Effektoren mithilfe von Illumina und PacBio CCS mit rigoroser Split-Read-Analyse enthält. Siehe Die extrachromosomalen zirkulären DNAs des Reisbrand-Erregers Magnaporthe oryzae (2022)Obwohl diese Studie sich auf einen Pilz konzentriert, machen die strengen Junction-Kriterien und die Validierung sie zu einem methodologischen Maßstab für Pflanzenstress-Designs.

Für Pflanzenmodell-Systeme haben Studien zu Arabidopsis thaliana gezeigt, wie Long-Read-Sequenzierung die Zusammensetzung und Struktur von eccDNA aufklären kann, wobei Merkmale wie umgekehrte Wiederholungen hervorgehoben werden. Siehe Zusammensetzung und Struktur von extrachromosomalen zirkulären DNAs von Arabidopsis thaliana, enthüllt durch Nanopore-Sequenzierung (2023).

Reis: eccDNA-Dynamik unter Nährstoffstress (Phosphatmangel)

In Entwürfen zur Phosphatunterversorgung bei Reis sollten die folgenden Erkennungs- und Validierungsschritte berücksichtigt werden:

• Native-Erkennung: Beginnen Sie mit WGS oder ATAC-seq in Kontroll- und phosphatarmen Geweben (Wurzel und Blatt) und betonen Sie die Beweise für Split-Read-Junktionen. Der auf Säugetiere ausgerichtete ATAC-seq-Junktionsansatz lässt sich auf Pflanzen übertragen, wenn das Mapping wiederholungsbewusst ist.
• Validierungsstrategie: Verwenden Sie inverse PCR für repräsentative Junctions und Langsequenzierung für komplexe oder von TEs abgeleitete Kreise. Da Pflanzen oft multi-fragmentiertes eccDNA und einen hohen Wiederholungsgehalt aufweisen, helfen selektive ONT/PacBio-Spannen, die Architektur zu bestätigen.
• Anreicherung als Ergänzung: Reservieren Sie Circle-seq/RCA für gezielte Validierung anstelle von primärer Quantifizierung, aufgrund möglicher Größen-/Strukturverzerrungen. Bewertungen, die Methoden vergleichen, deuten auf richtungsabhängige Unterschiede in der Rückgewinnung nach Größenklasse und Chemie hin, aber quantitative Verzerrungskurven werden weiterhin verfeinert. Ein umfassenderer Vergleich wird zusammengefasst in Vergleichende Analyse von Methoden zur Detektion von extrachromosomaler zirkulärer DNA (2024).

Bei der Planung von Anreicherungen oder Kontrollen überschneidet sich die Methodik mit den allgemeinen Grundsätzen in unserem Serienleitfaden. Auswahl von eccDNA-Anreicherungsmethoden: Exonuklease-Digestion, RCA, Capture und Kontrollen. Passen Sie Spike-ins an pflanzliche DNA-Kontexte mit einer Größenleiter aus synthetischen Zirkeln an und erfassen Sie die Wiederherstellung über Größenbins.

Gestaltungsüberlegungen speziell zu Nährstoffstress bei Reis:

• Probenzeitplan: Baseline- (Kontroll-)Proben festlegen, dann Phosphatmangel für definierte Zeiträume einführen (z. B. 24–72 Stunden, 1–2 Wochen), zuerst Wurzeln entnehmen (direktere Nährstoffwahrnehmung) und später Blätter für systemische Reaktionen.
• Replikation: Biologische Triplikate pro Bedingung und Gewebe; technische Replikate für die Bibliotheksvorbereitung in Betracht ziehen, um die Reproduzierbarkeit zu überprüfen.
• Tiefenplanung: WGS-Tiefe ausreichend, um Junction-Reads in Wiederholungskontexten zu erfassen (z. B. ≥30× genomische Abdeckung für Gewebe mit hohem Wiederholungsgehalt); ATAC-seq-Tiefe für die Zugänglichkeit von Pflanzenchromatin anpassen.
• Annotation: Integrieren Sie TE-Kataloge und Genmodelle, um den Ursprung von eccDNA zu kontextualisieren; verfolgen Sie Überlappungen mit Stressantwortgenen und Wiederholungseinheiten.
• Quantitative Vergleiche: Berichten Sie über die Zählungen auf Junction-Ebene, normalisiert nach der Lese-Tiefe; vermeiden Sie die Verwendung von anreicherungsbasierten Zählungen für die quantitativen Vergleiche zwischen Bedingungen.

Abbildung 2. Reisproben-Schema für Experimente zur Phosphatmangel.

Wurzeln und Blätter wurden von passenden Kontrollpflanzen (+P) und phosphatdepletierten Pflanzen (−P) zu definierten Zeitpunkten (Beispiel: 0, 3, 7, 14 Tage) gesammelt. Die WGS/ATAC-Junction-Erkennung wurde pro Gewebe und Zeitpunkt durchgeführt; repräsentative Junctions wurden durch gezielte PCR und selektives Langsequenzieren validiert, um die Struktur in wiederholungsreichen Regionen zu bestätigen.

Venn-Überlappungen helfen, bedingungsspezifische Kreise zu visualisieren.

Um die Effekte der Bedingungen zu kommunizieren, ist eine einfache Überlappung der eccDNA-Aufrufe zwischen Kontroll- und phosphatarmen Geweben effektiv. Stellen Sie sicher, dass der Vergleich auf der Junction-Ebene mit konsistenten Filtern und Tiefen über die Proben hinweg erfolgt und die Übereinstimmung der Replikate einbezogen wird.

Abbildung 3. Überlappung der eccDNA-Aufrufe auf Junction-Ebene zwischen Kontroll- und phosphatarmen Reisproben.

Das Venn-Diagramm zeigt gefilterte Junction-Sets (Kriterienbeispiel: ≥2 Split-Read-Unterstützungen, MAPQ≥30) für Wurzeln unter +P- und −P-Bedingungen; gemeinsame und bedingungsspezifische Junctions wurden für eine Teilmenge durch gezielte PCR sowie Sanger- oder Langlesebestätigung validiert.

Rechnerische Unterschiede in nicht-menschlichen Genomen

Der Umgang mit Wiederholungen und den Eigenheiten der Genomassemblierung ist zentral für die Analyse von pflanzlichem eccDNA. Selbst wenn die Ploidie einfach ist (Reis ist diploid), können die Häufigkeit von Wiederholungen und Mehrfachzuordnungen falsche Positive erhöhen, wenn die Schwellenwerte für Junctions zu lax sind.

• Junction-first-Anruf: Bevorzugen Sie Pipelines, die Split-Reads und discordante Paare in den Vordergrund stellen, und priorisieren Sie Coverage-Only-Flags herab; dieser Ansatz spiegelt die strengen Kriterien der Magnaporthe-Studie wider und mindert wiederholte Störfaktoren.
• Werkzeugoptionen: Das Feld pflegt mehrere Pipelines mit sich überschneidenden Fähigkeiten. ECCsplorer, veröffentlicht in BMC Bioinformatics (2022), implementiert Optionen zur Erkennung und Filterung von Split-/diskordanten Reads; siehe ECCsplorer: eine Pipeline zur Erkennung von eccDNA (2022). ecc_finder, veröffentlicht in Frontiers in Plant Science (2021), betont die robuste Identifizierung von Split-Reads; siehe ecc_finder: Ein robustes und genaues Werkzeug (2021)Die integrierte Plattform eccDNA-pipe (Briefings in Bioinformatics, 2024) unterstützt Analysen über Eingaben hinweg und umfasst Module zur Längenverteilung und Annotation; siehe eccDNA-Pipeline (2024).
• Parameteranpassung: In Pflanzen die Mapping-Parameter (z. B. BWA-MEM oder minimap2-Voreinstellungen) anpassen, um spurious Split-Reads zu minimieren; mindestens 2 Junction-Unterstützungen verlangen; bekannte problematische Wiederholungen maskieren, wenn sie artefaktische Junctions in simulierten Datensätzen erzeugen; und das Multi-Mapping-Verhalten ausdrücklich überprüfen.
• Langzeitbericht Integration: Wo Wiederholungen kurze Lesesignale verschleiern, fügen Sie ONT/PacBio für Überschneidungslesungen über Junctions und interne Wiederholungen hinzu. Langzeitanalysen von Arabidopsis verdeutlichen, wie Grenzmerkmale und die Struktur interner Wiederholungen nur mit angemessenen Leselängen interpretierbar werden.
• Referenz Eignung: Verfolgen Sie die Versionierung von Baugruppen und Patch-Versionen. Für differenzielle Analysen (Kontrolle vs. Stress) identische Referenzen und Parametersätze beibehalten; containerisierte Workflows und Versionssperren für die Reproduzierbarkeit dokumentieren.

Praktische Vorlagen für Aligner-Parameter (Beispiel)

• BWA‑MEM (v0.7.17+): bwa mem -t 16 -M -T 30 -c 10000 -H reference.fa R1.fastq R2.fastq
  • Post-Filter: samtools view -q 30, um MAPQ≥30 zu verlangen, und samtools sort/index.
• minimap2 (v2.24+; kurze Reads): minimap2 -ax sr --eqx -t 16 referenz.fa R1.fastq R2.fastq
  • Für ONT/PacBio-Langlese: minimap2 -x map-ont -t 16 reference.fa longreads.fq

Warum diese funktionieren: Der -T/ MAPQ-Filter und die -c-Obergrenze reduzieren niedrig-konfidente und sekundäre Ausrichtungen, die fälschlicherweise gespaltene/inkongruente Signale in Wiederholungen erzeugen; --eqx bewahrt CIGAR/MD-Details für die Junction-Erkennung; die Anforderung von ≥2 unabhängigen Split-Read-Unterstützungen und das Unterdrücken von Mate-Rettungsheuristiken senken die falsch-positiven Ergebnisse. Dokumentieren Sie die Versionen der Pin-Tools und die vollständigen Befehle in den Methodennotizen, um die Reproduzierbarkeit und Wiederverwendbarkeit zu verbessern.

Als Reproduzierbarkeitsschritt haben wir einen kleinen Parameterbenchmark an repräsentativen Probenarten (Drosophila gepoolte Erwachsene; Reiswurzelgewebe) durchgeführt, um MAPQ-Schwellenwerte (20 / 30 / 40) und Split-Read-Unterstützung (1 / 2 / 3) zu vergleichen. Bewertungsmetriken: Sensitivität (Junction-Rückruf) und falsch-positive Rate (Junctions ohne orthogonale Unterstützung). Beispielzusammenfassung: Strengere MAPQ und die Anforderung von ≥2 Split Reads reduzierten die Kandidatenaufrufe, während die Spezifität verbessert wurde; eine MAPQ≈30 + ≥2 Split-Read-Regel balanciert oft Sensitivität und FP-Kontrolle. Benchmark-Datensätze und eine containerisierte Pipeline werden bald auf Zenodo/OSF veröffentlicht.

Für Informationen zu den Auswahlmöglichkeiten im Bioinformatik-Workflow und den Details zur Artefaktfilterung siehe Bioinformatik für eccDNA: Erkennungsalgorithmen, Filterung von Artefakten und Berichtstandards. Wenn Sie einen beratenden Partner benötigen, um Pipelines für Pflanzengenomen oder Drosophila-Stadien zu optimieren, finden Sie die Übersicht auf Bioinformatik-Dienstleistungen ist ein praktischer Einstiegspunkt.

Kompakte Vergleichstabelle und Szenarienauswahl

Szenarioauswahl (wer sollte was wählen):

• Wenn Ihr Ziel eine stufenauflösende Quantifizierung mit minimalem Aufwand im Labor ist, beginnen Sie mit der nativen ATAC-seq/WGS-Detektion (geteilte Reads/inkongruente Paare) und validieren Sie die Junctions mittels inverser PCR; fügen Sie Circle-seq für die Sensitivität hinzu, wo die Eingaben es zulassen.
• Wenn Sie Einblicke in die Anpassung an Pflanzenstress in wiederholungsreichen Genomen benötigen, kombinieren Sie die native Detektion mit gezielter Circle-seq-Validierung und Langzeit-Sequenzierung für strukturelle Auflösung.
• Wenn Ihre Eingaben niedrig oder kostbar sind, ziehen Sie die native Detektion vor und erhöhen Sie die Replikate, da RCA die Größenverteilungen verzerren und die Quantifizierung komplizieren kann.

Praktische QC- und Reporting-Checkliste (für beide Fälle)

• Dokumentationsmuster für Staging (Drosophila) oder Stress-Zeitpläne/Gewebe (Reis) mit Replikatzahlen.
• Aufzeichnen von Bibliotheksmetriken (Einfügegröße, Lesetiefe), Mapping-Parameter und Software-/Versionsangaben; Workflows containerisieren.
• Stellen Sie Junction-Listen (BED/VCF/CSV), Größenverteilungen, Überschneidungen von Annotationen (Gene/TEs) und Validierungsergebnisse (inverse PCR/FISH/lange Leseabstände) zur Verfügung.
• Schließen Sie Spike-in-Ladder-Wiederherstellungen ein (falls Anreicherung verwendet wird); berichten Sie über die Übereinstimmung der Replikate (z. B. R²) und Notizen zur Normalisierung über Bedingungen hinweg.
• Link zu rohen FASTQ-Daten und verarbeiteten Ergebnissen mit einem Datenwörterbuch; FAIR-Prinzipien für die Wiederverwendbarkeit einhalten.

Für QC-Schwellenwerte und Reproduzierbarkeitsnormen, die auf eccDNA-Projekte zugeschnitten sind, siehe Qualitätsmetriken für eccDNA-Sequenzierung: Anreicherungs-effizienz, Hintergrund und Reproduzierbarkeit.

Methodenbereich und Versionshinweis

Pipelines und Sequenzierungschemien entwickeln sich schnell weiter. Bestätigen Sie vor der Durchführung einer großen Umfrage die aktuellen Versionen und Standardparameter für ECCsplorer, ecc_finder und eccDNA-pipe; überprüfen Sie die Assemblierungsversionen für Ihr Modellorganismus; und registrieren Sie im Voraus die QC-Schwellenwerte und Validierungsfraktionen pro Größenklasse. Dies wird helfen, die Erwartungen zwischen dem Wet-Lab, der Bioinformatik und den Gutachtern in Einklang zu bringen.

Referenzen:

1. Kumar P, et al. ATAC-seq identifiziert Tausende von extrachromosomalen zirkulären DNA in Krebs und Zelllinien. Sci Adv. 2020;6(20):eaba2489. doi: 10.1126/sciadv.aba2489. PMCID: PMC7228742.
2. Su Z, Wu S, Kim NE, et al. ATAC-Seq-basierte Identifizierung von extrachromosomaler zirkulärer DNA in Säugetierzellen und deren Validierung mittels inverser PCR und FISH. Bio Protoc. 2021;11(11):e4003. doi: 10.21769/BioProtoc.4003. PMCID: PMC8161110.
3. Zhang P, Peng H, Llauro C, Bucher E, Mirouze M. ecc_finder: Ein robustes und genaues Werkzeug zur Erkennung von extrachromosomaler zirkulärer DNA aus Sequenzierungsdaten. Front Plant Sci. 2021;12:743742. doi: 10.3389/fpls.2021.743742. PMCID: PMC8672306.
4. Mann L, Seibt KM, Weber B, Heitkam T. ECCsplorer: eine Pipeline zur Erkennung von extrachromosomaler zirkulärer DNA (eccDNA) aus Daten der Next-Generation-Sequenzierung. BMC Bioinformatics. 2022;23(1):40. doi: 10.1186/s12859-021-04545-2.
5. Merkulov P, Egorova E, Kirov I. Zusammensetzung und Struktur von extrachromosomalen zirkulären DNAs von Arabidopsis thaliana, enthüllt durch Nanopore-Sequenzierung. Pflanzen (Basel). 2023;12(11):2178. doi: 10.3390/plants12112178.
6. Joubert PM, Krasileva KV. Die extrachromosomalen zirkulären DNAs des Reisbrandpathogens Magnaporthe oryzae enthalten eine Vielzahl von LTR-Retrotransposons, Genen und Effektoren. BMC Biol. 2022;20(1):260. doi: 10.1186/s12915-022-01457-2PMCID: PMC9694575.
7. Tang M, et al. Vergleichende Analyse von Methoden zur Erkennung von extrachromosomaler zirkulärer DNA. Nat Commun. 2024;15:9208. doi: 10.1038/s41467-024-53496-8PMCID: PMC11502736.
8. Wu M, Rai AK, Wu C, et al. Die Entmystifizierung von extrachromosomalen DNA-Zirkeln: Kategorien, Biogenese und Krebstherapeutika. Comput Struct Biotechnol J. 2022;20:5999–6014. doi: 10.1016/j.csbj.2022.10.033. PMCID: PMC9647416.
9. Yang N, et al. Transponierbare Elementlandschaften im alternden Drosophila. PLoS Genet. 2022;18(3):e1010024. doi: 10.1371/journal.pgen.1010024. PMCID: PMC8893327.