Der Ausdruck k-mer bedeutet in der Bioinformatik eine Teilreihe oder Unterreihe innerhalb einer biologischen Sequenz. Insofern wird er oft bei DNA-Sequenzanalysen verwendet, wobei die k-mere aus Nukleotiden bestehen, nämlich aus A, T, G, C. Aus diesen Großbuchstaben werden DNA-Sequenzen zusammengesetzt. Für k-mer-Darstellungen setzt ein neueres Verfahren Kommutative Algebra ein.
Üblicherweise verweist der Ausdruck k-mer auf alle Teilreihen mit der Länge k, die eine gegebene Sequenz enthält. So ergibt die kurze Sequenz AGAT insgesamt vier Monomere (A, G, A und T), drei 2-mere (AG, GA, AT), zwei 3-mere (AGA und GAT) und ein 4-mer (AGAT).
Eine Sequenz der Länge L enthält L-k+1 k-mere. Die Gesamtheit G aller möglichen k-mere ergibt die Gleichung G = nk. Dabei bedeutet n die Anzahl der möglichen Monomere; es sind vier, wenn es um DNA geht.
Die Silbe mer entspricht dem griechischen Wort μέρος méros; es bedeutet: Teil, Anteil. Der Buchstabe k steht für die Zahl, welche die (gewählte) Länge einer Teilreihe definiert.
Alle Teilreihen k der DNA-Sequenz GTAGAGCTGT sind in der folgenden Tabelle enthalten.
| k | k-mere |
|---|---|
| 1 | G, G, G, G, T, T, T, A, A, C |
| 2 | GT, TA, AG, GA, AG, GC, CT, TG, GT |
| 3 | GTA, TAG, AGA, GAG, AGC, GCT, CTG, TGT |
| 4 | GTAG, TAGA, AGAG, GAGC, AGCT, GCTG, CTGT |
| 5 | GTAGA, TAGAG, AGAGC, GAGCT, AGCTG, GCTGT |
| 6 | GTAGAG, TAGAGC, AGAGCT, GAGCTG, AGCTGT |
| 7 | GTAGAGC, TAGAGCT, AGAGCTG, GAGCTGT |
| 8 | GTAGAGCT, TAGAGCTG, AGAGCTGT |
| 9 | GTAGAGCTG, TAGAGCTGT |
| 10 | GTAGAGCTGT |
Eine längere (DNA-)Sequenz wird kaum ein einziges, langes Monomer sein. Jedoch nicht selten besteht eine Sequenz aus einer Vielzahl von ein und derselben Teilreihe: Ein bestimmtes k-mer ist in einer langen Sequenz mehrmals ununterbrochen wiederholt, und zwar mit einer bestimmen Häufigkeit (Frequenz). Erfahrungsgemäß enthalten Genome viele verschiedene k-mere mit je eigener Wederholugshäufigkeit. Derartige Vielfalt lässt sich grafisch mit einem K-mer-Spektrum darstellen. Ein solches Spektrum zeigt einerseits von jedem k-mer seine Multiplizität: Wie oft es identisch hintereinander geschaltet ist. Und andererseits werden die verschiedenen Wiederholungen gezählt. Die Häufigkeiten der k-mere wurden in Genomen des Menschen und von 888 Tieren untersucht. Die Ergebnisse verweisen auf die jeweilige Komplexität der untersuchten Genome.
Barbara McClintock hätte ihre Freude gehabt. Denn es gelang an der China Agricultural University in Peking, von der uralten Kulturpflanze Mais die DNA aus allen Chromosomen (2n = 20) zu sequenzieren. Und das mit höchster Genauigkeit: Jedes Chromosom wurde als einzelnes Contig von Telomer zu Telomer dargestellt. Das Genom enthält mehrere sehr oft multiplizierte 3-mere aus den Nukleotiden TAG, die bis zu 235 kb lang sind. Komplex erwies sich die 26,8 Mb große Region des Nukleolusorganisators mit ihren beinahe 3.000 Kopien der 45S ribosomalen DNA und den eingestreuten Transposonen. Auch die Sequenzen aller Zentromere und alle reptitiven Regionen sind nun bekannt.
Wegen der hohen Kosten, die das Alignment einer Sequenz verursacht, vergleicht man möglicherweise lediglich Sätze ausgewählter k-mere. In der Pennsylvania State University, USA, fand man Methoden, die auch schwierige, hoch repetitive-DNA-Abschnitte erfolgreich bewerten. Das wurde empirisch mit der Satelliten-DNA eines menschlichen Chromosoms überprüft. Die Autoren schätzen neue k-mere als Geschenk, das verwendet werden will.
Forscher im Nebraska Medical Center, USA, wollten wissen, ob es möglich sei, Tiere nach ihrer Gattung oder sogar nach der einzelnen Art voneinander zu unterscheiden. Diese Frage untersuchten sie mit signifikanten k-meren aus vollständig sequenzierten Insekten-Genomen. Das Verfahren ist besonders schnell, weil es ohne Alignment, also ohne Aneinanderreihen der einzelnen genomischen DNA-Fragmente, auskommt. Damals waren vollständig sequenzierte Gnome von 110 Fliegen-Arten bekannt, aus denen sie 58 Arten auawählten, und zwar 22 Arten der Gattung Anopheles, 30 aus der Gattung Drosophila und 6 aus der Gattung Glossina. Die Analysen beruhten auf 7–9 Basenpaare langen k-meren, wobei ganze Genome und nicht codierende DNA-Abschnitte sowie nicht translatierte Abschnitte untersucht wurden. Diese Methode ergab für jede der 58 Fliegen-Arten eine eigene k-mer-Signatur. Die Anzahl der signifikanten k-mere reichte von 1206 bei Anopheles nili bis zu 2435 bei Drosophila mojavensis. Das Ergebnis lässt hoffen, für jede beliebige biologische Art eine eigene Kennung bestimmen zu können.
Um für biotechnische Vorhaben die Ergiebigkeit der Translation zu beeinflussen, ändert man in DNA-Sequenzen die Häufigkeit bestimmter k-mere. Mit solchen Eingriffen wird die Protein-Produktion erhöht oder gesenkt.
Antibiotikaresistenzen sind globale gesundheitliche Bedrohungen. Für passende Behandlungen braucht es rasche, treffsichere Diagnosen. Dazu kommt die Notwendigkeit, die Ausbreitung einer Resistenz zu verhindern. Mit diesen Zielen wurde eine effiziente Strategie mittels k-meren entwickelt und ihr Nutzen am Genom von Klebsiella pneumoniae demonstriert. Das Stäbchenbakterium kann Lungenentzündung auslösen.
Vor allem bei einer drohenden Pandemie kommt es darauf an, den Erreger schnell und genau zu identifizieren. Dies wäre für die Klinik wie für die allgemeine Gesundheit wichtig. Das hier vorgestellte Werkzeug analysiert nicht alle Mikroben und Viren einer Probe, sondern bestimmt klinisch relevante Krankheitserreger mittels passender k-mere. Bei rascher Rechenleistung braucht es wenig Datenspeicher.
Unter ulzerativer Kolitis, einer Entzündung des Dickdarms, leiden weltweit um die 10 Millionen Menschen. Bei dieser Autoimmunerkrankung funktionieren die T-Zellen nicht richtig. Deswegen setzt die Forschung häufig am T-Zell-Rezeptor (TZR) an. Über längere Zeit wurde von 21 Patienten insgesamt 58 TZR-Proben gewonnen. Von diesen identifizierte man in der Ausbruchsphase 622 einzigartige k-mere sowie bei einsetzender Besserung weitere 495 k-mere. Solche Befunde erlauben, den Verlauf der Entzündung zu verfolgen. Die Autoren empfanden das Ergebnis durch 57 überlappende k-mere nicht wesentlich beeinträchtigt.
Ringförmige DNA, die nicht in Chromosomen eingebunden ist, wird für die Vermehrung (Amplifikation) von Onkogenen verantwortlich gemacht. Dabei spielt die Häufigkeit eigenartiger k-mere eine entscheidende Rolle. Das vorgestellte Modell diagnostiziert unterschiedlich große DNA-Ringmoleküle, die bei manchen Tumortypen vorkommen.
Maschinelles Lernen kann helfen, Formen von Prostatakrebs zu klassifizieren. Dieses Ziel verfolgte eine Arbeitsgruppe, die davon ausging, dass die Häufigkeiten bestimmter 3-mere als biologische Signale für solche Tumore zu verstehen sind. Nach der Länge einer DNA-Sequenz und Shannon-Entropie wurden die Trinukleotide TTC, AAC, ACC und GGG als vielversprechende Anzeiger gefunden.